智慧養(yǎng)老系統(tǒng)中針對海南方言識別技術(shù)的設(shè)計＊

耿強 黃雪琴

1.海口經(jīng)濟(jì)學(xué)院；2.海南經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院

隨著信息技術(shù)的發(fā)展，生活設(shè)備及設(shè)施越來越智能化，也為老年人帶來了更加便利、舒適和安全的生活方式。其中語音交互是智慧產(chǎn)品較為普遍的人機交互方式，而方言識別在智慧養(yǎng)老產(chǎn)品中不夠普及，這就給只擅長說方言的老年人設(shè)置了一個門檻。本文通過對海南方言和語音交互模型進(jìn)行簡要分析，探討方言識別在智慧養(yǎng)老產(chǎn)品中出現(xiàn)的困境，并提出解決思路。旨在為老年人提供更加個性化和便捷的養(yǎng)老服務(wù)，提高老年人的獲得感和幸福感。

2021 年5 月，國家統(tǒng)計局發(fā)表了第七次全國人口普查公報：“60 歲及以上人口為264018766 人，占18.70%，其中65 歲及以上人口為190635280 人，占13.50%。與2010年第六次全國人口普查相比，60 歲及以上人口的比重上升5.44 個百分點，65 歲及以上人口的比重上升4.63 個百分點。”因而隨著人口老齡化程度的不斷提高，老年人的養(yǎng)老服務(wù)及各類保障也將面臨著巨大的壓力。如何有序有效的建設(shè)和完善養(yǎng)老服務(wù)體系，提高我國老年人的養(yǎng)老質(zhì)量，提升老年人的幸福感，是我國“十四五”建設(shè)的一個重要方向。

目前，我國在智慧養(yǎng)老服務(wù)方面持續(xù)不斷的探索與更新，越來越多的養(yǎng)老服務(wù)產(chǎn)品貼合了老年人的需求。智能產(chǎn)品在養(yǎng)老服務(wù)中的廣泛應(yīng)用，通過語音交互、人臉識別等智能操作，已大大解決老年人操作難、按鍵繁雜、步驟繁瑣等問題。

其中語音交互是目前大部分智能產(chǎn)品應(yīng)用較多的、同時也是最重要的一種人機交互方式。但同時也存在著一定的難題。我國是一個多民族國家，各民族、各地區(qū)都有自己的語言特征，特別是對于老年人，普通話還未成為他們的常用語言。而目前國內(nèi)大部分的智能產(chǎn)品語音交互是基于普通話的交互，從而導(dǎo)致部分不擅長使用普通話交流的老人無法使用相關(guān)智能產(chǎn)品。

當(dāng)前智能產(chǎn)品的語音交互采用的語言，除了比較普及的普通話，還有應(yīng)用人群相對較多的閩南語和粵語。而使用人數(shù)比較少的語言，例如，針對海南省的各個地方方言，幾乎沒有智慧產(chǎn)品能夠提供語音服務(wù)。

1 海南省方言簡介

海南省本地有30 多個民族，主要使用的是12 種不同漢語方言。方言包括了海南話、軍話、客家話、黎語、儋州話、村話、臨高話、回輝話、邁話、海南苗語、蛋家話等[1]。海南話是屬漢藏語系漢語閩南方言，是海南省最主要的語言之一，使用人口約占全省人口的80%，主要集中在海口市、文昌縣、瓊海縣、萬寧縣、定安縣、澄邁縣和屯昌縣等地[2]。剩下的其他方言為海南省使用人數(shù)較少的語系，而各方言之間幾乎無任何關(guān)聯(lián)，不是生活在該地區(qū)的本地人基本是聽不懂的。

（1）講臨高話的居民主要居住在海南省北部偏西。而研究表明，臨高話是“屬于漢藏語系侗傣語族壯傣語支的一種語言”[3]。臨高話的很多詞語的語序和普通話的語序是相反的，例如，牛肉、豬肉、雞肉等，臨高話說出來是“肉牛，肉豬，肉雞”；大哥、二哥、三哥等，臨高話的語序是“哥大、哥二、哥三”[4]。并且大部分的句子語序按照普通話的標(biāo)準(zhǔn)來看都是亂序的。

（2）海南軍話有“移民文化的活化石”的美稱，廣泛分布在海南的崖城、東方、儋州、昌江等地[5]。之所以稱為“軍話”，大體與將軍士兵的習(xí)慣用語分不開。根據(jù)文史資料記載，古代的仕宦、將軍、士兵及家人從大陸進(jìn)入島內(nèi)后，長期生活在島內(nèi)而留下來的語言，屬漢藏語系漢語北方方言西南官話系統(tǒng)。

（3）儋州話屬漢藏語系漢語粵語方言系統(tǒng)，主要分布在儋州、昌江、東方等市縣的沿海一帶地區(qū)。有研究表明，儋州話比較接近于古漢語，比較多的生活用語接近古漢語的使用。例如，儋州話的生活用語“幾多”表示“多少”、用“幾時”表示“什么時候”，這用語在古代詩詞中也是常見的用語。

海南省存有眾多方言與各自的民族分布，與歷代的移民開發(fā)關(guān)系密切。移民大都以語言與遷徙來源為依據(jù)各自擇地而居，這就形成了既有共性又有個性的語言和方言的群落[6]。海南省大部分的方言使用人群都不多，在語音交互研究和開發(fā)上成本較高，從而導(dǎo)致現(xiàn)有的語音交互產(chǎn)品中，無法使用海南方言進(jìn)行交流互動。而海南本地有較大一部分老年人是不會講普通話的，使得這些老年人在使用智慧養(yǎng)老產(chǎn)品時，存在一定的障礙與困難。

2 語音交互模式

語音、體態(tài)、人臉等方式是目前智慧產(chǎn)品常用的交互手段，是智慧養(yǎng)老產(chǎn)品的主要交互方式。語音交互是一種通過語音輸入和語音輸出進(jìn)行人機交互的模式，基于語音識別技術(shù)將人的語音信息轉(zhuǎn)換成文本，然后使用自然語言處理技術(shù)進(jìn)行理解和分析，最終生成合適的回應(yīng)。通過語音合成技術(shù)將機器生成的文本轉(zhuǎn)換為可聽的語音輸出或相應(yīng)的指令。具體的技術(shù)模型如圖1 所示。

圖1 語音交互模式Fig.1 Voice interaction mode

2.1 語音識別

語音識別技術(shù)（Automatic Speech Recognition）是一種將人類的語音輸入轉(zhuǎn)換為文本或命令的技術(shù)，它是語音信號到文字內(nèi)容的過程[7]，是人機實現(xiàn)語音交互的重要基礎(chǔ)部分，是確保計算機“聽得見”的步驟。

語音識別流程如圖2 所示，主要是計算機對語音信號進(jìn)行處理。通過錄音設(shè)備進(jìn)行語音輸入，將聲音的模擬信號轉(zhuǎn)換為數(shù)字信號并進(jìn)行預(yù)處理，識別聲音的開始和結(jié)束。去噪、降噪、過濾等處理以提高音頻信號的質(zhì)量；然后將初步處理后的音頻信號進(jìn)行識別表征，提取有用的特征；根據(jù)音頻信號的特征識別，從聲學(xué)模型和字典中搜索最優(yōu)的音素、單詞和句子；再使用語言模型對識別結(jié)果進(jìn)行校正和優(yōu)化，根據(jù)語言的統(tǒng)計規(guī)律和句子結(jié)構(gòu)推測最可能的文本序列，找到最佳匹配的文本序列；最后將最優(yōu)的文本序列進(jìn)行錯誤修正、語法糾正，語句分段等操作處理，提高輸出文本的質(zhì)量。

圖2 ASR 過程Fig.2 ASR Process

2.2 自然語言理解

自然語言理解（Natural Language Understanding）是將人類的自然語言輸入轉(zhuǎn)換為計算機可以理解和處理的技術(shù)。它的目標(biāo)是使計算機能夠準(zhǔn)確地理解人類的意圖、情感和語義，并將其轉(zhuǎn)化為可操作的信息，是確保計算機“聽得懂”的步驟。

自然語言理解是自然語言處理的第一個階段，旨在使計算機能夠理解人類語言并從中獲取有意義的信息。這個階段首先要對ASR 傳送過來的文本進(jìn)行分詞和詞性標(biāo)注；再進(jìn)行語法分析，根據(jù)語法規(guī)則，分析語句的語法結(jié)構(gòu)；然后進(jìn)行語義分析，理解句子的領(lǐng)域、意圖；最后識別邏輯關(guān)系、上下文信息等，初步確定用戶的意圖或目的。

2.3 DM 對話管理

對話管理（Dialogue Management）是指在人機對話系統(tǒng)中負(fù)責(zé)管理和控制對話流程的組件或算法。它的任務(wù)是對對話狀態(tài)跟蹤、管理對話流程，以使機器能夠以自然、連貫和目標(biāo)導(dǎo)向的方式與用戶進(jìn)行對話。這個步驟主要的工作內(nèi)容是解決“在聽得懂之后如何做”的問題。

對話管理接收NLU 傳輸過來的信息（語義表征），在對應(yīng)的領(lǐng)域中，根據(jù)用戶習(xí)慣和系統(tǒng)默認(rèn)的填充詞，追蹤對話數(shù)據(jù)，確定對話意圖，輸出對話交互的系統(tǒng)行為與決策。

2.4 自然語言生成

自然語言生成（Natural Language Generation）是指通過計算機系統(tǒng)自動生成符合自然語言規(guī)則和語法的文本或?qū)υ挕＿@項技術(shù)可以將結(jié)構(gòu)化數(shù)據(jù)、知識、意圖等轉(zhuǎn)化為人類可理解的自然語言表達(dá)。自然語言生成根據(jù)DM 傳遞的決策等語義表征信息作為參數(shù)，利用模板填充、規(guī)則引擎、語言模型和文本規(guī)劃等技術(shù)，生成自然流暢、有可讀性和理解性的文本。

2.5 語音合成

語音合成（Text to Speech）將文字信息轉(zhuǎn)換為自然流暢的語音輸出，讓機器能夠以聲音的形式與人進(jìn)行交互。

語音合成技術(shù)先對文本進(jìn)行分詞、斷句、詞性標(biāo)注等處理；再將詞或詞組轉(zhuǎn)為對應(yīng)的音素；然后根據(jù)音素和聲學(xué)模型生成語音參數(shù)序列；最后根據(jù)語音參數(shù)序列找到匹配的音庫，合成語音并生成波形。

3 技術(shù)難點分析

語音交互在智慧養(yǎng)老產(chǎn)品中應(yīng)用較廣，例如，生活輔助類的智能音箱、智能燈具、智能窗簾等工具，對老年人進(jìn)行生活輔助。老年人同樣可通過語音來控制照明開關(guān)、空調(diào)溫度、各類智能家電等，提高生活的質(zhì)量和便利。在健康檢測方面，老年人可通過語音提示查詢自己的身體健康指數(shù)，如血壓、心率等，可通過智能手環(huán)遠(yuǎn)程聯(lián)系醫(yī)護(hù)人員或子女，獲取健康咨詢或幫助；在健康輔導(dǎo)方面，語音交互與VR（虛擬現(xiàn)實）結(jié)合，為老年人提供身體鍛煉、平衡訓(xùn)練等活動，幫助老年人提高或保持身體的活力與張力；在社交或娛樂方面，語音交互可幫助老年人進(jìn)行簡單的語音通話、語音信息和智能音箱互動等娛樂行為，緩解老年人的孤獨感。

對于我國多民族、多語言的特點，再加上海南的方言與普通話在發(fā)音上有著差別巨大，語言交互方式會經(jīng)常遇到“喚不醒”或“聽不懂人話”的場景。所以老年人在使用智慧養(yǎng)老產(chǎn)品時面臨著一定的困境。

3.1 語音識別的準(zhǔn)確性不高

海南省各地方言與普通話的發(fā)音存在很大的差別，部分老人雖然可以使用普通話進(jìn)行簡單的對話，但語音，帶著較重的方言口音，例如，將地方方言中的變音、重音和語調(diào)等都在普通話的表達(dá)中展現(xiàn)出來，這些語音特征對語音識別系統(tǒng)造成困擾，從而影響智慧養(yǎng)老產(chǎn)品在語音識別時的準(zhǔn)確率。并且老年人這一群體也存在著聽力下降、言語模糊的特點，這些都會降低語音交互的準(zhǔn)確性與流暢性。

這一困境的解決途徑可通過收集用戶的語音數(shù)據(jù)、糾錯信息和語音系統(tǒng)的自我學(xué)習(xí)技術(shù)，積累和更新更多的語音數(shù)據(jù)集，包括各種口音、方言和語速等變化。針對老年人口齒不清等特點，加強濾除環(huán)境噪聲對語音信號的干擾，并增強語音信號[8]，不斷優(yōu)化和更新語音識別系統(tǒng)，提高語音識別系統(tǒng)對各種語音特征的準(zhǔn)確識別能力。

3.2 數(shù)據(jù)收集與處理難度大

海南省各地方言有著多而雜的特點，且大多數(shù)無文字和發(fā)音記錄，需要進(jìn)行方言的轉(zhuǎn)寫和標(biāo)注工作，以便將方言語音轉(zhuǎn)化為可處理的文本數(shù)據(jù)。然而海南省各地方言在語音語料數(shù)據(jù)的收集和處理上都存在著較大的難度。

海南省各地方言在發(fā)音、詞語、語序和語法等方面都存在著差別，缺乏一定的標(biāo)準(zhǔn)化。這使得在語音數(shù)據(jù)標(biāo)注時，需要根據(jù)海南省各地方言制定相應(yīng)的標(biāo)注規(guī)則以確保數(shù)據(jù)的一致性和準(zhǔn)確度。這不但加大了前期的工作量，還給標(biāo)注工作帶來了較大的復(fù)雜度；在語音語料數(shù)據(jù)采集方面，由于海南省講各類方言的人口相對少且地理分布分散，并且有些講海南省地方方言的年輕人現(xiàn)已常用普通話，慢慢地淡化了方言的特點和屬性，一些地道的詞語反而無法口語表達(dá)出來，從而導(dǎo)致能夠收集到有效的語音語料數(shù)據(jù)的深度和廣度都不夠。這些都限制了海南省地方方言語音語料庫的完整性和語音模型的訓(xùn)練，無法完成語音引擎的優(yōu)化，降低語音識別的準(zhǔn)確率和可靠性。

針對該問題的解決思路是聘請當(dāng)?shù)氐胤椒窖缘难芯繉＜遥^程參與語音識別系統(tǒng)的設(shè)計與開發(fā)。積極開展海南省地方方言數(shù)據(jù)收集工作，盡可能收集更多語音數(shù)據(jù)，在標(biāo)注過程中利用方言研究專家的專業(yè)知識和經(jīng)驗，提供準(zhǔn)確的發(fā)音規(guī)則和語法語序的特點，確保數(shù)據(jù)的準(zhǔn)確性和一致性，改進(jìn)系統(tǒng)的性能。同時通過自適應(yīng)學(xué)習(xí)技術(shù)，讓方言識別系統(tǒng)能夠根據(jù)用戶的輸入和反饋，進(jìn)行調(diào)整和優(yōu)化，提高對方言習(xí)慣和發(fā)音差異的適應(yīng)能力。

3.3 對智慧產(chǎn)品的適應(yīng)能力低

老年人習(xí)慣了傳統(tǒng)的按鍵操作方式，對于語音交互的使用存在不適應(yīng)和抵觸情況。語音交互需要理解喚醒并理解用戶的指令再執(zhí)行相應(yīng)的功能。老年人缺乏對語音交互技術(shù)的理解和經(jīng)驗，再加上發(fā)音模糊或口齒不清，在語音技術(shù)和操作上有一定的困難。導(dǎo)致老年人需要多次重復(fù)發(fā)出指令才可以進(jìn)行簡單的交互，或多次嘗試后仍無法正確執(zhí)行，給老年人帶來挫敗感，從而出現(xiàn)抵觸的情緒。再者老年人聽力能力下降，語音交互是一種線性交流，只能單向獲取信息[9]，無按鈕點擊重復(fù)播放。當(dāng)語音設(shè)備的語速或環(huán)境的原因而導(dǎo)致老年人無法接收完整的信息，老年人只能重新發(fā)起語音指令，這增加了老年人的操作負(fù)擔(dān)而產(chǎn)生不適應(yīng)性。

這一問題的解決思路首先可通過為老年人提供簡潔、清晰、易于理解的語音關(guān)鍵詞，同時可以在產(chǎn)品界面上突出顯示這些關(guān)鍵詞，以便老年人記憶和發(fā)出正確的語音指令。然后再根據(jù)老年人的聽力特點和習(xí)慣，對語音交互產(chǎn)品的聲音進(jìn)行優(yōu)化，提供清晰、明亮的聲音，避免噪音和干擾，以幫助老年人更好地聽到和理解語音交互的內(nèi)容。最后可提供多種語音交互學(xué)習(xí)的方式，幫助老年人學(xué)習(xí)語音交互的技術(shù)。通過多種途徑提高老年人在語音交互操作上的獲得感和滿足感。

4 總結(jié)

隨著信息技術(shù)的不斷發(fā)展，生活設(shè)備及設(shè)施越來越智能化，針對老年人個性化需求的智慧產(chǎn)品也在不斷的更新與完善。目前，方言在智慧養(yǎng)老產(chǎn)品中出現(xiàn)的語音交互方式的困境是一個普遍性問題。而方言作為地域文化的一個重要組成部分，也是人們?nèi)粘＝涣髦凶钪匾恼Z言形式。

智慧養(yǎng)老產(chǎn)品為了拓展市場，提升用戶體驗感，滿足不同區(qū)域的用戶需求，能夠較好支持地域方言的語音交互也是企業(yè)面臨的一個課題。雖然要實現(xiàn)方言在語音交互中的廣泛應(yīng)用有一定的難度和挑戰(zhàn)性，但隨著語音識別和自然語音處理技術(shù)的不斷發(fā)展和創(chuàng)新，將為方言在語音交互中的應(yīng)用提供技術(shù)支持和基礎(chǔ)。同時，還需要政府、企業(yè)和各界共同努力，提供政策保障，以促進(jìn)方言文化的保護(hù)和智慧養(yǎng)老產(chǎn)業(yè)的融合發(fā)展。

引用

[1] 余旭文.基于深度學(xué)習(xí)的海南方言語音識別[D].海口:海南大學(xué),2020.

[2] 葉蕓,呂志勇.海南話研究的現(xiàn)狀與展望[J].湖北科技學(xué)院學(xué)報,2021,41(1):51-57.

[3] 張星,馬英.海南臨高話[J].中央民族學(xué)院學(xué)報,1983(1):44-66+85.

[4] 李佳飛,王勇.海南“臨高人”的族源及遷徙路徑[N].海南日報,2011-12-12(B10).

[5] 辛慧.海南軍話研究概況[J].寧夏大學(xué)學(xué)報(人文社會科學(xué)版),2018,40(3):28-31.

[6] 劉新中.海南島的語言與方言[J].方言,2001(1):45-52.

[7] 王斌,王育軍,崔建偉,等.智能語音交互技術(shù)進(jìn)展[J].人工智能,2020(5):14-28.

[8] 李婉玲.老人陪護(hù)機器人的語音交互技術(shù)研究[D].無錫:江南大學(xué),2018.

[9] 賈國忠.面向老年人的智能音箱語音交互設(shè)計研究[D].廣州:華南理工大學(xué),2018.