隨著我國加入WTO，我國的標(biāo)準(zhǔn)化工作越來越呈現(xiàn)國際化的趨勢，無論是自身標(biāo)準(zhǔn)被國際采用，還是參與國際標(biāo)準(zhǔn)化組織的步伐都急速的加快。近幾年來，在World Wide Web Consortium （W3C）下面成立了兩個與人機(jī)交互密切相關(guān)的兩個工作小組，語音合成置標(biāo)語言 （Speech Synthesis Markup Language – SSML）工作小組、情感標(biāo)注語言 （Emotion）工作小組，這個標(biāo)準(zhǔn)的制定對面向下一代的人機(jī)交互平臺具有十分重要的意義。中國科學(xué)院自動化研究所陶建華作為國內(nèi)學(xué)術(shù)單位的正式代表，參加了這兩個標(biāo)準(zhǔn)的制定工作，具體情況如下： 　　一 語音合成標(biāo)注語言（SSML） 　　SSML（Speech Synthesis Markup Language）工作組是W3C（World Wide Web Consortium）Voice Browsing Working Group下屬的一個致力于制訂語音合成置標(biāo)語言規(guī)范的團(tuán)體。工作組的目標(biāo)是為開發(fā)者（主要是針對互聯(lián)網(wǎng)的應(yīng)用）提供一套基于XML語言的規(guī)范，使得用戶能夠在不了解語音合成技術(shù)細(xì)節(jié)的情況下，使用這 套規(guī)范，調(diào)用語音合成引擎，定制所需要的語音。到2005年為止，這個工作組已經(jīng)推出了SSML1.0：http://www.w3.org/TR/speech-synthesis。 　　SSML1.0版本針對的主要是英語，沒有考慮到其他語系的特點(diǎn)，使得它無法被更加廣泛地應(yīng)用。在這個背景下，SSML工作組在2005年開始了語音合成置標(biāo)語言國際化的工作。中國科學(xué)院自動化所作為科學(xué)院的唯一代表，加入了SSML國際化的工作，致力于修改當(dāng)前的SSML版本，使之能更好的適應(yīng)漢語的需求。 　　從去年以來，工作組分別于2005年10月、2006年4月、7月和10月，在北京和香港等地召開了四次會議。在這次會議上，對SSML1.0提出了針對漢語特點(diǎn)的若干修改意見，力圖使傳統(tǒng)SSML語言能夠適應(yīng)于漢語的特殊要求，如漢語的詞特性、拼音標(biāo)記特性、聲調(diào)特性、姓氏特性等。經(jīng)過這四次討論，已經(jīng)完成了針對SSML1.0的修改草案。并按照預(yù)定計(jì)劃在2007年提出SSML1.1版本。屆時，該版本將使XML語言框架中，對中文語音合成能夠產(chǎn)生更好的支持。為推廣漢語語音合成技術(shù)的應(yīng)用，使之能產(chǎn)生更大的經(jīng)濟(jì)效益和社會效益，將產(chǎn)生重要的意義。 　　二、 情感標(biāo)注語言（EMOTION） 　　隨著信息時代的來臨，各種web技術(shù)日新月異，紛紛涌現(xiàn)出來。如何引導(dǎo)新技術(shù)的潮流，使新技術(shù)更好地應(yīng)用于、服務(wù)于日常生活中，是當(dāng)前IT領(lǐng)域從業(yè)者所首先要考慮的問題。近年來，情感的研究一直是人機(jī)交互領(lǐng)域研究的一個熱點(diǎn)，由于人類相互之間的溝通與交流是自然而富有感情的，因此，在人機(jī)交互的過程中，人們也很自然地期望計(jì)算機(jī)具有情感以及自然和諧的交互能力。對情感的研究就是要賦予計(jì)算機(jī)類似于人一樣的觀察、理解和生成各種情感特征的能力，最終像人一樣能進(jìn)行自然、親切和生動的智能交互。W3C的Emotion小組正是基于這樣一個目的建立的，期望通過全球范圍研究者的討論、交流，建立一個一般意義的、完整統(tǒng)一的情感標(biāo)注和表達(dá)體系，該標(biāo)注可以應(yīng)用在任何涉及情感研究的項(xiàng)目，如情感識別、情感表達(dá)中，從而促進(jìn)情感研究的發(fā)展。參與Emotion小組的成員包括了中科院自動化所、德國DFKI研究所、德國電信、英國Edinburgh大學(xué)、意大利電信等21個成員單位。 　　Emotion小組所討論的內(nèi)容主要包括以下三個部分：第一部分是研究情感數(shù)據(jù)的標(biāo)注，包括應(yīng)該標(biāo)注什么內(nèi)容以及如何進(jìn)行標(biāo)注。所涉及的數(shù)據(jù)類型相當(dāng)廣泛，文本數(shù)據(jù)、語音數(shù)據(jù)以及多模態(tài)數(shù)據(jù)都在討論范圍之內(nèi)。第二部分主要處理情感的自動識別和分類，主要研究如何從文字、語音、多模態(tài)數(shù)據(jù)中提取特征，然后利用機(jī)器學(xué)習(xí)算法進(jìn)行情感的識別。第三部分主要處理情感的產(chǎn)生，研究如何基于一定標(biāo)準(zhǔn)的標(biāo)注信息產(chǎn)生情感，在包括語音、表情及姿態(tài)的多模態(tài)數(shù)據(jù)中產(chǎn)生情感。 　　中科院自動化所作為整個標(biāo)準(zhǔn)的發(fā)起單位之一，參與了所有三個項(xiàng)目的討論，并且同日本Emotion AI的Ian Wilson教授共同擔(dān)當(dāng)情感產(chǎn)生討論小組的主席。中科院自動化所在情感研究方面已經(jīng)有了較多的研究積累：在情感標(biāo)注方面，自動化所提出了基于多維矢量的情感標(biāo)注方法；在情感識別方面，自動化所建立了在通信環(huán)境下的情感識別系統(tǒng)，可以判斷對話人的友好度及關(guān)注度，并且成功地應(yīng)用在電信增值服務(wù)中，在福州聯(lián)通中已經(jīng)發(fā)展到2萬用戶。除此之外，自動化所還研制了基于多模態(tài)數(shù)據(jù)的情感識別系統(tǒng)，通過有效的整合音頻特征和視頻特征，極大地提高了識別的準(zhǔn)確率；在情感產(chǎn)生方面，自動化所構(gòu)建了基于韻律轉(zhuǎn)換的情感語音合成系統(tǒng)和基于fap參數(shù)的情感表情表達(dá)系統(tǒng)。 　　到目前為止，W3C Emotion小組已經(jīng)召開了三次電話會議，整個標(biāo)準(zhǔn)的討論工作已經(jīng)漸漸走上軌道，參與討論的各方在一些基本性問題上已經(jīng)達(dá)到了一定的共識。相信隨著討論的深入進(jìn)展，一定能夠極大地促進(jìn)情感研究的發(fā)展，為創(chuàng)建更為和諧的人機(jī)交互環(huán)境而鋪平道路。