劉 洋

【內(nèi)容提要】智能語(yǔ)音技術(shù)力圖真實(shí)模擬并還原人類的語(yǔ)音識(shí)別與語(yǔ)言表達(dá)，但是在溝通的過(guò)程中，卻很難真正地實(shí)現(xiàn)心靈相抵，受眾無(wú)法獲得理想的審美體驗(yàn)的滿足。我們生而為人，不會(huì)被智能機(jī)器所取代的核心本領(lǐng)，就是可以通過(guò)獨(dú)有的發(fā)音器官和多元化的表達(dá)方式，賦予人際溝通以“情感感受”的觀照。個(gè)性化的、獨(dú)立化的有聲語(yǔ)言表達(dá)藝術(shù)與飛速發(fā)展的智能語(yǔ)言技術(shù)可以各取所長(zhǎng)，互補(bǔ)其短。

一、智能語(yǔ)音技術(shù)的蓬勃興起與其存在的審美缺憾

在信息時(shí)代，每一輪社會(huì)革新所需的時(shí)間正被日益鼎新的技術(shù)極大地縮減。如今，全世界又迎來(lái)了一個(gè)嶄新的人工智能時(shí)代，人類的價(jià)值又將重新被定義，人類的工作也將面對(duì)智能機(jī)器人的挑戰(zhàn)。

人工智能技術(shù)一直致力于模擬、延伸和拓展人的智能，其不斷創(chuàng)新的種種努力，都是為了讓機(jī)器更加相似于人類，具備人類的各項(xiàng)能力，甚至在具體領(lǐng)域更加優(yōu)秀于人類。其中，不斷突破技術(shù)難點(diǎn)的智能語(yǔ)音系統(tǒng)，正竭力地模擬人類的語(yǔ)音識(shí)別與有聲語(yǔ)言表達(dá)，機(jī)器逐步掌握了聽(tīng)音辨意、對(duì)答如流的能力，這在不斷接近、漸趨近似人類行為的科學(xué)進(jìn)程中，則顯得最為真實(shí)，而又令人生畏。作為人工智能應(yīng)用中較為成熟的技術(shù)，智能語(yǔ)音技術(shù)包括語(yǔ)音識(shí)別技術(shù)（ASR）、語(yǔ)音合成技術(shù)（TTS）等，是實(shí)現(xiàn)人機(jī)互通的嶄新領(lǐng)域。它從發(fā)展到成熟，不過(guò)用了短短60多年的時(shí)間，目前已被廣泛應(yīng)用于智能車載、智能電器、智能穿戴、智能管家、虛擬助理等諸多領(lǐng)域。

2016年美國(guó)CBS電視節(jié)目主持人查理·羅斯（Charlie Rose）在一檔人工智能節(jié)目中采訪了名為“索菲婭（Sophia）”的高智能機(jī)器人，作為語(yǔ)音識(shí)別技術(shù)的經(jīng)典作品，索菲婭伶牙俐齒、侃侃而談的從容狀態(tài)，令大眾為之一驚。2017年，Sophia又加入了《早安英國(guó)》的節(jié)目組，在“她”的發(fā)明人David Hanson博士的陪同下，成為了“新晉主播”。同年10月，沙特阿拉伯授予Sophia公民身份，作為歷史上首個(gè)獲得公民身份的機(jī)器人，Sophia表示：“If you are nice to me and I will be nice to you”（人不犯我，我不犯人）。

值得一提的是，近來(lái)，我國(guó)自主研發(fā)的智能機(jī)器人“小聰”也成為了嘉賓主持，并站在了浙江衛(wèi)視《E眼看兩會(huì)》的節(jié)目現(xiàn)場(chǎng)，它用流暢的語(yǔ)言回答了不少主持人的提問(wèn)，同時(shí)運(yùn)用靈活的肢體動(dòng)作進(jìn)行了交流互動(dòng)。

盡管在目前的智能語(yǔ)音服務(wù)系統(tǒng)中語(yǔ)音識(shí)別率可以高達(dá)96%，但在接近人類的“傾聽(tīng)”與“表達(dá)”的層面，卻很難在真正意義上實(shí)現(xiàn)與人類的交心溝通。程序員努力讓程序“假裝”聽(tīng)得懂人類的語(yǔ)言，工程師努力讓機(jī)器做出近似人聲的仿真表達(dá)，仿佛實(shí)現(xiàn)了人機(jī)交互，人們或許會(huì)在聽(tīng)筒前、屏幕外驚嘆于如此逼真的科技水平，然而可悲的是，話筒中、屏幕內(nèi)以二進(jìn)制數(shù)字（0和1）構(gòu)成的機(jī)器語(yǔ)言卻表現(xiàn)得呆板生硬、毫無(wú)感情，在受眾的感覺(jué)中是陌生的、隔閡的、冷漠的，容易使人產(chǎn)生排斥心理?？梢?jiàn)，由編寫代碼所賦予的程序，并不能帶給受眾理想的聽(tīng)覺(jué)體驗(yàn)。語(yǔ)音識(shí)別系統(tǒng)可以追隨技術(shù)不斷翻新，但是智能語(yǔ)音表達(dá)系統(tǒng)卻發(fā)展緩慢，目前也僅僅停留在對(duì)于智能化語(yǔ)音的模擬階段，而這又是為什么呢？

人類發(fā)展史上的每一次發(fā)明創(chuàng)造，都是在為“人”這個(gè)對(duì)象而服務(wù)，智能的機(jī)器可以生產(chǎn)出優(yōu)質(zhì)的產(chǎn)品，但是卻生產(chǎn)不出本真的情感；智能的機(jī)器可以簡(jiǎn)化繁冗的工序，但是卻不能簡(jiǎn)化內(nèi)在的語(yǔ)境；智能的機(jī)器可以豐富娛樂(lè)方式，但是卻無(wú)法豐富心靈深處；智能的機(jī)器可以日夜不停地傾聽(tīng)客戶的愁緒，但是卻無(wú)法一語(yǔ)中的地開(kāi)解人性的煩憂。聲波的傳播本質(zhì)是一種能量在介質(zhì)中的傳遞，可是人類在信息互通的過(guò)程中所融入的卻是微妙的情感感受。人耳所接收到的不應(yīng)單單只是字音信息，更應(yīng)蘊(yùn)含著豐富的內(nèi)心感受，如是，人類才能借此體悟到思想、意志、情愫和美感。人工智能技術(shù)基于一種數(shù)學(xué)層面的算法，而數(shù)學(xué)卻是最為講求邏輯的學(xué)科，可是，并不是所有的東西都需要借助數(shù)學(xué)的運(yùn)算，諸如：想象力，就是站在邏輯的反面。想象力的激發(fā)與創(chuàng)造，并不需要人工智能技術(shù)，而反倒是聽(tīng)覺(jué)系統(tǒng)更加能夠激發(fā)和培養(yǎng)人類的想象力。從一定意義上來(lái)說(shuō)，通過(guò)耳朵接收到的信息所產(chǎn)生的情感效能與創(chuàng)造的思維價(jià)值是優(yōu)于其他感官的，故此，對(duì)于聽(tīng)覺(jué)體驗(yàn)的滿足更顯得尤為重要。

語(yǔ)音助手的智能人工化，使得人們更愿意以同“人”一樣的方式與其互動(dòng)交流。但是工程師無(wú)法賦予程序以“情感感受的觀照”，這是智能語(yǔ)音技術(shù)中所最為缺失的審美元素。依托了大數(shù)據(jù)分析的語(yǔ)音助手“忠實(shí)”地將與用戶溝通的“經(jīng)驗(yàn)”記錄在案并提供貼合需求、偏好、習(xí)慣的服務(wù)，但這畢竟只是一種機(jī)械化迎合、標(biāo)注化作業(yè)，只是人工智能為自己積累的數(shù)據(jù)，只是它用來(lái)豐富算法的案例。與之不同的是，有聲語(yǔ)言表達(dá)藝術(shù)的創(chuàng)作主體卻是在以個(gè)性化的獨(dú)立思考和飽滿充沛的情感感受，與客體進(jìn)行著心貼心的交流，其所通往的精神世界也更為瑰麗而廣闊。

二、人聲語(yǔ)言蘊(yùn)含的審美因素與智能語(yǔ)音的受眾親和性問(wèn)題

智能化的設(shè)備可以在最大程度上輔助并促進(jìn)人類社會(huì)的發(fā)展，但是，我們終究不會(huì)被機(jī)器所取代的核心競(jìng)爭(zhēng)力，也就是人類的終極本領(lǐng)——人可以通過(guò)情感化觀照完成與同類親密無(wú)間的、精神個(gè)性化的、互為歸屬的、無(wú)比依戀的和諧溝通！舒婷在《神女峰》中提及：“與其在懸崖上展覽千年，不如在愛(ài)人肩頭痛哭一晚”，由此足以看出，在人與人的溝通中，情感浸潤(rùn)的偉力。對(duì)于彼此情緒的感受、體悟、洞悉直接影響著情感化的表達(dá)，這成為人類所獨(dú)有的復(fù)雜微妙的無(wú)可匹敵的超凡能力！得益于與生俱來(lái)和后天培養(yǎng)的雙重作用，這種體察與表達(dá)的行為，發(fā)端于大腦、轉(zhuǎn)化于唇舌、接收于聽(tīng)感、作用于心理，使得“人”與“人”之間的溝通成為世間最為和諧、美妙、有效的信息傳受方式。

迄今為止，宇宙中已知的最為復(fù)雜的事物不是超人工智能（SuperAI)，而是人類的大腦，人們對(duì)于數(shù)十萬(wàn)光年之外的星體的了解都要遠(yuǎn)遠(yuǎn)多于對(duì)人類大腦皮層細(xì)胞的認(rèn)知，盡管腦科學(xué)、神經(jīng)學(xué)、心理學(xué)已經(jīng)相當(dāng)完備。正因具有數(shù)百億個(gè)神經(jīng)元的人腦的復(fù)雜性，使得科學(xué)家們嘗試通過(guò)逆向工程，以大腦的思考方式為研究切入點(diǎn)，進(jìn)而推動(dòng)機(jī)器智能的向前發(fā)展。人們依照大腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，一層一層地輸入數(shù)據(jù)，由簡(jiǎn)單至復(fù)雜，再輸出結(jié)果，在算法的不斷優(yōu)化之后，以“AlphaGo”為代表的新興技術(shù)獲得成功，神經(jīng)網(wǎng)絡(luò)與蒙特卡洛樹(shù)（MCTS）搜索算法得以有效結(jié)合。

但同時(shí)值得關(guān)注的是，亞馬遜基于AI技術(shù)推出了一款語(yǔ)音助手“Alexa”，而且要比iPhone里面的Siri更加智能，它可以幫客戶播放歌曲、播報(bào)新聞、購(gòu)買東西、控制智能家用設(shè)備，一經(jīng)推出，曾經(jīng)備受好評(píng)。然而近期，全世界的Alexa會(huì)突然毫無(wú)預(yù)警地在沒(méi)有任何指令的情況下，詭異地大笑起來(lái)，網(wǎng)絡(luò)上充斥著客戶們對(duì)于恐怖經(jīng)歷的描述。這種由人工智能操控著的詭異的機(jī)械音的笑聲，非但沒(méi)有帶給人們愉快的聽(tīng)覺(jué)享受，反而引發(fā)了更多對(duì)于機(jī)器人反噬人類的擔(dān)憂。

由此可見(jiàn)，再高級(jí)的智能語(yǔ)音系統(tǒng)，也僅僅是類人化的表達(dá)途徑，并無(wú)法帶給人們真正舒心的情感體驗(yàn)。而我們要從溝通中所獲得的審美享受，實(shí)則是得益于一種人腦復(fù)雜的、與智能機(jī)器不盡相同的學(xué)習(xí)模式，這種頗獨(dú)特的、無(wú)監(jiān)督的、非干預(yù)的學(xué)習(xí)模式是人類優(yōu)于人工智能的關(guān)鍵所在。我們?cè)诤⑻釙r(shí)代通過(guò)同類的引導(dǎo)和訓(xùn)練，利用后續(xù)的幾十年生命，在成長(zhǎng)的過(guò)程中以觀察、發(fā)現(xiàn)、體悟、融匯的多元方式，自發(fā)而主動(dòng)地將少量的經(jīng)驗(yàn)不斷累積增長(zhǎng)，將外部的“知識(shí)”轉(zhuǎn)化為自身的“智慧”，將對(duì)于傳播對(duì)象的情感觀照與自我的情感體驗(yàn)浸潤(rùn)合一后，有效凝結(jié)成有聲語(yǔ)言表達(dá)行為，完美實(shí)現(xiàn)信息從信源到信宿的傳播過(guò)程，將心比心地把傳受雙方的情感體驗(yàn)升華到最佳程度。

客戶服務(wù)的話務(wù)員、同聲傳譯的翻譯員、在線解答的咨詢員、旅游景點(diǎn)或博物館的講解員、遠(yuǎn)程維護(hù)的技術(shù)員等諸多職位的員工，正在備受智能語(yǔ)音系統(tǒng)的沖擊與挑戰(zhàn)，在目前的競(jìng)爭(zhēng)環(huán)境下，雖然處理事務(wù)、介紹情況、答疑解惑的效率提高了，但是很多核心性的問(wèn)題并沒(méi)有得到根本性解決。以話務(wù)工作中的某個(gè)流程為例：做好電話咨詢的服務(wù)重點(diǎn)在于切實(shí)搞懂接聽(tīng)客戶的實(shí)質(zhì)性需求，而因?yàn)樯婕暗叫畔㈦[私、資金安全、個(gè)性化偏好等問(wèn)題，使得部分客戶的陳述性話語(yǔ)中蘊(yùn)含了大量的內(nèi)在語(yǔ)境和弦外之音，這些都是目前的智能語(yǔ)音服務(wù)系統(tǒng)所無(wú)法獨(dú)立判斷、捕捉和識(shí)別出來(lái)的。在這種情況下，更需要的是有著個(gè)體經(jīng)歷、從業(yè)經(jīng)驗(yàn)的話務(wù)人員，及時(shí)地止停、留白、傾聽(tīng)，有效地提問(wèn)、引導(dǎo)、分析，進(jìn)而揣摩到客戶的核心性心理訴求，通過(guò)換位思考后與其保持同一立場(chǎng)（甚至是給足面子），采用經(jīng)過(guò)情感浸潤(rùn)的、帶有適時(shí)語(yǔ)氣的話術(shù)，最終將問(wèn)題亦或客怨徹底解決、消除。

正是基于人與人之間的共識(shí)性文化、共同的語(yǔ)境、相近的情感知覺(jué)，才使得人施于人的語(yǔ)言表達(dá)更為貼切而有溫度，對(duì)象的需求被摸準(zhǔn)、響應(yīng)被滿足、情感體驗(yàn)被關(guān)照，傳受雙方的信任感便大幅增強(qiáng)。這種良好的情感體驗(yàn)，將在我們內(nèi)心深處留下深深的烙印，進(jìn)而潛移默化地形成一種審美知覺(jué)模式，這種知覺(jué)模式會(huì)培養(yǎng)出人們對(duì)于在歲月的流淌中所搭建起來(lái)的和諧的溝通關(guān)系更為強(qiáng)烈的、主觀性的好感與依賴。

在充滿親和性的溝通過(guò)程中，主要是人腦中自然而然地產(chǎn)生的情感起著決定性的作用。各種價(jià)值特殊、屬性迥異的外部事物所帶來(lái)的刺激信息，分別通過(guò)不同的感覺(jué)器官、感知系統(tǒng)反映并作用于人腦當(dāng)中，使人形成了對(duì)于該事物獨(dú)特性、差異化的認(rèn)知，加之對(duì)前期記憶的追溯與經(jīng)驗(yàn)性匯總后，伴隨激發(fā)形成了一種特定的感受形式：即為情感。對(duì)應(yīng)著視覺(jué)、聽(tīng)覺(jué)、嗅覺(jué)、觸覺(jué)和味覺(jué)這五種感受，是在人類獨(dú)特的、無(wú)監(jiān)督、非干預(yù)的學(xué)習(xí)模式中起至關(guān)重要作用的五大類感覺(jué)器官，即眼睛、耳朵、鼻子、皮膚和舌頭。

常言道，傾訴是春天的播種，傾聽(tīng)是秋天的豐收。在人與人進(jìn)行信息交互的環(huán)節(jié)中，情感作用于內(nèi)心，唇舌表情達(dá)意，耳朵接收聲波，大腦處理信息。盡管我們的感知系統(tǒng)是一個(gè)有機(jī)融合的整體，但是在各種感官中，完整的聽(tīng)覺(jué)通路更顯獨(dú)立，人類通過(guò)耳朵不僅可以感知震動(dòng)、判斷屬性，而且還可以體察到心靈的距離。由于相對(duì)近似的生命體驗(yàn)、教育習(xí)得、存在環(huán)境、生活經(jīng)歷等因素的影響，使得同類間的觀照更顯深入，交流更加順暢，溝通效果更為理想。

盡管網(wǎng)絡(luò)覆蓋下的都市生活節(jié)奏急促，使得人們?cè)诓粩喾忾]自我的同時(shí)對(duì)于情感性表達(dá)產(chǎn)生極度的忽略與漠視，情感能力在現(xiàn)實(shí)中所起的作用一度被低估，但是作為真核生物域動(dòng)物界脊索動(dòng)物門哺乳綱靈長(zhǎng)目人科人屬智人種的人類，無(wú)論如何進(jìn)化都不會(huì)陷入一種情感冷漠的認(rèn)知結(jié)構(gòu)之中。對(duì)于處在困苦（甚或危險(xiǎn)）情境下的同類的憐愛(ài)、同情與關(guān)照，是每一個(gè)人與生俱來(lái)的本能。高度發(fā)達(dá)的神經(jīng)系統(tǒng)是在人體內(nèi)起主導(dǎo)作用的功能調(diào)節(jié)系統(tǒng)，其中的神經(jīng)元接受刺激、產(chǎn)生興奮、傳導(dǎo)興奮，各器官密切配合、相互聯(lián)動(dòng)，從而使完整統(tǒng)一的有機(jī)體完成“感受”與“抒發(fā)”的活動(dòng)。人類學(xué)與考古學(xué)已有的發(fā)現(xiàn)足以證明，具備充沛情感感受（emotional feelings）的超凡能力，是大腦皮層（人類神經(jīng)系統(tǒng)中調(diào)節(jié)控制的最高中樞）經(jīng)過(guò)了30萬(wàn)年進(jìn)化的結(jié)果。情感感受是價(jià)值特性在大腦中的主觀反映，而這一特殊能力，卻是智能機(jī)器乃至其它生物所無(wú)法具備的（諸如它們看見(jiàn)同類被殘害、屠殺時(shí)不會(huì)產(chǎn)生情感反應(yīng)）。誠(chéng)然，在時(shí)下的生活中，感恩、愧疚、純善、憐憫、悲愴、敬畏、扼腕、義憤等等復(fù)雜而強(qiáng)烈的情感波動(dòng)發(fā)生的概率在不斷降低，但細(xì)究原因之后不難發(fā)現(xiàn)，正是因?yàn)樾屡d技術(shù)推動(dòng)下的表達(dá)方式的數(shù)字化、網(wǎng)絡(luò)化和語(yǔ)言形式的圖片化、符號(hào)化，削弱了人們的情感感受能力，這就使得情感化的有聲語(yǔ)言表達(dá)成為了一種稀缺品。情感缺失，是必須引起重視并亟待解決的嚴(yán)重癥結(jié)，只有深入分絲析縷、積極調(diào)動(dòng)情感、盡力彌補(bǔ)所缺才能保證人類超凡的能力不再遭受侵蝕。心理學(xué)家阿德勒強(qiáng)調(diào)：“心理在行為的過(guò)程中起著重要性的作用。”正所謂上善若水，蘊(yùn)含著細(xì)膩情感感受的有聲語(yǔ)言表達(dá)，便是防止人心沙漠化的一捧清水。庫(kù)克就曾指出：我并不擔(dān)心機(jī)器會(huì)像人類一般思考，我最擔(dān)心人類像機(jī)器一般思考。其中之意，發(fā)人沉思。

智能語(yǔ)音系統(tǒng)的邏輯算法與人類的情感產(chǎn)生機(jī)制是不同的。通過(guò)機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘算法、聲音傳感、語(yǔ)音識(shí)別、語(yǔ)義理解、語(yǔ)音合成、語(yǔ)音知識(shí)數(shù)據(jù)庫(kù)的云端支持等多項(xiàng)技術(shù)的共同發(fā)力，使得智能語(yǔ)音助手完成從被人喚醒、到清晰感知、再到準(zhǔn)確表達(dá)的全過(guò)程。雖然人工智能技術(shù)可以通過(guò)研究人類智能活動(dòng)的規(guī)律，進(jìn)行抽絲剝繭的有效分析，從而構(gòu)造出具備相對(duì)智能的人工系統(tǒng)，但是，無(wú)論如何依托大數(shù)據(jù)與云計(jì)算，目前的計(jì)算機(jī)都無(wú)法運(yùn)算出“意識(shí)”(consciousness)、“自我”(self)、“思維”（mind）與“感知”（perception）。古希臘奧林匹斯山上的德?tīng)柗粕駨R門楣上鐫刻著一句話：“人??！認(rèn)識(shí)你自己”，蘇格拉底將此話視為自己哲學(xué)立場(chǎng)的宣言；與其同一時(shí)期的曾子亦提出“吾日三省吾身”；當(dāng)代美國(guó)知名的腦神經(jīng)學(xué)家吉姆·法倫（JimFallon）也認(rèn)為：“人的大腦結(jié)構(gòu)中屬于額葉部分的眼窩皮層是涉及社會(huì)倫理認(rèn)知功能的關(guān)鍵器官”。雖已逝去千年，人類對(duì)于自身思辨與探索的腳步卻從未曾停息。責(zé)任肩負(fù)、情緒控制、動(dòng)機(jī)把握、社交需求、價(jià)值實(shí)現(xiàn)，這些要素都作用于人與同類之間相互溝通的內(nèi)在認(rèn)知系統(tǒng)，由此可見(jiàn)，交融著情感的表達(dá)與對(duì)其的感知，是一個(gè)非常復(fù)雜而又值得細(xì)究的信息傳受過(guò)程。

繁冗的、海量的事務(wù)可以被智能化的機(jī)器代為完成，可是將心比心地去進(jìn)行情感化溝通的工作卻無(wú)法被代為完成；體力甚或腦力的工作可以被智能化的機(jī)器代為完成，可是與人類心靈相抵的口語(yǔ)化表達(dá)卻無(wú)法被代為完成；流程化、模式化、重復(fù)化的工作可以由智能化的機(jī)器代為完成，可是針對(duì)差異性個(gè)體的、直至內(nèi)心的、創(chuàng)造性的、變化性的、互動(dòng)性的深入交流，還需要人類自身去親力親為。

因此，要嘗試著將審美因素注入人工智能語(yǔ)音之中，使之具有人類親和性。而要注入審美因素，就需要對(duì)人聲語(yǔ)言有深入而準(zhǔn)確的把握。

三、人聲語(yǔ)言的發(fā)音機(jī)理與表達(dá)方式對(duì)于智能語(yǔ)音技術(shù)的借鑒

辛棄疾“八百里分麾下炙，五十弦翻塞外聲”的豪放，李白“我歌月徘徊，我舞影零亂”的浪漫，李商隱“滄海月明珠有淚，藍(lán)田日暖玉生煙”的悱惻，蘇軾“回首向來(lái)蕭瑟處，歸去，也無(wú)風(fēng)雨也無(wú)晴”的曠達(dá)，李清照“花開(kāi)花落花無(wú)悔，緣來(lái)緣去緣如水”的婉約，莎士比亞“不速之客只在告辭以后才最受歡迎”的諷刺，人類之所以能將這百般體味融入豐富的語(yǔ)言鏈條，進(jìn)而在有聲語(yǔ)言表達(dá)藝術(shù)中靈活自如地抒發(fā)充沛的情感感受，這完全是得益于我們獨(dú)有的發(fā)音器官和多元化的表達(dá)方式。

根據(jù)在發(fā)音過(guò)程中所起的不同作用，可以將發(fā)音器官分為以下三個(gè)部分：1、動(dòng)力部分——主要包括肺葉、橫膈肌、胸廓、氣管和支氣管。氣動(dòng)則聲發(fā)，這部分所產(chǎn)生的氣息為聲音的發(fā)出提供了支持性的動(dòng)力基礎(chǔ)，發(fā)音時(shí)用力大，從肺部呼出的氣體通過(guò)氣管和支氣管后，對(duì)聲帶產(chǎn)生的沖擊則會(huì)增大，音波的振動(dòng)幅度增大，聲音就變強(qiáng)，反之就變?nèi)?，可以運(yùn)用對(duì)于氣息的控制形成人聲錯(cuò)落有致的強(qiáng)弱變化；2、發(fā)聲部分——主要包括咽喉和聲帶。聲帶又稱聲襞，是位于喉頭中部的兩片彈性大的瓷白色小薄膜。氣流涌出所引發(fā)的聲帶振動(dòng)，為發(fā)聲提供了音質(zhì)素材，聲帶短、薄、緊，發(fā)音時(shí)音頻就大，聲音就高，反之就低，可以通過(guò)聲音的彈性變化來(lái)增強(qiáng)語(yǔ)言的表現(xiàn)力；3、咬字部分——主要包括喉部以上各器官組織：唇、齒、舌、顴肌、軟腭、小舌等，通過(guò)完成開(kāi)、合、提、打、挺、松等動(dòng)作，形成雙唇音、唇齒音、舌尖音、舌面音、舌根音等發(fā)音，實(shí)現(xiàn)出字、立字、歸音，靈活駕馭各個(gè)器官的協(xié)調(diào)配合，可以有效提升聲音質(zhì)量與表達(dá)狀態(tài)。

人們聽(tīng)到的語(yǔ)音片段中都具有四個(gè)感覺(jué)特性，即音長(zhǎng)、音強(qiáng)、音色和音高。音長(zhǎng)指的是聲波振動(dòng)持續(xù)時(shí)間的久暫，表現(xiàn)為聲音動(dòng)程的長(zhǎng)短，在漢語(yǔ)和英語(yǔ)的一些語(yǔ)句中音長(zhǎng)可以起到區(qū)別意義的作用；音強(qiáng)是指聲波振幅的大小，聲音的強(qiáng)弱與聲波振幅的大小成正比，0分貝是聽(tīng)覺(jué)可感的最小值；音色是一個(gè)音素區(qū)別于其它音素的基本判定特征，它由不同的聲源（發(fā)音體）屬性（材料、結(jié)構(gòu)等）所決定，音波波紋的不同曲折形式造就音色的差異，表現(xiàn)為聲音品質(zhì)的或明或暗、或清或濁，使得聲音更具個(gè)性、特色與辨識(shí)度；音高，決定著漢語(yǔ)發(fā)音的聲調(diào)和語(yǔ)氣，它是由聲源的振動(dòng)頻率所決定的，振動(dòng)次數(shù)多，頻率就大，聲音就高，比16赫茲低的次聲以及比20000赫茲高的超聲都是人類所無(wú)法聽(tīng)到的，16到20000赫茲的空氣振動(dòng)是聽(tīng)覺(jué)的適宜刺激，其中尤以1000到3000赫茲這個(gè)區(qū)間最為敏感。經(jīng)過(guò)介質(zhì)傳播的聲波直接作用于聽(tīng)覺(jué)器官，激發(fā)感知細(xì)胞的興奮度，引起聽(tīng)覺(jué)神經(jīng)的沖動(dòng)，從而能夠?qū)⑼獠啃畔⒂行У貙?dǎo)入。

再?gòu)亩嘣谋磉_(dá)方式上來(lái)看：1、人類聲帶的固有膜是致密結(jié)締組織，聲帶的長(zhǎng)短、松緊和聲門裂的大小都能對(duì)發(fā)聲產(chǎn)生影響，在皺襞的邊緣有強(qiáng)韌的橫紋肌和彈性纖維，這使得聲帶極富彈性，交替使用聲帶的不同位置，就可以依照溝通需要及時(shí)而到位地實(shí)現(xiàn)聲音上較大的彈性變化；2、當(dāng)一個(gè)發(fā)音體遇到另一個(gè)頻率與之振動(dòng)頻率相同或近似的音波時(shí)，隨之受到影響而引發(fā)共振，這種現(xiàn)象就是共鳴。人體中作為共鳴器的是胸腔、鼻腔、口腔和頭腔等多個(gè)腔體，通過(guò)它們的聯(lián)合作用，可以達(dá)到良好的共鳴效果，人聲因此而得到潤(rùn)色和美化，因?yàn)楦鱾€(gè)腔體的形狀、大小都不盡相同，所以經(jīng)過(guò)共鳴修飾后所表現(xiàn)出來(lái)的音質(zhì)則更為優(yōu)美而繁多；3、人體胸腔與腹腔之間的膈肌屬于骨骼肌，經(jīng)過(guò)科學(xué)的訓(xùn)練后將會(huì)更加自如地為我們所用，調(diào)動(dòng)橫膈的上下運(yùn)動(dòng)（吸氣時(shí)向下運(yùn)動(dòng)，呼氣時(shí)向上運(yùn)動(dòng)）可以使得處于溝通交流過(guò)程中的氣息既充分飽滿又流暢自然地平穩(wěn)進(jìn)出，通過(guò)有效操使胸腹式聯(lián)合呼吸的方法，便能夠達(dá)到理想的表達(dá)狀態(tài)：以情運(yùn)氣，以氣托聲，以聲傳情，表情達(dá)意，及于受眾；4、人類可以根據(jù)語(yǔ)言環(huán)境中表意的需要，隨時(shí)隨地地、收放自如地調(diào)整音量的大小，同時(shí)運(yùn)用音強(qiáng)的差異性變化所形成的重音和輕聲，起到區(qū)別語(yǔ)法意義和詞匯意義的作用，增強(qiáng)了語(yǔ)言的節(jié)奏感、流暢感和韻律感，對(duì)于邏輯重音所處的不同位置的適時(shí)調(diào)整，也可以在最大程度上實(shí)現(xiàn)有聲語(yǔ)言表達(dá)中語(yǔ)義焦點(diǎn)的靈活轉(zhuǎn)移；5、我們可以依照交談時(shí)的思想發(fā)展與情感變化，自由地把控語(yǔ)氣的輕重、節(jié)奏的急緩和話語(yǔ)進(jìn)程中的停頓與連接，從而在滿足心理需要、生理需要和情感抒發(fā)的同時(shí)，凸顯語(yǔ)意精妙的層次感；6、人類可以將對(duì)于音準(zhǔn)、音質(zhì)、音調(diào)、音量的把控技巧有序整合、綜合并用、應(yīng)時(shí)而動(dòng)，既使得各元素間相得益彰，又使得和諧優(yōu)美、動(dòng)聽(tīng)悅耳的表達(dá)更具對(duì)象感、畫面感、分寸感和親近感，在更為直觀、更加適時(shí)、更顯貼合地反映出人的態(tài)度、意圖和情緒的同時(shí)，既強(qiáng)化了語(yǔ)言的深刻含義，又提升了語(yǔ)言表達(dá)的溝通效能。

時(shí)而吸引，時(shí)而讓步，時(shí)而平和，時(shí)而動(dòng)情，時(shí)而批駁，時(shí)而贊頌，時(shí)而跌宕，時(shí)而反轉(zhuǎn)，時(shí)而興奮，時(shí)而哀傷，時(shí)而坐看云起，時(shí)而扣人心弦，貼切的情感感受自然而然地流淌于言談之中，既充分而有效地表達(dá)了思想，又引發(fā)了審美愉悅的知覺(jué)享受，正因?yàn)槲覀儗⒆陨頁(yè)碛械莫?dú)特而復(fù)雜的發(fā)音器官與靈活而豐富的話語(yǔ)表達(dá)方式完美地結(jié)合在了一起，才使得對(duì)于同類間的溝通工作無(wú)法被智能語(yǔ)音技術(shù)所完全替代。

雖然人類在有聲語(yǔ)言表達(dá)方面天賦異稟，但在交流的過(guò)程中，還是不可避免地暴露出很多自身的弱點(diǎn)：邏輯會(huì)混亂，重壓會(huì)疲勞，表述有歧義，記憶有遺忘，思維不縝密，情緒不穩(wěn)定，欲求過(guò)于多元，審美過(guò)于功利，主觀能動(dòng)性差，認(rèn)知偏差導(dǎo)致片面，自我糾錯(cuò)機(jī)制不足等等。而智能語(yǔ)音技術(shù)的不斷發(fā)展，也正是為了彌補(bǔ)這些短板。工程師們努力讓機(jī)器去模擬人、理解人，以期創(chuàng)造出智商和情商雙高的專家級(jí)機(jī)器人。

在飛速發(fā)展的信息化時(shí)代，作為亞生命的新的指代，超智能機(jī)器人憑借杰出的“大腦”(中央處理器，Central Processing Unit)逐步被賦予了“自我思考的能力”。從對(duì)于智能機(jī)器視覺(jué)能力的開(kāi)發(fā)到對(duì)聽(tīng)覺(jué)能力的開(kāi)發(fā)僅僅用了不到五十年的時(shí)間，隨著運(yùn)算系統(tǒng)的不斷升級(jí)，機(jī)器人或許很快便會(huì)在情感感知、情感表達(dá)領(lǐng)域與人類比肩。

上個(gè)世紀(jì)60年代人工智能技術(shù)一度停滯不前，完全依賴人為灌輸式的知識(shí)傳遞，使得計(jì)算機(jī)學(xué)習(xí)的廣度嚴(yán)重不足。從80年代起，隨著“神經(jīng)網(wǎng)絡(luò)算法”的興起，人們?cè)凇皺C(jī)器學(xué)習(xí)”這個(gè)重要的領(lǐng)域開(kāi)啟了全新的探索，利用逼近論、凸分析、統(tǒng)計(jì)學(xué)、概率論、算法復(fù)雜度理論等多門學(xué)科的交叉融合，致力于研究如何更好地賦予計(jì)算機(jī)以超群的“心智”、怎樣讓計(jì)算機(jī)模擬并實(shí)現(xiàn)人類的學(xué)習(xí)及其它行為，重新組織已有的知識(shí)結(jié)構(gòu)并使之不斷得到強(qiáng)化和完善，以期獲取更新的知識(shí)與技能。正如劉勰所言：“操千曲而后曉聲，觀千劍而后識(shí)器”，機(jī)器學(xué)習(xí)(Machine Learning）成為人工智能的研創(chuàng)核心，機(jī)器通過(guò)深度學(xué)習(xí)來(lái)完成自我發(fā)展，使自身具備超級(jí)智能，達(dá)到“自我管理”、“自動(dòng)進(jìn)化”的高度，進(jìn)而實(shí)現(xiàn)對(duì)于人力的大范圍替代。

作為格式塔學(xué)派的一個(gè)分支，德國(guó)拓?fù)湫睦韺W(xué)的創(chuàng)立者，被譽(yù)為實(shí)驗(yàn)社會(huì)心理學(xué)之父的庫(kù)爾特·勒溫，在20世紀(jì)30年代就曾指出：“學(xué)習(xí)是認(rèn)知結(jié)構(gòu)的變化，這個(gè)變化表現(xiàn)為分化、概括化與再組織三種方式”。不同于人腦的是，電腦可以高效率、低成本、持續(xù)久、不間斷地學(xué)習(xí)和工作，而這是人類所望塵莫及的。

再精密復(fù)雜的智能語(yǔ)音助手，也都與創(chuàng)造它的人密切相關(guān)，工程師對(duì)其灌輸?shù)某绦颍粦?yīng)只限定于識(shí)別、處理和反饋的層面，而應(yīng)更廣泛地拓展到對(duì)情感感受的智慧化培養(yǎng)與對(duì)情感表達(dá)方式的全面化學(xué)習(xí)的領(lǐng)域。目前的智能語(yǔ)音系統(tǒng)可以根據(jù)聲音識(shí)別技術(shù)對(duì)用戶的陳述提供一個(gè)解決問(wèn)題或解答疑惑的大體參照，甚至可以在一些實(shí)驗(yàn)檢測(cè)環(huán)節(jié)中“欺騙”80%以上的被試，但這仍是遠(yuǎn)不及預(yù)期的。

為了打造更具完備自我思維能力的人工生命，就需要讓計(jì)算機(jī)規(guī)規(guī)矩矩地、更加深入地、可持續(xù)地自我學(xué)習(xí)，讓程序直接接觸被導(dǎo)入的數(shù)據(jù)，進(jìn)一步滿足機(jī)器快速成長(zhǎng)的需要，以期最終實(shí)現(xiàn)：整體把握抽象思維，深入體察情感感受，思考利弊而做出取舍，脫離程序指令而自發(fā)決策、迅速反應(yīng)并采取行動(dòng)，樹(shù)狀衍生新的認(rèn)知，幾何級(jí)數(shù)增長(zhǎng)各項(xiàng)復(fù)雜技能，真正理解人類的意識(shí)和言語(yǔ)并以人類的表達(dá)方式與人進(jìn)行心靈相通的對(duì)話交流。

目前的智能語(yǔ)音技術(shù)雖然尚處在“孩提時(shí)代”，但其發(fā)展之路卻是一條沒(méi)有終點(diǎn)的漫長(zhǎng)征程，堅(jiān)持不懈地攻堅(jiān)克難，將會(huì)給人類的生活方式帶來(lái)根本性的變化。很難預(yù)料十年后，在高科技的引領(lǐng)下，我們的社會(huì)將變成什么樣子，更何況人工智能尚存在著科學(xué)家們普遍認(rèn)同的技術(shù)“奇點(diǎn)”，一旦跨越了奇點(diǎn)，科技將超越科幻，人們無(wú)法估測(cè)甚或預(yù)警這一刻何時(shí)到來(lái)，但可期的是，伴隨智能機(jī)器永不停歇的自我學(xué)習(xí)，經(jīng)歷了突破奇點(diǎn)后的“頓悟”，情感感受的“標(biāo)準(zhǔn)指令”或許可以得到“規(guī)范統(tǒng)一”，接下來(lái)就可以先完成智能語(yǔ)音助手之間的互聯(lián)互通，再借助大幅提升的語(yǔ)音識(shí)別和情感TTS（Text To Speech）技術(shù)，使得更具易用性的全方位高智能語(yǔ)音助手可以確切感知、及時(shí)存儲(chǔ)、海量分析用戶的語(yǔ)氣、情感、愛(ài)好、品味、習(xí)慣、需求、言談方式、審美特征，進(jìn)而越來(lái)越精準(zhǔn)到位地理解人類的語(yǔ)言表達(dá)意識(shí)、愈加靈活自如地駕馭豐富的話語(yǔ)表達(dá)方式，最終實(shí)現(xiàn)與人類之間自然、順暢、貼心、親切、愉悅的對(duì)話交流。

此前不久，微軟（亞洲）互聯(lián)網(wǎng)工程院率先推出了新一代的語(yǔ)音交互技術(shù)：全雙工語(yǔ)音交互器官（Full-duplex Voice Sense），可以實(shí)時(shí)預(yù)測(cè)人類即將說(shuō)出的內(nèi)容，實(shí)時(shí)生成回應(yīng)并控制對(duì)話節(jié)奏，將長(zhǎng)程語(yǔ)音交互變?yōu)榱丝赡?，這使得人機(jī)交流更加連續(xù)流暢、逼真自然。

曾有人提出“此前歷史上的一切群眾運(yùn)動(dòng)，都是由于語(yǔ)言的力量”，此話雖然乍聽(tīng)為過(guò)，但也因此可見(jiàn)，這種蘊(yùn)含于充沛情感化表達(dá)之中的語(yǔ)言魅力，足以令世人產(chǎn)生共鳴并為之傾倒。從溝通效能的角度來(lái)看，人類所獨(dú)有的發(fā)聲機(jī)理暫時(shí)優(yōu)于目前的智能語(yǔ)音系統(tǒng)，面對(duì)著人工智能時(shí)代下的千般挑戰(zhàn)，人類尚未失去生而為人的驕傲。而對(duì)于有聲語(yǔ)言表達(dá)技巧漸向人工智能的轉(zhuǎn)化處理，既是濃縮著非凡創(chuàng)意的智慧結(jié)晶，又充滿著無(wú)限的可能。在與智能語(yǔ)音技術(shù)不斷角力的過(guò)程中，直面沖擊的有聲語(yǔ)言表達(dá)藝術(shù)也將會(huì)獲得史無(wú)前例的深化與完善。一方面，智能語(yǔ)音技術(shù)中現(xiàn)存的審美缺憾，恰恰是有聲語(yǔ)言表達(dá)藝術(shù)亟待恢弘之所長(zhǎng)，而另一方面，借鑒有聲語(yǔ)音的表達(dá)優(yōu)勢(shì)也可以進(jìn)一步提升智能語(yǔ)音技術(shù)水平，人機(jī)合作，互利互補(bǔ)，相輔相成，共促發(fā)展。

在工業(yè)時(shí)代，機(jī)器的出現(xiàn)，使得人力標(biāo)準(zhǔn)化；在自動(dòng)化時(shí)代，機(jī)器人的出現(xiàn)，使得人力機(jī)器化；在信息時(shí)代，人工智能的出現(xiàn)，又會(huì)使得人類何去何從呢？我們不斷求索答案的過(guò)程，實(shí)則就已經(jīng)是一種答案了。