Dragon NaturallySpeaking 语音识别软件

是什么

Dragon NaturallySpeaking 是一款语音识别（speech recognition）软件包，由位于马萨诸塞州牛顿市（Newton, Massachusetts）的 Dragon Systems 公司开发 ^[1]。它的基本任务是把说话变成电脑里的文字，但功能不止于听写：软件可以转写口述内容、识别并执行语音命令，还可以把文档内容朗读出来 ^[1]。

由来

维基百科记载它的首次发布是在 1997 年 6 月 ^[1]。Dragon Systems 于 1997 年推出 NaturallySpeaking 1.0，这是该公司第一款连续听写（continuous dictation）产品 ^[1]；BBC 中文则把这款 1997 年的产品称为首个连续语音识别产品 ^[2]。

「连续」是这里的关键。它意味着软件能够跟着自然流淌的语流识别，而不要求说话人把每句话拆成一个个孤立的词、中间还要停顿。BBC 中文援引 Nuance 高级副总裁、Dragon 总经理 Peter Mahoney 的说法，称 Dragon 开创了连续语音识别，让实用的听写成为可能 ^[2]。

主要特点

用户口述时，软件已识别出的词会显示在一个浮动提示框（tooltip）里；等到说话人停顿，这些文字就被转写进当前的活动窗口 ^[1]。这样的设计让使用者能一边说一边看到识别结果，确认一句话完成后再落进文档。同一套程序还会捕捉语音命令，并能把文档文字朗读出来 ^[1]。

速度从一开始就是它的卖点：据 BBC 中文报道，Dragon NaturallySpeaking 可以每分钟识别 100 个词 ^[2]，这大致相当于日常说话的节奏，而不是早期听写工具所要求的那种一字一顿的念法。

版本与归属变迁

这条产品线几经易主。它先后经过 Lernout & Hauspie、ScanSoft 和 Nuance Communications，后来归入微软（Microsoft）^[1]。微软于 2021 年宣布收购 Nuance 的计划，并在 2022 年 3 月完成收购 ^[1]。维基百科把 2023 年 2 月 28 日发布的第 16 版列为稳定版本 ^[1]。

在语音识别发展中的位置

这款软件真正长期站住脚的场景是专业文书工作。BBC 中文提到，在其报道之时，美国和英国的医生仍在使用它来归档病历 ^[2]。听写恰好适合这类工作：医生口述检查结果比打字快，而专科词汇重复性强、可预期，识别起来相对稳定。

放到更长的时间尺度上看，Dragon NaturallySpeaking 是一个有用的坐标：一条从 1997 年的连续听写程序起步的产品线，在经历四次东家更替之后，到 2023 年仍在发布第 16 版 ^[1]。它也说明一项研究密集的技术通常怎样找到市场——不是作为人人尝鲜的新奇玩意，而是作为给「工作内容基本就是文字」的人使用的工具。