<p>清晨的陽光灑在窗邊，他緩緩地坐起，雙手吃力地握住輪椅扶手。他的嘴唇微微顫動，卻發不出完整的音節。對大多數人而言，說話是再平常不過的事，但對他，聲音是一道深鎖的門，阻隔了世界的光與聲。這扇門背後，是無數像他一樣的語言障礙者，他們每天努力著，試圖讓那扇門重新打開，讓他們能夠參與這個喧囂但又美麗的世界。</p>
<p>&nbsp;</p>
<p>語言障礙者，因先天或後天的疾病或事故，失去了順暢表達的能力。他們的生活充滿挑戰：簡單的購物、與醫生討論病情，甚至只是與家人分享內心的想法，都變得艱難無比。他們的聲音變得模糊，甚至無法發聲，這樣的障礙不僅影響個人生活，更可能使他們逐漸與社會疏離。</p>
<p>&nbsp;</p>
<p>但科技，或許能成為改變這一切的鑰匙。</p>
<p>&nbsp;</p>
<p>2023年，國科會人文及社會科學研究發展處啟動了一項名為「以包容為導向之科技計畫」，其中「數位支持、溝通無礙」專案尤其引人注目。這個計畫由國立臺北大學電機資訊學院的張玉山院長主導，目標是透過AI技術，為語言障礙者開發溝通輔具，幫助他們突破溝通的障礙。</p>
<p>&nbsp;</p>
<p>「溝通是一項基本人權，卻可能因疾病或意外被剝奪。」張玉山院長談起計畫初衷時提到，這個計畫的靈感來自於一位特別的學生——患有罕見疾病的黃同學。當年，他在課堂上與黃同學的交流充滿困難，聽不清楚學生說的話，只能耐心等他慢慢打字。「當老師可以等，但外面的人呢？」這樣的疑問，讓張玉山院長決定啟動這個計畫。他的目標明確：「讓這些人能有尊嚴地發聲，與人交流。」</p>
<p>&nbsp;</p>
<h2><span style="font-size: 20px;"><strong>聲音的遺失與重建　語音資料庫的基石</strong></span></h2>
<p>「數位支持、溝通無礙」分為四個子計畫，涵蓋了從語音資料庫建立、個人化語音辨識、對話系統到溝通輔具推廣的完整研發與應用過程。其中，子計畫一「標準語音資料庫之建立、標註、合成」由國立臺北大學通訊工程學系江振宇教授負責，該計畫希望透過漸凍症病友的語音保存與合成技術，為失去語言能力的患者重建溝通的橋梁。</p>
<p>&nbsp;</p>
<p>漸凍症病友在發病初期語音仍清晰，但隨著病情加重逐漸失去言語能力，這對他們和家人都是巨大的心理落差。子計畫一建立的語音資料庫希望能提供病友一個錄音並且建立語音系統的平台，讓病友能在確診後且仍有正常構音情況下，儘快至平台上錄音，在往後如果失去正常的言語能力，便可以配合文字輸入輔助工具（比如眼動滑鼠），讓系統發出具有病友音色的合成語音，使得他們仍能用「自己的聲音」與世界溝通。</p>
<p>&nbsp;</p>
<p>自2020年起，江振宇教授與漸凍人協會合作，為患者建立專屬的文字轉語音系統。截至2021年底，團隊已為20位病友客製化語音系統，並開發出「VoiceBank語音銀行」，讓病友和語音捐贈者可以錄製並保存語音。至今，已有66位語音捐贈者參與，幫助22位病友建立個人語音檔案。</p>
<p>&nbsp;</p>
<p>江振宇教授指出，「語音銀行的核心價值在於效率和個人化。我們希望能以最少的錄音，盡量涵蓋到國語大部分發音特徵，並結合患者的日常語句，建立個人化的語音合成以及語音辨識系統。」語音資料庫目前正逐漸增加不同語言障礙類別以及程度的語音，未來可以建立辨認語音障礙程度的自動機制，協助語言治療師相關業務，並進一步改善語障者語音辨識的正確性。</p>
<p>&nbsp;</p>
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2024/12/3-1_670x460.jpg" /></p>
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">漸凍症病友在發病初期語音仍清晰，此時透過語音系統保存音檔，可在日後讓系統發出具有病友音色的合成語音。</div>
</div>
</div>
</div>
</div>
<p>&nbsp;</p>
<h2><span style="font-size: 20px;"><strong>每一個聲音都獨特　個人化語音辨識技術的突破</strong></span></h2>
<p>在「數位支持、溝通無礙」計畫中，子計畫二由張玉山院長主導，專注於為「嚴重吶語症」患者開發個人化語音辨識技術。這項技術目標明確：讓患者能快速、準確地用自己的聲音進行溝通。</p>
<p>&nbsp;</p>
<p>吶語症患者因語音特徵與一般人差異過大，難以使用市面上主流的語音辨識系統。張玉山院長指出，我們必須為每位患者量身訂製模型，因為每個人的語音缺失類型與程度都不同。這項個人化技術的核心是資料的蒐集與模型的精準訓練，並以「ezTalk」作為具體應用的代表性產品。</p>
<p>&nbsp;</p>
<p>「ezTalk」是一款整合性溝通輔具，提供多種模式滿足患者不同的溝通需求。例如，患者可利用簡單的音節發聲，系統會即時辨識並列出可能的詞句，讓患者選擇最符合的內容完成對話。對於無法發聲的患者，他們還可以透過輸入文字，讓系統根據語音資料庫播出具有個人音色的合成語音。</p>
<p>&nbsp;</p>
<p>更重要的是，「ezTalk」還具備資料蒐集與訓練功能。患者可以錄製單音、單句或整段話，這些資料將持續累積至個人資料庫，用於後續模型優化與準確度提升。張玉山院長建議，每個詞彙最好能錄製至少10次，這樣可以顯著提高模型的辨識效果。</p>
<p>&nbsp;</p>
<p>由於許多吶語症患者常伴隨其他肢體障礙，外出錄音對他們而言是巨大的挑戰。為了解決這一問題，張教授的團隊設計了遠距錄音功能，只需登錄「ezTalk」系統，患者便可隨時隨地進行錄音，將日常片語與生活用語添加至語音資料庫中。</p>
<p>&nbsp;</p>
<h2><span style="font-size: 20px;"><strong>從挑戰中尋找可能　生成式AI帶來的未來曙光</strong></span></h2>
<p>然而，語音辨識模型的訓練對語言障礙者來說是一道難題。張玉山院長指出，一個好的語言模型需要超過200萬筆語音數據才能達到高準確率，但吶語症患者通常只能提供1萬到2萬筆資料，頂多3萬筆。「要蒐集到足夠數據，不僅耗時，也會加重患者的負擔。」</p>
<p>&nbsp;</p>
<p>此外，現有的語音辨識技術往往針對一般用戶開發，對吶語症患者的聲音辨識準確度極低。「每位患者的語音特徵都獨一無二，我們不能用大眾模型套用在他們身上，只能為每個患者量身設計專屬的模型。」張玉山院長補充道。</p>
<p>&nbsp;</p>
<p>為了突破這一瓶頸，團隊嘗試運用生成式AI技術，通過少量語音樣本生成大量模擬數據，用以訓練個人化模型。這不僅縮短了模型訓練的周期，也讓語音輔具的普及化成為可能。「我們的目標是讓患者的負擔降到最低。」張玉山院長補充道，「生成式AI如果能順利運作，我們只需少量數據便可訓練出高準確度的語音模型。」</p>
<p>&nbsp;</p>
<p>儘管生成式AI的準確性仍在提升中，目前模型在語音連續性和語意準確性方面尚需提升，但團隊仍在測試不同技術方案，努力改善模型表現，目標是在最短的時間內，為患者提供更精準、更高效的語音輔具。</p>
<p>&nbsp;</p>
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2024/12/3-2_670x460.jpg" /></p>
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">將少量語音樣本透過AI生成大量模擬數據，有望縮短語音輔具的訓練時間。</div>
</div>
</div>
</div>
</div>
<p>&nbsp;</p>
<h2><span style="font-size: 20px;"><strong>拼湊聲音的缺角　讓溝通輔具融入生活的支持系統</strong></span></h2>
<p>對於重度語言障礙者來說，表達一個完整的句子或許像是在拼湊一幅拼圖，每塊拼圖都需要精確無誤地嵌入才能完成。而子計畫三，正是那位默默在背後協助完成拼圖的「語言拼圖師」。透過自然語言處理技術，它能將患者模糊或殘缺的詞句補足，再利用深度學習模型將語意和語法調整成流暢自然的表達。這不僅是幫助患者說出話，更是幫助他們以更有自信、更具完整性的方式參與日常對話。</p>
<p>&nbsp;</p>
<p>但完成語言僅僅是第一步，如何讓技術真正融入患者生活，成為日常的一部分？這正是子計畫四的使命——它更像是輔具的「生活教練」，不僅測試每一項設計的實用性，還深入患者與家人的日常需求，追蹤他們的使用情況，並協助他們解決使用中的技術困難。無論是語言治療師還是社工，這些專業角色的加入，讓技術從冷冰冰的實驗室走入溫暖的人生現場。計畫不僅僅是改進產品，而是打造一個能真正解決問題的支持系統。</p>
<p>&nbsp;</p>
<p>這四個子計畫，就像一個流暢運作的精密齒輪系統：子計畫一負責打地基，建立語音資料庫，為語音合成和辨識技術提供原材料；子計畫二將個人化語音辨識模型的設計細緻到每位患者，解碼他們專屬的語音密碼；子計畫三則像一位語言工程師，為語句補充邏輯與結構；最後，子計畫四將技術轉化成輔具，並把這些成果推向患者的日常，讓這些科技成果得以真正落地。</p>
<p>&nbsp;</p>
<h2><span style="font-size: 20px;"><strong>重拾聲音，重建尊嚴　科技開啟平等溝通的新篇章</strong></span></h2>
<p>從張玉山院長的「ezTalk」到江振宇教授的「VoiceBank」語音資料庫，每一項技術都以患者為核心，試圖重建他們與世界溝通的能力。語音資料庫的建立是技術的基石，但過程充滿挑戰。吶語症患者需要反覆錄音，而這對於身心俱疲的患者而言無疑是一大負擔。生成式AI的出現，為此提供了解決方案：少量的語音樣本可生成大量模擬數據，從而縮短模型訓練的週期，降低患者的參與壓力。然而，這項技術目前仍面臨語音連續性與語意準確性的挑戰，研究團隊正全力以赴，期望未來能實現更高效的應用。</p>
<p>&nbsp;</p>
<p>除了技術突破，這項計畫的成功也離不開對患者實際需求的重視。對經濟弱勢的語言障礙者而言，如何降低輔具的製作成本，讓更多患者能負擔得起，是推廣應用的關鍵。另一方面，計畫還涉及長期的支持與跟進，確保患者能真正融入生活。語音輔具不僅幫助患者重新說話，更是重建自信與尊嚴的重要媒介。</p>
<p>&nbsp;</p>
<p>語言的障礙不僅是溝通上的困難，更可能帶來情感與社會的孤立。而語音輔具的誕生，不僅讓患者重拾聲音，也讓他們重新找回參與生活的力量。這場科技的革命，從技術到人性，從患者到社會，正在改變的不僅是一群人的命運，而是對整個世界的包容力提出了新的定義。未來的世界，或許再無沉默無聲，只有更多被平等聆聽的聲音。</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>（客座總編輯｜中央研究院社會學研究所 陳志柔所長；研究顧問團隊｜國立臺北大學資訊工程學系張玉山教授、國立臺北大學通訊工程學系江振宇教授；責任編輯｜曹盛威、趙筱文）</p>
