文／檸檬　

大家跟語音助理聊天過嗎？有沒有想過，為什麼Siri、Google助理，這些語音助理能夠用如此自然的聲音跟我們對話呢？這背後可有一位數學大咖在幫忙喔！它的名字叫「機率論」，顧名思義，就是研究事情發生可能性的學問。

使用機率 語音合成



想像一下，如果我說：「明天可能會下雨」，這裡的「可能」就跟機率有關。如果我更具體的說：「明天火車誤點的機率是70%」，這就是在用數字，也就是數學來表達火車誤點的可能性。在日常生活中，其實經常使用機率，例如：我估計考試及格的可能性是80%、這次公司尾牙抽獎中頭獎的機會是千分之一等。

那麼，機率是如何讓語音助理說話的呢？這個過程叫做「語音合成」，就是把文字變成聲音。如果你是一個語音助理，突然收到一則文字訊息：「今天天氣真好」，要怎麼把這則訊息變成聲音呢？

語音合成的過程大致如下：

分析文字：首先，機器會把這句話拆開，變成「今天」、「天氣」、「真好」這幾個詞。

選擇發音：對於每個詞，機器會從它的「語音庫」中選擇最合適的發音。

連接音素：機器需要把音素（發音最小單位）連結在一起，形成完整句子。

調整語調：最後，經由調整語調，讓句子聽起來自然流暢。

資料選擇 3種合成



我們來看個範例，如果語音助理要說出「我喜歡吃蘋果」這句話。對於「蘋果」這個詞，假設我們的語音庫中有3種不同的發音：

發音A：「我喜歡吃蘋果」——日常對話。

發音B：「蘋果公司發表了新產品」—— 新聞。

發音C：「蘋果樹開花了」——描述 植物。

語音助理該如何選擇呢？這時候，機率論就派上用場了，假設根據大量的語言資料分析：

在日常對話中使用發音A的機率是80%。

在談論科技新聞時使用發音B的機率是70%。

在描述植物時使用發音C的機率是90%。

對於「我喜歡吃蘋果」這句話，顯然是日常對話場景，所以語音助理會選擇發音A，因為這種場景的機率最高。在語音合成中，科學家們經常使用一種叫做「機率圖」的工具。想像一下，你正在玩一個迷宮遊戲，在迷宮的每個轉角，每個方向都有不同的機率讓你找到出口。

在語音合成的「迷宮」中，每個轉角代表一個音素，不同的路徑代表不同的發音方式，而機率則決定了應該選擇哪條路徑。語音助理的任務就是在「迷宮」中找到最可能的路徑，也就是聽起來最自然的發音方式。

你可能會問：「每次都會選擇機率最高的發音嗎？」聰明的問題！為了讓語音聽起來更自然，科學家們在語音合成中加入「隨機性」。偶爾選擇機率稍低的發音，反而讓整體語音聽起來更自然唷。

在語音助理的背後，機率論正在默默的發揮著神奇的力量。它幫助機器理解語言的規律，讓人工智慧可以用自然的方式與我們交流。所以，數學真的無所不在唷！