语音及语言信息处理国家工程实验室揭牌

语音技术要解决的问题

语音合成（speech synthesis）是把文字变成可听的语音，语音识别（speech recognition）是把说出来的话变成文字。两者方向相反，依赖的却是同一批东西：大量带转写的录音、在这些录音上训练出来的模型，以及能在人等待答案的这段时间里算出结果的硬件。自然语言处理（natural language processing）夹在中间，负责判断识别出来的字词是什么意思、要合成的那句话该怎么组织；智能人机语音交互（intelligent human-machine speech interaction）则是三者合起来的成品——人可以对着它说话，它也用语音回答。这类研究花钱多，而且必须拿到真实产品上去试，才知道在嘈杂环境里、面对不同口音时是否还管用。这正是「工程实验室」要填的空缺：它把大学的研究、企业的产品和行业的标准放到同一条链上。

揭牌

2011年9月27日，语音及语言信息处理国家工程实验室在中国科学技术大学揭牌，《科学时报》报道了这一消息^[1]。实验室由国家发展和改革委员会批准设立^[1]。报道称，它是中国智能语音领域唯一的国家级研究平台，也是合肥第一家国家工程实验室^[1]。

怎么组织

实验室将在中国科学技术大学建设11个核心研究室，覆盖语音合成、语音识别、自然语言处理和智能人机语音交互等方向^[1]。科大讯飞（iFlytek）则承建技术研发、设计开发、测试验证和重大应用示范等平台^[1]。实验室由中国科学技术大学与科大讯飞共同建设^[2]。按中国科学技术大学新闻网的说法，一期将攻关9项核心技术和4个工程方向，其中包括语音芯片和标准工作^[2]；实验室还将协助制定国家标准，并在国际标准上争取主导^[2]。

这种分工正是这套安排的关键。学校一侧提供研究实验室，用来研究底层方法；企业一侧提供场地，把方法做成产品，再测试、验证、成规模地示范。标准工作与两者并列，因为语音系统只有被别人家的系统接得上，才会成为真正的基础设施——接的人并不是造它的那批人。

两家单位当时的位置

据《科学时报》报道，揭牌之时，中国科学技术大学与科大讯飞已经拿回中文主流语音市场80%的份额^[1]；两家机构还连续六年在Blizzard Challenge英文语音合成比赛中获得第一名^[1]。一个数字说的是国内市场上的位置，另一个说的是英文国际评测中的成绩。实验室要做的是把这两样东西变成可以持续产出的能力，而不是停在某些团队的成绩上。

为什么值得记下来

一个研究方向，往往要成熟到论文和演示已经不够用的地步，才会需要「工程」实验室：得有人把原型做成能测试、能验证、能量产的系统，也得有人去写标准，让不同厂商的系统能对接。这个实验室把学校的研究室和企业的测试、示范平台放进同一个框架^[1][2]，又从一期起就把标准工作写进任务里^[2]。报道称它是该领域唯一的国家级平台、也是合肥的第一家，这意味着中国的语音技术在此时有了自己的工程基础设施，而不只是一个课题组的项目^[1]。