微軟亞洲研究院在忙什麼？ 搜尋、多媒體

| | | | | | 6則回應

    

本週返台並為微軟新產品上市站台的微軟亞洲研究院院長洪小文，在與媒體見面的場合並未提及太多亞洲研究院的研究內容。不過，他倒是在台大、清華與交大的三場演講中，展示了多項正在進行，或已經開發完畢的技術：從自動化圖片編輯、與行動定位系統搭配的圖片搜尋、以搜尋為基礎的翻譯技術、哼唱搜尋，以及自動語音合成技術等，全都與多媒體或搜尋技術相關，反映出微軟在技術面打算與Google匹敵的企圖。

以搜尋技術來說，洪小文便展示了一款打算與Google Earth與街景服務競爭的圖片搜尋技術。這項被稱為Photo2Search的技術，是以微軟推動、類似Google Earth的Virtual Earth中的街景圖片為基礎，使用者可用手機將街道上的建築物拍攝並上傳至系統後，系統便會先取得基地台的位址資料，再將附近街道圖片與使用者上傳之圖片進行比對，比對完成後，再將使用者所需的資訊，如附近地圖、觀光點、建物資訊等訊息回傳給使用者，「在手機上輸入地址等資訊太麻煩，但透過建築物照片反向搜查使用者位址，會更有效率，」洪小文說。

傳統的圖片搜尋多半是透多對圖片內容建制文字化的後設資料(metadata)後，才能進行搜尋，但洪小文表示，Photo2Search是透過基地台的位置比對，將搜尋目標範圍縮小後，再針對圖片內容進行畫素分析，「是真正的圖片搜尋，」他說。

其他關於搜尋的技術研發，還有翻譯搜尋Lingo。洪小文表示，傳統的字典已無法應付快速增加的字辭彙，但透過比對網路上現成的多語言資料，可以更精確找出特定語詞的譯法。他以成語「聲東擊西」為例解釋道，一般漢英辭典未必會有收錄，但透過該技術，則可找出曾真正被使用過的譯法，還可透過排序了解哪種譯法最常被使用。

至於已被商品化的搜尋技術，則是哼唱搜尋(Query by Humming)，藉由哼唱一段歌曲，再透過語音辨識技術來找出資料庫中吻合的曲目，洪小文表示，該技術目前已輸出給部分手機彩鈴(ringtone)業者，並已有商業化服務。

微軟加碼搜尋相關技術，以搜尋起家的Google一方面深耕搜尋，另一方面則致力於往其他技術領域發展。Google過去幾年來除了從單純的網頁搜尋一路加碼至圖片、新聞、專利乃至圖書搜尋，在應用軟體，如文書處理、試算表與簡報等辦公室軟體上，亦多有發展。去(2007)年甚至還推出了行動電話軟體平台Android、競標無線電頻譜等，觸角也早由搜尋向外延伸。

周杰倫唱歌給你聽

而引起在場學生最大共鳴的，則是歌唱語音合成技術(Singing Voice Synthesis)。該技術結合了人聲自動合成與電腦音樂MIDI，可在有歌詞與MIDI檔案的情況下，讓電腦自動唱歌。

值得注意的是，該語音合成的發聲特徵來自建模(modeling)技術，「任何人只要先花二十分鐘說話，讓系統學習，然後就能用他的聲音唱任何歌曲、說任何話，」洪小文說。

「這樣一來，你可以讓你喜歡的對象、明星，對你說任何你想聽的話，」他說。

洪小文表示，微軟亞洲研究院自兩年前已開放技術輸出，一般企業若對其研究內容感興趣，也能夠採用並與自家技術整合成新產品。