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

　　移動(dòng)多媒體技術(shù)聯(lián)盟副秘書(shū)長(zhǎng)楊昆：

　　剛才就MIM發(fā)展情況做了一個(gè)詳細(xì)介紹，而且也給我們講述了一下目前兩種主要的移動(dòng)即時(shí)通訊技術(shù)發(fā)展情況和她小組對(duì)兩個(gè)體系的看法以及研究計(jì)劃，應(yīng)該說(shuō)即時(shí)通訊無(wú)論是移動(dòng)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(gè)階段之后我們有一個(gè)抽獎(jiǎng)。

　　下面由我介紹一下我負(fù)責(zé)的研究小組的項(xiàng)目進(jìn)展情況。目前移動(dòng)通訊的發(fā)展是整個(gè)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(dòng)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(qiáng)烈。與這種應(yīng)用需求配套的是移動(dòng)終端也在升級(jí)改進(jìn)，包括計(jì)算能力、處理能力、操作的智能化以及對(duì)娛樂(lè)的支持。移動(dòng)要滿足這方面的需求，尤其是多媒體的需求，必須實(shí)現(xiàn)對(duì)各種媒體形式的支持，包括語(yǔ)音圖象數(shù)據(jù)。

　　目前移動(dòng)通訊終端中，實(shí)現(xiàn)多媒體內(nèi)容的支持，大部分采用計(jì)算機(jī)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(jì)算機(jī)以及互聯(lián)網(wǎng)上的多媒體技術(shù)，而是考慮到移動(dòng)終端的移動(dòng)的環(huán)境。應(yīng)該說(shuō)移動(dòng)終端的多媒體技術(shù)已經(jīng)成為現(xiàn)在整個(gè)移動(dòng)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(jiàn)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(lái)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(jué)、聽(tīng)覺(jué)上的形式表述出來(lái)。

　　數(shù)字媒體可以進(jìn)一步劃分，劃分為自然媒體和媒體，舉一個(gè)簡(jiǎn)單例子，現(xiàn)在大家見(jiàn)到的FLASH和語(yǔ)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(guó)際上來(lái)講，合成媒體應(yīng)用成熟的是語(yǔ)音合成技術(shù)，在文本方面也有一些進(jìn)展。國(guó)內(nèi)目前在漢字技術(shù)顯行技術(shù)和漢字字庫(kù)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(shí)的媒體，把它轉(zhuǎn)化成電信號(hào)。

　　還有一種是合成媒體，比如我們現(xiàn)在看到越來(lái)越多的動(dòng)畫(huà)，合成語(yǔ)音，合成音樂(lè)等等。移動(dòng)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(shí)現(xiàn)的策略要求，提出媒體使用需求，對(duì)媒體不同的形式進(jìn)行準(zhǔn)備。大家真正看到到的單一的文字、單一的語(yǔ)音在我們?nèi)粘Ｊ褂弥袝?huì)越來(lái)越少，復(fù)合型的媒體會(huì)越來(lái)越多，所以必須集成，集成之后到達(dá)每一個(gè)消費(fèi)者。這里面有三個(gè)主要的研究方向，一個(gè)是聲音合成，一個(gè)是矢量漢字，一個(gè)是移動(dòng)矢量圖形技術(shù)。我簡(jiǎn)單先說(shuō)一下語(yǔ)音的合成。數(shù)字化處理之后語(yǔ)音可以分成兩個(gè)類型，對(duì)自然界聲音的取樣，以及計(jì)算機(jī)合成的聲音，而計(jì)算機(jī)合成的聲音可以進(jìn)一步細(xì)化。我們目前研究比較多的是合成語(yǔ)音。語(yǔ)音識(shí)別和語(yǔ)音合成這一個(gè)名詞對(duì)大家來(lái)說(shuō)并不陌生，而且在國(guó)內(nèi)，在清華大學(xué)和中科大也有很好的解決方案。其中語(yǔ)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(yǔ)音合成技術(shù)從技術(shù)發(fā)展階段來(lái)說(shuō)可以分成三個(gè)層次：直接合成語(yǔ)音，從一個(gè)概念來(lái)合成語(yǔ)音，而對(duì)用戶的意念的理解合成語(yǔ)音，第三種是非常智能化的，目前處在一個(gè)比較初級(jí)階段，第一個(gè)階段，解決的問(wèn)題就是將文字直接轉(zhuǎn)化為語(yǔ)音。

　　這一張圖給出了TTS示意圖，首先要將文本進(jìn)行分析和理解，然后分兩個(gè)步驟來(lái)做，一個(gè)步驟是根據(jù)發(fā)音規(guī)矩和語(yǔ)音資源庫(kù)對(duì)基本語(yǔ)速進(jìn)行翻譯，還有對(duì)整個(gè)文本的理解，對(duì)整個(gè)組句、組段的韻律進(jìn)行控制，最終合成日常用戶可以理解的語(yǔ)音。

　　語(yǔ)音合成技術(shù)，因?yàn)椴皇茏匀画h(huán)境的限制，使用有很多靈活性，在未來(lái)通信發(fā)展中，具有越來(lái)越大的優(yōu)勢(shì)，比如是信息播報(bào)，彩鈴等等，我們已經(jīng)能夠看到。語(yǔ)音合成和語(yǔ)音識(shí)別之后，進(jìn)一步開(kāi)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(jìn)行嘗試了。面向手機(jī)聲音合成語(yǔ)音，會(huì)越來(lái)越廣泛。國(guó)內(nèi)基于信息產(chǎn)業(yè)部成立了中文語(yǔ)音技術(shù)標(biāo)準(zhǔn)工作組，已經(jīng)進(jìn)行了相關(guān)的工作。

　　第二個(gè)方面，我介紹一下對(duì)文本信息處理技術(shù)。計(jì)算機(jī)處理的文本，實(shí)際上每一個(gè)人都在使用，比如說(shuō)WORD、EXCEL，他要基于一個(gè)特定字符集，每一個(gè)字符處理中都會(huì)組織起來(lái)，有一個(gè)上下關(guān)系的字符流，讓它變成機(jī)器可以識(shí)別的。

　　漢字是記錄我們國(guó)家語(yǔ)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(duì)漢字處理遠(yuǎn)遠(yuǎn)比文字處理復(fù)雜。它有幾個(gè)特點(diǎn)：

　　首先是數(shù)量大，現(xiàn)在我們有7萬(wàn)多數(shù)字，還有使用形式復(fù)雜。現(xiàn)在在計(jì)算機(jī)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(yǔ)言沒(méi)有的特點(diǎn)。我們國(guó)家對(duì)漢字編碼頒布過(guò)國(guó)際標(biāo)準(zhǔn)，這是存儲(chǔ)的時(shí)候一種表述方面的規(guī)范，還沒(méi)有涉及到漢字其他方面的處理的標(biāo)準(zhǔn)。應(yīng)該來(lái)說(shuō)，完整一個(gè)漢字計(jì)算機(jī)處理包括輸入、存儲(chǔ)和顯示三個(gè)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(xiě)技術(shù)。絕大部分是各大單位的私有的技術(shù)。而且對(duì)移動(dòng)用戶終端來(lái)說(shuō)，更為重要的是輸入方式，也是顯示，因?yàn)檩斎雰H僅是對(duì)字形拆解的理解，不需要更多的用移動(dòng)咨詢。而顯示要通過(guò)手機(jī)中內(nèi)存漢字字庫(kù)來(lái)最終形成漢字。它是直接提高手機(jī)里面大量資源�，F(xiàn)在常用漢字設(shè)計(jì)方式有兩種，一種是點(diǎn)陣，一種是輪廓描述�，F(xiàn)在的手機(jī)屏幕越來(lái)越大，對(duì)文字的要求越來(lái)越高�，F(xiàn)在越來(lái)越像矢量漢字在轉(zhuǎn)移。包括國(guó)內(nèi)的一些公司都是用自己的產(chǎn)品。應(yīng)該來(lái)說(shuō)，漢字字庫(kù)有幾個(gè)基本要求，和普通的計(jì)算機(jī)有所不同，一個(gè)是對(duì)現(xiàn)實(shí)性能有所要求，最關(guān)鍵是要存儲(chǔ)空間小。

　　這是目前已經(jīng)頒布的一些漢字標(biāo)準(zhǔn)。

　　第三個(gè)部分，就是用矢量圖形技術(shù)。數(shù)字圖形可以根據(jù)來(lái)源分成這樣幾類。這一張是計(jì)算機(jī)合成的，如果會(huì)做處理的話，會(huì)相當(dāng)?shù)钠�亮的�?br />
　　計(jì)算機(jī)動(dòng)畫(huà)制作過(guò)程是比較的負(fù)復(fù)雜，大家也知道這一個(gè)事情，大家從2G到3D圖畫(huà)，就是屬于合成技術(shù)。手機(jī)上用得比較多的是SVGD技術(shù)�，F(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(shì)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(jiǎn)單的處理研究的報(bào)告，也不是當(dāng)成一種新的技術(shù)，而是對(duì)新的技術(shù)進(jìn)行研究，分析、評(píng)價(jià)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(shuō)我們來(lái)推動(dòng)國(guó)內(nèi)產(chǎn)業(yè)發(fā)展，而不是說(shuō)我本身拿出來(lái)一個(gè)和大家不一樣的技術(shù)來(lái)。第一階段重點(diǎn)是放在高階技術(shù)方面。這是我們大概時(shí)間表。非常感謝大家！