身體殘障有口難言 「眼睩睩」傳情達意
腦和互聯網科技令人與人的溝通更便捷，打字、錄音，甚至語音變文字，就可以把自己的想法送到千里之外。但有口難言、身體殘障的病人，連近在咫尺的人都難以溝通。中文大學研發人工智能技術，為口齒不清的構音障礙症病人做「翻譯」，為四肢癱瘓病人發送信息。
文：李欣敏、植蔚卿
技術1：眼動AAC系統
如果不能說話，可以用文字、手語溝通；但如果手腳也不能活動，怎麼辦呢？香港中文大學博智感知交互研究中心(Centre for Perceptual and Interactive Intelligence ，簡稱CPII)研究項目「言語及語言智能」的其中一個研究計劃，希望以科技為這些人「發言」。「我見過有些同學仔雖然身體動不了，但他們眼睛很『精靈』，想表達自己，卻礙於身體殘障做不到。」中大信息工程學系客座助理教授、CPII首席研究員陳苑茵發現，一些嚴重智障學童面對着這些困難，於是與團隊開展研究眼動AAC系統。
改良觸控電子版溝通簿
早於2014年，陳苑茵參加一個AAC講座，認識到有些人有溝通困難，「當時就想，既然我是信息工程系出身，學習communication engineering(通訊工程)，能否學有所用呢」？於是她開始投入AAC電子化研究。
陳與康復機構香港耀能協會合作，研發「通話易」通訊應用程式，系統內有不同圖卡，可組成句子，並可以發聲；更運用雲端輔助通訊技術，使用者可與親友即時通話。程式獲得香港資訊及通訊科技獎2020︰智慧市民(智慧共融)獎金獎。
陳留意到，使用傳統AAC圖卡，使用者往往只選一張卡，但變成應用程式後，就會很踴躍一次選多張卡。
度身訂做數據庫
不過，在「通話易」測試期間，腦麻痹患者因手腳不靈活而無法使用觸控式AAC，一些嚴重智障學童亦有類似困難，促使陳苑茵開發眼動AAC。首先要建立一個AAC數據庫，團隊蒐集資料是靠逐一查訪照顧者，了解使用者平日活動和想法，雖然方法並不high-tech，但有度身訂做的效果。團隊成員林泓江和王偉忠表示，系統平台建設後，要花相當多時間和心思與照顧者和使用者溝通，仔細調整內容和設置，才能切合使用者需要；中大醫學院耳鼻咽喉頭頸外科學系副教授、言語治療科主管李月裳亦擔任項目共同研究員(co-investigator)，在研發過程中提供專業意見。
技術2：語音重建 AI「翻譯」代言
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」。
