3C裝置講客聽得懂 產官學共建客語語音庫

當我們對手機或智慧裝置給予指令，裝置就會開始執行動作，您可曾想過，未來3C裝置可能也聽得懂客語指令，甚至可以跟使用者直接客語對話嗎?客委會從去年(110年)9月開始，和產學界共同展開建置客語語音庫，結合AI人工智慧技術，做為未來在語音合成，跟語音辨識的基礎。預計今年(111年)10月底，收錄四縣腔的語音資料，明年繼續收錄海陸腔的語音資料，112年8月底完成整合。這可是件大工程，接下來我們跟著採訪團隊，直擊客語語音庫錄音室錄製現場。

「那有5例的本土病例，那其中有2例是陰轉陽的個案。」

線上觀看疫情記者會直播，隨著台上人物說明，畫面下方立刻出現即時字幕，每句話經過AI辨識後，再經過後台人工校對，翻譯準確率隨之大幅提升。

記者 錢薇如：「至於客語，是否也能做到AI語音辨識，客委會從110年開始委託產學界，建置客語語音庫，結合語音合成及語音辨識技術，讓文轉語音、語音也能轉成文字，未來就有希望辨識出客語。」

「嘿，Siri，你可以說客語嗎?不清楚，還有其它需要幫忙的嗎?」

看來要跟Siri講客語，目前還行不通，要一聲令下，讓智慧語音助理成功辨識語音，其一條件是必須蒐集大量語料，充足語言數據。

「我媽看到就很生氣的說，鬼畫符一樣。」

直擊錄音室現場，這群人正在建置客語語料庫，無論是單字或詞句，錄音員一字不漏的唸，看似一來一往、一唸一錄簡單容易，但事實上要錄單純1小時的語音，往往得花上一整天。

記者 錢薇如：「會議地點在哪裡，會議地點在臺中市大里區，剛才錄的聲音，就是要用來做客家的語音辨識，預計要蒐集300小時，透過機器學習來完成語音辨識。」

臺北科技大學電子工程系教授 廖元甫：「先300小時先有的基礎，先讓它堪用，就然後再來就開始真正拿出來用，然後就開始蒐實際的data，然後再回來修正，這個就要輪迴好幾次了，慢慢就會變到跟我們現在CDC，華語可以達到的程度，大概就可以做到這樣子。」

放眼望去，錄音員面前有許多機器在汲取聲音，從最基本的麥克風、視訊鏡頭，再到各型號的手機，布下多種收音裝置，就是為了提高，分析各種聲音來源的辨識能力。

臺北科技大學電子工程系教授 廖元甫：「就是盡量可能涵蓋說，可能到時候，我們到時候做出來的語音辨認器，會碰到的情況這樣子。」

為了深度在地化，並因應客語有不同腔調，目前語音庫針對四縣、海陸腔，共邀請150人進行錄製，盡量廣泛蒐集。

客語監聽師 張淑玲：「有時候有些人會說『屋下人』，這個ha和ka，ka和ha，兩種發音又不太一樣，我們尊重這個發音，他是從哪來的。」

記錄大量語音後，後續還要經過國研院國網中心，打造的AI超級電腦進行運算，再透過訓練系統進行機器學習。

華碩雲端營運長 李立國：「將這些語料的蒐集，透過一個AI的演算法，然後快速的去做，語言的一個分析啦、合成，然後達到所謂的，我們稱為Speech AI，那透過一個很科技的方式，能夠把它保存下來。」

累積客語語音是ING進行式，公部門與產學界合作，結合科技力量衍生文化新局面，讓客語與時俱進。