香港文匯報訊（記者 曾業(yè)俊）「香港音頻基礎(chǔ)模型」是參與數(shù)碼港「人工智能資助計劃」的獲批項目之一。該項目旨在建設(shè)「多語種音頻語料庫」，現(xiàn)已成功建立一個包含50萬小時高質(zhì)量粵語、普通話和英語錄音的大規(guī)模多語種音頻語料庫，覆蓋香港獨特三語環(huán)境中的各種口音，支持自動語音識別（ASR）、文本轉(zhuǎn)語音（TTS）和對話系統(tǒng)的精準訓(xùn)練與微調(diào)。同時，項目開發(fā)了「HKMeeting港會通系統(tǒng)」，是專門應(yīng)付香港會議場景的解決方案，能自動將會議語音內(nèi)容轉(zhuǎn)換為文字紀錄，輸出高度提煉總結(jié)，並生成會議紀要。

負責(zé)上述項目的香港科技大學(xué)首席副校長、香港生成式人工智能研發(fā)中心主任郭毅可教授昨日表示，該研發(fā)項目需要訓(xùn)練AI模型，為其他模型提供數(shù)據(jù)，因此「算得多、算得快」是最重要，並「需要很多機器提供算力」，而資助計劃及超算中心正正為項目提供最重要的算力。假如沒有資助項目，相信研發(fā)進度可能會延遲至少3個月到半年。

政府採「港會通」開會 研增安全性

對於研發(fā)項目的成效，郭毅可透露，目前項目語音系統(tǒng)的準確率取決於應(yīng)用場景，一般大概在88%至95%之間，應(yīng)用於會議綽綽有餘。目前已有政府部門正在使用「港會通系統(tǒng)」，研發(fā)團隊未來會持續(xù)提升系統(tǒng)安全性。面對同類的AI語音翻譯系統(tǒng)競爭，郭毅可指出香港的語言場景特色是經(jīng)常「雙語混雜」，港人對話時雖然主要使用粵語，但經(jīng)常突然冒出幾句英文，有時更會有粵語、普通話、英文三語混雜，而他團隊研發(fā)的系統(tǒng)在這方面做得比同業(yè)優(yōu)勝。他們的模型訓(xùn)練主要採用香港數(shù)據(jù)，收集大量專業(yè)名詞，在翻譯專業(yè)知識方面會比同類系統(tǒng)更為準確。研發(fā)團隊未來會繼續(xù)為系統(tǒng)注入香港特色，會做得更深入，包括增添更多專有名詞和字詞的特殊用法，作為系統(tǒng)長項。