Skip to content

Latest commit

 

History

History
 
 

make-a-program

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
 
 

如何构建一个识别英语的程序

现在我们不讨论你如何学英语,而是让你构建一个可以识别、交流英语的程序,你会如何设计?

简单的需求分析

以中文为例,当你听到一个女人对一个男人说:“你是一个男人吗?”时,你会收集到哪些信息?你需要哪些信息来明确这个女人想表达的确切意思?

首先是听力输入,你需要确保麦克风录入了音频,然后拿到的声波内容是 U*#@&!&&*。之后我们需要将声波内容输入到一大堆分析器中进行分析,并得到比较精准的意图。

第一个可能是性别分析器,通过一定的规则识别出这是一个男性的声音还是女性的声音。因为这句话是男的说出来还是女的说出来表达的意思是不一样的。

第二个就是内容识别器,先是加载粤语匹配引擎和粤语语料库发现声波无法匹配解析,那么换成普通话引擎和语料库。此时如果你的语料库里有 “你”、“是”、“一个”、“男人”、“吗” 这些声音素材,那么就可以匹配解析出这句话:“你是一个男人吗?”。换言之,如果你没有粤语语料库和解析引擎,即便是给你一段粤语录音你也听不懂。如果这句话有一个生僻单词你语料库里没有,那么也是无法识别出来。

之后还有更多识别器,比如年龄、情绪识别器、重音和疑问语气识别句等,这些因素共同决定了这句话究竟想要传达什么意思。如果是一个女性的激动的感叹语气“你是一个男人吗!”,那么可以推测出这个女的跟男的有一定的关系,这个男的做出了一些伤天害理的事情导致这个女性在质问。如果是一个轻声细语的疑问句“你是一个男人吗?”,可能是一名女性想确认对方的性别。当然更准确表达这个意图的句子应该是“你是男性吗?”或者“男的女的?”。

比较基础的方案设计

上面需求分析只是简单的介绍了 声音 -> 听力识别器 -> 意图 的过程,实际上语言交流是听说读写,其中包含两个识别器(听力识别器和视力识别器),一个核心理解器,两个表达器(口语表达器和书写表达器)。通过对应的实际场景,我们可以简单的梳理出对应需要的功能。

听力识别器

  • 听力能力
    • 说明:要求可以输入声音并转换成一种可分析的信号。
    • 训练:买个好麦克风,对应人类是保护好耳朵和听力。
  • 口音识别器
    • 说明:各类方言比如粤语,各种口音比如东北口音、广东口音、英式发音和美式发音。
  • 语言特性识别器
    • 说明:语言之间会有不同特性,比如中文没有略读,都是一个一个字念出来,而英文会为了说话省劲而略读或者连读,比如 “drink it” 并不是单个蹦的 “准克一特”,而是类似 “准kei特”。中文的 “喝它” 就是 “喝它”,不会有类似 “赫特” 之类的变化。
    • 训练:扩充特殊语言引擎的匹配规则,扩充语料库,当听到 “准kei特” 可以识别出是 “drink it”。
  • 音量调节和杂音处理器
    • 说明:可以通过算法过滤无用杂音,并将小音量调大使其清晰。人类天然进化出这种能力,无需特殊训练。
  • 语气、性别、身份、语速识别器
    • 说明:人类天然进化出这种能力,无需特殊训练。
  • 上下文缓存器
    • 说明:交流过程要有上下文内容缓存,结合输入理解器。

视力识别器

  • 视力能力
  • 图形识别器
    • 说明:不同字体、变形(英文大小写、中文繁简体等)都可以识别出来具体字符,同时需要识别标点符号等输入理解器。
    • 训练:识别能力、精准度和速度。比如一眼看出 messagemassage 是不一样的。
  • 上下文缓存器

理解器

理解器可以说是最重要的部分了,也是最难的部分

  • 语料库
    • 说明:字母、单词、发音、多重语境含义、历史文化背景、不同形态,同义词反义词相近词。
    • 训练:需要长期积累和扩充,需要大量训练。
  • 识别引擎
    • 说明:单词拼装起来的句型句式、语法、时态含义和规则、标点符号、单复数、惯用表达。
    • 训练:单点突破,专项训练,逐步体系化积累。
  • 思考和思维能力
    • 说明:针对意图结合之前的记忆以及经验得出自己想要表达的意图。
    • 训练:结构性表达,思维能力锻炼,思考和总结能力。这个与语言无关。
  • 上下文缓存器

口语表达器

当理解器思考运算并得到想要表达的意图之后,就需要开始表达传递出去。

  • 意图语料组装器
    • 说明:将意图结合语料中的单词、句型句式、惯用表达进行匹配组合,挑选出最符合你意图的语句。
  • 发音器
    • 说明:根据组装出来的内容,结合特殊的连读、略读等语言特性,转换成发声信号。对应人类的话是控制舌头、声带和呼吸系统的肌肉使其变成对应形状,让气流通过声带发出对应声音。

书写表达器

  • 意图语料组装器
  • 书写表达器
    • 说明:将语料组装结果以视觉的方式表达,对于人类是控制手部肌肉书写出对应形状。

从上面可以看出,口语听力相对于阅读写作更加困难,主要因为实时性的要求。你必须迅速反馈不经过思考,这要求你要无意识的去用英语表达,所以语言学习没有技巧,只有大量训练。