一位女士正对着手机用闽南话进行语音输入。
用闽南话对着手机语音录入“爱拼才会赢”，语音输入后屏幕上立即显示“爱拼才会赢”字样。近期，一款名叫“闽南话识别”的软件在网络上走红。只要是日常对话的语句，不管你说的闽南话是厦门口音、泉州口音，或是漳州口音，它基本都能识别出来并翻译成文字，识别准确率高达85%。
这款软件是厦大信息科学与技术学院副教授洪青阳、厦大人文学院中文系助理教授许彬彬带领的科研团队合作研发的。目前，这一软件已经过多阶段的内部测试，并开放供广大市民免费试用。
与几位同学分别用厦门口音、泉州口音、漳州口音的闽南话，对着软件语音输入:“今天天气很好。”不到2秒，系统翻译出了相同的对应文字。又以略微不同的表达方式对着软件语音输入“今天天气很好”，系统依旧能准确识别。
近日，采访了软件背后的科研团队，为您揭秘软件开发过程。
调查
采集多地语音资料连国外也不放过
首先，该软件背后的语音资料库就很强大，这是基于许彬彬近10年来的研究成果。许彬彬带领团队借鉴、整理了大量语音资料——囊括福建省内厦、漳、泉多地的闽南方言、文本，甚至收集了国外多处讲闽南话的地点的语音材料。
除了厦大的语音资料库外，每到寒暑假，许彬彬团队还会去各地进行田野调查。“省内的漳浦、东山等，以及菲律宾北部城市、美国的东部地区，每一个地点至少要停留5天，尽可能全面地描写该地区语音面貌。”她说。
整理
标注每个音节发音录入不同口音
有了丰富的“食材”，烹制好这道“菜肴”还需要“配菜”。为此，许彬彬团队做了大量的整理工作。在许彬彬的电脑里储存着大量文档。“我现在有5台电脑，10个硬盘，全都装满闽南话文件。”许彬彬说，闽南话的声母有15-18个不等，韵母有73-90个不等，声调有5-8个不等，都要逐一整理，录入系统。
别以为只是简单的标注，每个音节的发音以及发音时长，都必须详细标注下来。以“他们坐车去台北”为例，许彬彬就标注了16个音素，音素与发音时长还要逐一对应。而这只是一个句子的其中一种口音。
许彬彬告诉，单单是厦门地区，细微的语音差别就有十几种。“思明区鹭江街道是一种口音，厦港街道又是另外一种口音，海沧东孚街道的口音又接近漳州口音，这些都要逐一标注。”她说，系统录入的不仅仅是厦门口音，还有泉州口音、漳州口音、潮汕口音等。
建模
收集十万句日常对话邀志愿者测试
为了让这一系统的闽南方言数据尽可能全面，洪青阳团队又历时一年，先后收集近十万句闽南话日常对话。
除了许彬彬所提供的语音资料外，测试阶段，他们还邀请了几百名志愿者参与测试，让系统“学习”不同口音的闽南话。待系统基本“学会”不同口音的闽南话后，洪青阳又给系统加大了难度——文读和白读都要会。
闽南话中存在大量多音字，有着复杂的文读白读现象，以“大学”这一词为例，就有文读和白读两种读法。该团队对闽南话语音识别采取了特定规则的发音词典标注，并用革新后的算法建立了闽南话语音识别模型。
链接
将实现闽南话与普通话无障碍沟通
当发音速度不一、吞音等情况出现时，软件如何准确识别？系统的背后还有一位“把关人”。当遇上系统无法识别的语音时，许彬彬团队就会进行分析，把新的表达整理成文档，扩充词典和句子语料。与此同时，洪青阳团队在系统后台不断完善算法，以学习到更多口音和生僻词汇。现在，系统依旧在不断完善升级。
据了解，基于深度学习方法，他们目前正在研发闽南话合成系统，最终可以实现闽南话与普通话之间的无障碍沟通。洪青阳说，该系统预计在今年上半年上线。
声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。
