自动化所参与W3C中系列标准的制定工作

随着我国加入WTO，我国的标准化工作越来越呈现国际化的趋势，无论是自身标准被国际采用，还是参与国际标准化组织的步伐都急速的加快。近几年来，在World Wide Web Consortium (W3C)下面成立了两个与人机交互密切相关的两个工作小组，语音合成置标语言 (Speech Synthesis Markup Language – SSML)工作小组、情感标注语言（Emotion）工作小组，这个标准的制定对面向下一代的人机交互平台具有十分重要的意义。中国科学院自动化研究所陶建华作为国内学术单位的正式代表，参加了这两个标准的制定工作，具体情况如下：

一、       语音合成标注语言（SSML）

SSML(Speech Synthesis Markup Language)工作组是W3C(World Wide Web Consortium)Voice Browsing Working Group下属的一个致力于制订语音合成置标语言规范的团体。工作组的目标是为开发者(主要是针对互联网的应用)提供一套基于XML语言的规范，使得用户能够在不了解语音合成技术细节的情况下，使用这套规范，调用语音合成引擎，定制所需要的语音。到2005年为止，这个工作组已经推出了SSML1.0：http://www.w3.org/TR/speech-synthesis。

SSML1.0版本针对的主要是英语，没有考虑到其他语系的特点，使得它无法被更加广泛地应用。在这个背景下，SSML工作组在2005年开始了语音合成置标语言国际化的工作。中国科学院自动化所作为科学院的唯一代表，加入了SSML国际化的工作，致力于修改当前的SSML版本，使之能更好的适应汉语的需求。

从去年以来，工作组分别于2005年10月、2006年4月、7月和10月，在北京和香港等地召开了四次会议。在这次会议上，对SSML1.0提出了针对汉语特点的若干修改意见，力图使传统SSML语言能够适应于汉语的特殊要求，如汉语的词特性、拼音标记特性、声调特性、姓氏特性等。经过这四次讨论，已经完成了针对SSML1.0的修改草案。并按照预定计划在2007年提出SSML1.1版本。届时，该版本将使XML语言框架中，对中文语音合成能够产生更好的支持。为推广汉语语音合成技术的应用，使之能产生更大的经济效益和社会效益，将产生重要的意义。

二、       情感标注语言(EMOTION)

随着信息时代的来临，各种web技术日新月异，纷纷涌现出来。如何引导新技术的潮流，使新技术更好地应用于、服务于日常生活中，是当前IT领域从业者所首先要考虑的问题。近年来，情感的研究一直是人机交互领域研究的一个热点，由于人类相互之间的沟通与交流是自然而富有感情的，因此，在人机交互的过程中，人们也很自然地期望计算机具有情感以及自然和谐的交互能力。对情感的研究就是要赋予计算机类似于人一样的观察、理解和生成各种情感特征的能力，最终像人一样能进行自然、亲切和生动的智能交互。W3C的Emotion小组正是基于这样一个目的建立的，期望通过全球范围研究者的讨论、交流，建立一个一般意义的、完整统一的情感标注和表达体系，该标注可以应用在任何涉及情感研究的项目，如情感识别、情感表达中，从而促进情感研究的发展。参与Emotion小组的成员包括了中科院自动化所、德国DFKI研究所、德国电信、英国Edinburgh大学、意大利电信等21个成员单位。

Emotion小组所讨论的内容主要包括以下三个部分：第一部分是研究情感数据的标注，包括应该标注什么内容以及如何进行标注。所涉及的数据类型相当广泛，文本数据、语音数据以及多模态数据都在讨论范围之内。第二部分主要处理情感的自动识别和分类，主要研究如何从文字、语音、多模态数据中提取特征，然后利用机器学习算法进行情感的识别。第三部分主要处理情感的产生，研究如何基于一定标准的标注信息产生情感，在包括语音、表情及姿态的多模态数据中产生情感。

中科院自动化所作为整个标准的发起单位之一，参与了所有三个项目的讨论，并且同日本Emotion AI的Ian Wilson教授共同担当情感产生讨论小组的主席。中科院自动化所在情感研究方面已经有了较多的研究积累：在情感标注方面，自动化所提出了基于多维矢量的情感标注方法；在情感识别方面，自动化所建立了在通信环境下的情感识别系统，可以判断对话人的友好度及关注度，并且成功地应用在电信增值服务中，在福州联通中已经发展到2万用户。除此之外，自动化所还研制了基于多模态数据的情感识别系统，通过有效的整合音频特征和视频特征，极大地提高了识别的准确率；在情感产生方面，自动化所构建了基于韵律转换的情感语音合成系统和基于fap参数的情感表情表达系统。

到目前为止，W3C Emotion小组已经召开了三次电话会议，整个标准的讨论工作已经渐渐走上轨道，参与讨论的各方在一些基本性问题上已经达到了一定的共识。相信随着讨论的深入进展，一定能够极大地促进情感研究的发展，为创建更为和谐的人机交互环境而铺平道路。