“木蘭”媽媽

作者：初敏

“木蘭”是我加入微軟后帶領(lǐng)幾位年輕同事研發(fā)出來的雙語文語轉(zhuǎn)換系統(tǒng)（text-to-speech，簡稱TTS）。她不僅能將中文、英文文稿流暢的朗讀出來，還能很好的處理混雜著很多英文單詞、短語和句子的文稿。在研究院成立五周年的慶?；顒?dòng)中，木蘭名列‘十大’成果之一。我常常引以為豪。木蘭凝聚了我多年的心血，就像我的另一個(gè)孩子，在我的孕育、撫養(yǎng)下，從無到有，從小到大，逐步完善，改進(jìn)。最終成功的‘嫁’到微軟最新操作系統(tǒng)Vista中，并且由此孵化出微軟唯一的一個(gè)TTS產(chǎn)品部門。以前，一個(gè)在總部產(chǎn)品部門的同事Scott Meredith，也是TTS的專家，在向別人介紹我的時(shí)候，總忘不了說一句“She is the mother of Mulan TTS system”。我總是欣然接受“木蘭媽媽”這個(gè)稱呼。

“木蘭”是這樣誕生的

我是2000年初加入研究院的，是研究院的第一位女性研究員，也是研究院第一個(gè)從事TTS研究的人。我?guī)ьI(lǐng)的這個(gè)TTS小組在很長時(shí)間都是微軟內(nèi)部唯一的一個(gè)從事語音合成技術(shù)研發(fā)工作的團(tuán)隊(duì)。憑借著在中文語言文化上的優(yōu)勢，我們差不多花了一年左右時(shí)間專門從事中文語音合成的研究，做出了一個(gè)合成效果非常好的原型系統(tǒng)。之后的一、兩年，我們把研究重點(diǎn)轉(zhuǎn)移到了英語語音合成上面，也取得了相當(dāng)好的效果。

接下來我們選擇的方向就是解決中英文混讀的問題。隨著互聯(lián)網(wǎng)的發(fā)展，中西方文化的交融，越來越多的中文文章中會(huì)雜糅有英文內(nèi)容，可能是某產(chǎn)品的品牌型號(hào)，也可能是一首著名歌曲。遇到這樣的文章，傳統(tǒng)文語轉(zhuǎn)換系統(tǒng)就撓頭了。最典型的解決方案就是在后臺(tái)架起兩個(gè)系統(tǒng)，一個(gè)專門處理中文，一個(gè)專門處理英文。遇到中英文混雜的句子，就將中文部分分割出來送給中文系統(tǒng)，英文部分則送給英文系統(tǒng)，然后將兩者的輸出合并起來返回給用戶。這樣做的最大缺陷在于分開處理的兩種語言缺乏統(tǒng)一的語調(diào)、語氣，甚至連聲音本身都差別很大。這樣的結(jié)果聽上去時(shí)斷時(shí)續(xù)，極為不連貫?？啥龋苈牰┖妥匀欢龋犉饋硎娣┒急容^差。我們當(dāng)時(shí)花了很多精力去物色一個(gè)中英文都比較強(qiáng)的播音員，為我們的語音系統(tǒng)錄音，這樣就可以保證語音數(shù)據(jù)庫中的雙語聲音是一致的。另外我們還將中英文的處理能力融合在一個(gè)系統(tǒng)中，有統(tǒng)一的韻律控制，這樣生成的語句即便包含兩種語言，也能有統(tǒng)一的語調(diào)和節(jié)律，就像一個(gè)能講雙語的人講出來的話。這個(gè)雙語語音合成系統(tǒng)在可懂度與自然度上都取得了較好的效果。我們將這個(gè)系統(tǒng)命名為木蘭。木蘭就是這樣誕生的。

(TTS系統(tǒng)中的木蘭形象)

之后的一段時(shí)間里，我們致力于不斷提高木蘭的聲音質(zhì)量，并從應(yīng)用角度探索如何將語音合成技術(shù)方便人們的日常生活， 例如語音聊天室（一方輸入文字，另一方聽到聲音）、動(dòng)畫配音（為孩子DIY動(dòng)畫故事）、個(gè)性化聲音加工等等。在我們完成了一個(gè)又一個(gè)有趣的研究項(xiàng)目的過程中，木蘭長大了，成熟了。

木蘭“嫁”入Vista

在2003年之際，微軟公司在著力開發(fā)新一代操作系統(tǒng)Vista，當(dāng)時(shí)總部產(chǎn)品部門基本準(zhǔn)備購買其他公司的一套現(xiàn)成的語音合成軟件。在他們對(duì)木蘭有所了解后，最終決定采用我們的技術(shù)成果。這對(duì)TTS研究團(tuán)隊(duì)無疑是一件歡欣鼓舞的事情，因?yàn)槟馨炎约旱难芯砍晒D(zhuǎn)化到服務(wù)于用戶的產(chǎn)品中是我們的夢想?？墒牵虑檫\(yùn)作起來遠(yuǎn)沒有想象的那么簡單。所有的開發(fā)和單元測試工作都必須在北京做。而我們這個(gè)以研究為主的團(tuán)隊(duì)，寫程序不是我們最擅長的能力，而且勢必占用我們很多做研究的時(shí)間。但是，為了一個(gè)共同的目標(biāo)——把自己的研究成果做進(jìn)微軟產(chǎn)品，我們團(tuán)隊(duì)的每一個(gè)人都非常投入地做這個(gè)項(xiàng)目。

剛開始，我們只有5個(gè)人，三個(gè)來自TTS組，兩個(gè)來自技術(shù)轉(zhuǎn)化組。大家分擔(dān)著產(chǎn)品開發(fā)環(huán)節(jié)中的各個(gè)角色，PM、SDE、SEET ，每天都超負(fù)荷運(yùn)轉(zhuǎn)著。正巧，項(xiàng)目啟動(dòng)后不久，微軟亞洲工程院宣布成立，它成立的使命是把研究院的最新技術(shù)孵化進(jìn)產(chǎn)品中去，TTS項(xiàng)目也就成了工程院的第一批項(xiàng)目之一。

我們從總部爭取到了更多的人員指標(biāo)，TTS開發(fā)組逐漸擴(kuò)大了，有了專職PM、Developer和Tester。當(dāng)然，任務(wù)也更多了，不光要把TTS做進(jìn)操作系統(tǒng)，還要做到所有需要TTS技術(shù)的產(chǎn)品中去。不光要做中文、英文，還要做西班牙語、日語、法語等二十多種語言。大概在2004年8月份左右，在工程院中，我們已經(jīng)孵化出一支完整的TTS開發(fā)團(tuán)隊(duì)，而我們幾個(gè)仍想致力于研究工作的人逐漸抽身，開始考慮下一步的研究方向。而那時(shí)候，為Vista做的工作已經(jīng)完成了80%以上。

當(dāng)我的木蘭最終“嫁”了出去后，有段時(shí)間我產(chǎn)生了一種空落感，茫然若失。TTS作為一個(gè)產(chǎn)品化了的技術(shù)算是大功告成了，那么接下來應(yīng)該怎么走，還能做些什么？在這些問題上我們的團(tuán)隊(duì)做了很多思考。在隨后的兩年中，我們主要在語音合成技術(shù)的應(yīng)用化、個(gè)性化層面進(jìn)行大膽的探索，通過把十余種較有代表性的地方方言運(yùn)用到語音的表達(dá)中，試圖使對(duì)話效果更富趣味性、擬人性和娛樂性。在這個(gè)創(chuàng)意的基礎(chǔ)上，我們做出了一些原型系統(tǒng)，效果還很不錯(cuò)。這些工作都是木蘭的延伸。