【明報專訊】另一班「有口難言」的病人，是因腦部疾病、神經損傷而引致構音障礙症（dysarthria）。中大團隊透過AI、語音重建技術和擴展障礙語音數據庫，將患者含糊不清的語音重建成正常語音，並在去年贏得香港科技園「SciTech Challenge創業比賽」公開組冠軍，將逐步投入應用。
根據美國言語、語言及聽力學會（ASHA）解釋，構音障礙症是一種神經性語言障礙。成人患者常見徵狀包括說話時在強度、速度、音域、穩定、語調出現異常；在呼吸、發聲、共鳴、發音或說話韻律上欠準；面部、口部等構音肌肉功能不理想，或有肌肉痙攣、無力等情况出現。
語音識別技術（automatic speech recognition，簡稱ASR）及語音合成技術（text-to-speech，簡稱TTS），是團隊多年來不斷研究及發展的語音技術。香港中文大學禤永明系統工程與工程管理學教授、CPII言語及語言智能項目負責人及首席研究員蒙美玲解釋，ASR是指透過人工智能 ，容許機器接受語音輸入（speech input），從語音數據庫中學習人類語言，再將人們的語音變為文字；而TTS則是透過AI，容許機器將人們輸入的文字變成語音輸出。
要研究語音技術，就必須使用大數據。蒙美玲指，話語中存有很多變化性（variability）和不變性（invariance）。變化性包括不同說話者的各種語調、情感、口音、身體狀况等，都會改變話語發出的信號；不變性可以是說話時使用的字眼。各種變數的出現，令語音技術研究需用上大數據辨識話語內容。
花數年擴展廣東話數據庫
然而，現有語音數據庫存數據偏頗，因為數據一般來自從事IT行業、常用數碼化產品、說當地語言時口音較少的人，多數為成年人士；相反有口音、語言障礙患者、長者、小朋友等就沒有足夠的語音數據支撐ASR技術，使他們的語音難以被準確辨識。另外，現存公開的語音數據庫，部分語言缺乏數據，包括廣東話。
蒙美玲與她的跨學科研究團隊，透過語音重建技術（speech reconstruction）、ASR、TTS的研究，同時花上數年時間擴展廣東話的語音數據庫，協助構音障礙症患者與照顧者更好溝通。由2013年開始，團隊與香港中文大學醫學院及病友組織合作，邀請數十名不同年齡層的構音障礙症患者，錄製他們常用的廣東話用語，擴充障礙語音數據。錄製過程中，患者會讀出經研究團隊精心設計的廣東話句子，嘗試用最少的字句包含所有廣東話發音，收集研究所需的語音數據。
以ASR、TTS技術為基礎，以及團隊開發的語音重建技術，系統接收到患者含糊不清的語音後，利用AI演算法，將含糊不清的語音轉化成正常語音，最後以語音轉換技術轉換成貼近說話人的發音及語調。
團隊期望日後能把此技術製作成應用程式，讓更多有需要人士可於不同地方使用。惟蒙強調，「AI並不是萬能，因為世界各團隊多年的研究，才令AI有這個能力」。
