回顧“2006手機技術(shù)發(fā)展論壇”（新推出）： 移動多媒體技術(shù)聯(lián)盟副秘書長楊昆
摘 自： 新浪科技發(fā)布時間： 2006-8-21 0:00:00
博客 關(guān)閉此頁 [字體: 正常字體大字體超大字體]

　　移動多媒體技術(shù)聯(lián)盟副秘書長楊昆：

　　剛才就MIM發(fā)展情況做了一個詳細介紹，而且也給我們講述了一下目前兩種主要的移動即時通訊技術(shù)發(fā)展情況和她小組對兩個體系的看法以及研究計劃，應(yīng)該說即時通訊無論是移動網(wǎng)絡(luò)還是互聯(lián)網(wǎng)都是一種通訊方式，也是我們下一步研究方向之一。希望在座代表感興趣的，可以跟我們小組取得聯(lián)系。

　　這個階段之后我們有一個抽獎。

　　下面由我介紹一下我負責(zé)的研究小組的項目進展情況。目前移動通訊的發(fā)展是整個通訊領(lǐng)發(fā)展最快的領(lǐng)域，由于3G新一代技術(shù)的部署，改善了我們移動通訊網(wǎng)絡(luò)具有的通訊能力，這為我們的業(yè)務(wù)創(chuàng)新奠定了非常好的基礎(chǔ)，用戶多媒體的需求更加強烈。與這種應(yīng)用需求配套的是移動終端也在升級改進，包括計算能力、處理能力、操作的智能化以及對娛樂的支持。移動要滿足這方面的需求，尤其是多媒體的需求，必須實現(xiàn)對各種媒體形式的支持，包括語音圖象數(shù)據(jù)。

　　目前移動通訊終端中，實現(xiàn)多媒體內(nèi)容的支持，大部分采用計算機處理的多媒體處理技術(shù)，但是這種采用并不是完全照搬計算機以及互聯(lián)網(wǎng)上的多媒體技術(shù)，而是考慮到移動終端的移動的環(huán)境。應(yīng)該說移動終端的多媒體技術(shù)已經(jīng)成為現(xiàn)在整個移動通訊新業(yè)務(wù)發(fā)展的新技術(shù)之一。

　　我們目前在日常生活中見到媒體形式是多方面的，包括文字、圖象、聲音等等。而這些文字、圖象、視頻、聲音需要在我們通訊系統(tǒng)中表述，不是用原來的形式表示，而是用數(shù)字的信息表示，將呈現(xiàn)給大家。視覺、聽覺上的形式表述出來。

　　數(shù)字媒體可以進一步劃分，劃分為自然媒體和媒體，舉一個簡單例子，現(xiàn)在大家見到的FLASH和語音是合成媒體。合成媒體是一種新的形式，尤其在目前多媒體領(lǐng)域內(nèi)，由于大量的虛擬服務(wù)的出現(xiàn)，自然媒體不能滿足這一種需要。合成媒體非常重要，目前在國際上來講，合成媒體應(yīng)用成熟的是語音合成技術(shù)，在文本方面也有一些進展。國內(nèi)目前在漢字技術(shù)顯行技術(shù)和漢字字庫方面有比較好的研究技術(shù)。

　　這張圖形象化的描述了兩種媒體主要形式的差異性，一種叫自然媒體，是我們真正生活中的自然界中真實的媒體，把它轉(zhuǎn)化成電信號。

　　還有一種是合成媒體，比如我們現(xiàn)在看到越來越多的動畫，合成語音，合成音樂等等。移動通信中的數(shù)字媒體可以用這張圖描述一下，根據(jù)業(yè)務(wù)實現(xiàn)的策略要求，提出媒體使用需求，對媒體不同的形式進行準(zhǔn)備。大家真正看到到的單一的文字、單一的語音在我們?nèi)粘Ｊ褂弥袝�越來越少，�?fù)合型的媒體會越來越多，所以必須集成，集成之后到達每一個消費者。這里面有三個主要的研究方向，一個是聲音合成，一個是矢量漢字，一個是移動矢量圖形技術(shù)。我簡單先說一下語音的合成。數(shù)字化處理之后語音可以分成兩個類型，對自然界聲音的取樣，以及計算機合成的聲音，而計算機合成的聲音可以進一步細化。我們目前研究比較多的是合成語音。語音識別和語音合成這一個名詞對大家來說并不陌生，而且在國內(nèi)，在清華大學(xué)和中科大也有很好的解決方案。其中語音合成技術(shù)里面有很多內(nèi)容就屬于媒體合成技術(shù)的范疇。語音合成技術(shù)從技術(shù)發(fā)展階段來說可以分成三個層次：直接合成語音，從一個概念來合成語音，而對用戶的意念的理解合成語音，第三種是非常智能化的，目前處在一個比較初級階段，第一個階段，解決的問題就是將文字直接轉(zhuǎn)化為語音。

　　這一張圖給出了TTS示意圖，首先要將文本進行分析和理解，然后分兩個步驟來做，一個步驟是根據(jù)發(fā)音規(guī)矩和語音資源庫對基本語速進行翻譯，還有對整個文本的理解，對整個組句、組段的韻律進行控制，最終合成日常用戶可以理解的語音。

　　語音合成技術(shù)，因為不受自然環(huán)境的限制，使用有很多靈活性，在未來通信發(fā)展中，具有越來越大的優(yōu)勢，比如是信息播報，彩鈴等等，我們已經(jīng)能夠看到。語音合成和語音識別之后，進一步開發(fā)出真正智能化，這也是我們一直試圖解決的關(guān)鍵部分。除了服務(wù)廣大普通用戶之外，還可以為使用群體提供服務(wù)，已經(jīng)有單位在這一方面進行嘗試了。面向手機聲音合成語音，會越來越廣泛。國內(nèi)基于信息產(chǎn)業(yè)部成立了中文語音技術(shù)標(biāo)準(zhǔn)工作組，已經(jīng)進行了相關(guān)的工作。

　　第二個方面，我介紹一下對文本信息處理技術(shù)。計算機處理的文本，實際上每一個人都在使用，比如說WORD、EXCEL，他要基于一個特定字符集，每一個字符處理中都會組織起來，有一個上下關(guān)系的字符流，讓它變成機器可以識別的。

　　漢字是記錄我們國家語言的一種文字，它跟英文不同。所以漢字在各種信息終端上，尤其是在流媒體終端上，對漢字處理遠遠比文字處理復(fù)雜。它有幾個特點：

　　首先是數(shù)量大，現(xiàn)在我們有7萬多數(shù)字，還有使用形式復(fù)雜�，F(xiàn)在在計算機選一下漢字的字種有很多種。而且字形復(fù)雜，同音字多，這是很多語言沒有的特點。我們國家對漢字編碼頒布過國際標(biāo)準(zhǔn)，這是存儲的時候一種表述方面的規(guī)范，還沒有涉及到漢字其他方面的處理的標(biāo)準(zhǔn)。應(yīng)該來說，完整一個漢字計算機處理包括輸入、存儲和顯示三個階段。漢字輸入技術(shù)目前以鍵盤輸入為主，也包括一些手寫技術(shù)。絕大部分是各大單位的私有的技術(shù)。而且對移動用戶終端來說，更為重要的是輸入方式，也是顯示，因為輸入僅僅是對字形拆解的理解，不需要更多的用移動咨詢。而顯示要通過手機中內(nèi)存漢字字庫來最終形成漢字。它是直接提高手機里面大量資源�，F(xiàn)在常用漢字設(shè)計方式有兩種，一種是點陣，一種是輪廓描述�，F(xiàn)在的手機屏幕越來越大，對文字的要求越來越高�，F(xiàn)在越來越像矢量漢字在轉(zhuǎn)移。包括國內(nèi)的一些公司都是用自己的產(chǎn)品。應(yīng)該來說，漢字字庫有幾個基本要求，和普通的計算機有所不同，一個是對現(xiàn)實性能有所要求，最關(guān)鍵是要存儲空間小。

　　這是目前已經(jīng)頒布的一些漢字標(biāo)準(zhǔn)。

　　第三個部分，就是用矢量圖形技術(shù)。數(shù)字圖形可以根據(jù)來源分成這樣幾類。這一張是計算機合成的，如果會做處理的話，會相當(dāng)?shù)钠�亮的�?br />
　　計算機動畫制作過程是比較的負復(fù)雜，大家也知道這一個事情，大家從2G到3D圖畫，就是屬于合成技術(shù)。手機上用得比較多的是SVGD技術(shù)。現(xiàn)在用與多媒體短信的服務(wù)，包括2G和2.5G。它通常和通常的SVG技術(shù)相比，優(yōu)勢很大，而且呢，可以用到很多應(yīng)用上，包括卡通、FLASH上等等。目前我們研究組定義為研究方向并不是簡單的處理研究的報告，也不是當(dāng)成一種新的技術(shù)，而是對新的技術(shù)進行研究，分析、評價技術(shù)各種情況，形成相應(yīng)技術(shù)產(chǎn)權(quán)共享。這是我們最終的目標(biāo)。也就是說我們來推動國內(nèi)產(chǎn)業(yè)發(fā)展，而不是說我本身拿出來一個和大家不一樣的技術(shù)來。第一階段重點是放在高階技術(shù)方面。這是我們大概時間表。非常感謝大家！