语音技术的数码转型

基于语音的多媒体物联网（IoMT）逐见普及，被大量用于语音到文本（Speech to Text）的翻译和语音控制应用。

此类应用核心技术是自然语言处理。陈信宏教授和我的研究团队发展一套语音谈话的IoT应用开发平台，称为VoiceTalk，提出一种新自然语言处理机制，自动语音识别，借此发展不少有趣的互动应用。

2020年台湾总统大选电视辩论直播，公视新闻网和陈信宏带领的语音识别团队合作，采用当时国立交通大学团队开发的人工智能（AI）语音识别系统，将语音实时转换成字幕。陈信宏指出，语音识别有几大挑战，包括要有足够的文字知识库、要能够处理语音杂讯，还有自发性语音的重复和修正等，比如讲者说到「...好，好像」等字词。除此之外，交大团队也在视觉上下功夫，比如字体大小、字幕行数多寡等。

2020年总统大选辩论直播，语音识别AI搭配听打员微调，提高字幕准确率。公视经理苏启祯表示，这次公共服务实验难能可贵，未来技术更成熟，不排除应用于开票报导或其他大型转播专案。

VoiceTalk将语音转换成繁体中文文本后，还要将之翻译成不同语言。如今我们上网读文章，遇到不同语言的文字，有软件可进行翻译，这是古代人想像不到的神奇应用。没有翻译文章的工具，人类的沟通就受到限制。方东美（1899～1977）在其巨着《国内哲学精神及其发展》写着: 「伟大翻译家实导更伟大创作之先河。」的确如此。方东美曾说:「闻所成慧（śrutamayī-prajñā）、思所成慧（cintāmayī-prajñā）、修所成慧（bhāvanāmayī-prajñā）乃哲学境界之层次，哲学功夫之阶梯，闻入于思，思修无间，哲学家兼具三慧，功德方觉圆满。」藉由翻译，广读世界各地哲人的文章，是「闻入于思」的重要步骤。

现今的资通讯技术，很容易达到这个目的。于是，我们也思考如何将VoiceTalk加入ChatGPT的plugin，以达到「闻入于思」的境界。这需要我们对历史文化的认知。

由翻译引导出哲学、文化蓬勃发展的例子发生在八到十世纪间的阿拉伯世界。在此时期，巴格达的学者如火如荼将希腊作品翻译为阿拉伯语。例如穆斯林史学家Ibn Ishaq（Abu Abd Allah Muhammad ibn Ishaq ibn Yasar al-Muttalibi ）就以翻译亚里斯多德（Aristotle）着作闻名于世；到了十一、十二世纪时，有一群基督徒住在被伊斯兰统治的西班牙，接触这些阿拉伯思想家的着作，以及亚里斯多德等希腊哲学家的阿拉伯译作。这群基督徒将阿拉伯译／着作再翻译成拉丁文，造成十三世纪西方哲学与神学的黄金时期。

古人必须千辛万苦地翻译文章，才能获得知识，如今ChatGPT的普及，我们有智能的文章翻译软件，比古人幸福多了。值得深思的是，如何在资通讯工具大量翻译的知识中，获得真正哲学与文化的精髓？

 

国内现代哲学家方东美。