中大電子工程學系教授李丹 為失聲者留下獨有聲線 (潘天惠)
「廣東話真係好正！」中大電子工程學系教授李丹，14歲由內地來港才首次接觸廣東話，自1992年起醉心研究語音處理技術，去年成功為即將失聲的喉癌病人設計出「獨家留聲機」，將來有望留住更多香港好聲音。
「Rec唔recognize到呀？哈哈，一個英文字中間夾雜中文，對我們來說是非常有趣。」他開懷大笑，說得雲淡風輕。停一停、想一想，今日我們用語音轉化文字只需要幾秒鐘，但是背後的漫長研究，又何止花了十年功。
「去年夏天，有學生在社交平台見到有網友求助，得知有位女士因喉癌復發，即將接受手術，之後會喪失說話能力，兒子希望把母親的聲線留下。」初步了解後，李丹認為與團隊做的研究相似，「成件事有得諗」，馬上聯絡其家人安排後續事宜，「原理跟Siri差不多，利用人工智能技術生成語音模型，特別之處在於採用病人的獨有聲線。」
中大教授李丹花了半生青春研究廣東話語音轉化技術，造福後世。（吳楚勤攝）
當時，距離病人接受手術剩下10日，但一般研究項目需要錄音超過10小時，究竟在有限時間內如何做到？「實際上，我們只剩下7日進行錄音，考慮到身體狀況等不同因素，我們無法要求病人長時間不停講，於是我們見面5次，大方向是錄得幾多得幾多，最終有效錄音為5小時左右。」他有條不紊地交代經過。
「研究角度上未必夠用，但時間無多，我們只能盡做，刻意收錄風格不同的對話，頭一次先錄日常用語，之後再錄其他內容。」頓一頓，他再說：「她本身在教會工作，便要求她讀一段《聖經》，再講一些辦公室用到的句子，如『可唔可以幫我攞份文件』之類。」
故事點播機
去年6月開始錄音，病人7月初開刀，9月左右「獨家」應用程式便告面世，他滿意地表示：「要找發聲工具不難，難在要做到語速、語氣、說話風格似足當事人，為了讓用家更容易操作，我們預設了常用句子，如『潘生你好』，只需改一個字，便能對另一個人說話。」
李丹即場向記者示範，果然神奇到一個點，不知來龍去脈的話，根本不可能分辨到聲音是由AI模仿出來，「家人和朋友聽起來覺得很親切，病人很高興，甚至可預先錄製講話，再配合PowerPoint做分享會，不認識她的人，如果只聽語言短訊，完全無法知道她已失去說話能力。」
去年有位女士因喉癌復發，即將接受手術，之後會喪失說話能力，兒子希望把母親的聲線留下，李丹（右一）利用人工智能技術生成語音模型。（信報資料圖片）
有關應用程式目前不適合其他人使用，但中大團隊仍為病人建立了專屬伺服器，「我們最初只是想幫助她，她覺得效果理想，期望未來幫到更多人，於是我就主動聯繫耳鼻喉科醫生，目前也在跟進幾個病人，最大問題是，實驗室日常工作是教學，即使學生願意犧牲私人時間，一旦太多病人找上門，怕人手和資源應付不來，現階段還在探討將來如何走下去。」
或許，「獨家留聲機」短期內未必能廣泛應用，但預計今年內推出的「故事點播機」，相信會是父母們的福音。「原意是鼓勵小朋友自己創作故事，目前還有少少沙石，但已準備得七七八八。」他解釋，這款應用程式收錄了約100個兒童故事，能讓小朋友自行改動內容，如角色名字、顏色、地點等，數十秒便可生成全新故事，非常有趣。
語音處理技術今日走入了尋常百姓家，但原來並非學界熱門研究範疇，受歡迎程度遜於圖像處理、臉部識別或元宇宙，李丹在1992年入行時全港只有兩個語音工程師，「今日包括我在內，香港只有五六個教授，為何那麼少？原因很多。」他的博士論文導師程伯中，1985年創立中大語音處理實驗室，後來獲擢升為中大副校長。
李丹（箭嘴）在每科的最後一堂，也會與學生合影留念。他為近兩年面授課減少而深感可惜。（受訪者圖片）
學生極搶手
自上世紀七十年代開始，英美開始研究語音處理，他表示：「兩大骨幹技術是speech recognition和text to speech，但進展不似預期，到九十年代初，依然停留在單字轉化，直至2012年研究人員把深度學習（deep learning）技術運用在speech recognition之上，才出現階梯性上升，加上智能手機增加了應用空間，工業界大飛躍，技術逐漸『落地』。」
「語音工程師現在炙手可熱，美國大公司動輒出到20萬美元年薪，我的學生畢業後都被騰訊、阿里巴巴、美團、華為等羅致，奈何本地學生比例不見大增長，高水平的學生仍以讀醫和法律為主。」他感慨道。
世事如棋，這名語音工程師在1984年入讀中大時，原來主修數學，「當年仍未搞清楚前途，升上大學才發覺純數講求抽象思考，與中學截然不同，愈讀愈吃力，後來發現電子工程幾有趣，聽過高錕的講座，便在一年班下學期轉系，成績中上。」他畢業後繼續讀碩士，然後到城市理工學院（城市大學前身）出任教學助理兩年，首次體會春風化雨的滋味，「回到港大讀博士，我跟的教授正是處理廣東話的語音技術，假如當年的師父是做半導體的，也許我今日就做半導體，哈哈。」
然而廣東話市場有限，為何不擁抱十多億人口的市場？他爽快回答：「起初是興趣不大，但慢慢發覺廣東話好正，博大精深，一來保存了很多中古音，二來韻母特別豐富，加上香港是全球擁有最多一流語言學家的地方，每次交流獲益良多。」
「廣東話有六聲，另加3個入聲，但高低音男女不同，如斜坡和車坡，已在語音處理上造成極大困難，而且廣東話是中國擁有最多虛詞的語言，什麼㗎、啫、喎……」李丹愈講愈興奮，「語言是流動的，香港人習慣中英夾雜，一句rec唔recognize到呀？哈哈，一個英文字加插中文，系統該如何處理呢？對我們來說是非常有趣！」
1987年，李丹（左一）與中大電子工程系同學慶祝陸運會和水運會取得佳績。（受訪者圖片）
蘋果買數據
他的團隊建立的廣東話語音數據庫，曾經是全球最大，連蘋果初代廣東話語音識別，也要向他們買數據，但他直言自己較關注小眾利益，「過去十多年，主要研究包括利用語音技術作出關於病理的前期篩查，如3至5歲的小朋友有否語言發展遲緩、有否黐脷筋，盡早發現，盡早處理。」想一想，他再說：「有些人中風後講的每個字，你都聽得明，但一整句聽是完全沒有意思，如今利用語言分析，我們甚至可以知道大腦哪個位置受傷，從而作出針對性治療。」
30年轉眼即逝，李丹早已看淡名利：「我不在乎改變世界，不需要很多人的掌聲，只要幫到一個人，我會盡力去幫。」學生時代，他曾經是中大合唱團團長，同時熱愛打籃球，時至今日仍保持每星期打兩次的習慣，更會飛到海外參加分齡賽，「學無止境，我覺得自己是幸運兒，在大學有機會與很多高人交流，自問性格八卦，什麼都想學，試過跟隨言語治療師去山東實地考察，深信比起自己整天坐在辦公室看論文更有意義。」
花了半生研究廣東話語音轉化，偏偏他不是廣東人。「我14歲才隨家人來香港，插班中四，那時才開始接觸廣東話。」
父母當年在內地是知識分子，爸爸教數學，媽媽教音樂和體育，但來港後只能在工廠打工賺錢，「有記憶以來都是自己顧自己，父母連我幾時考試都未必知，更別提教我功課、考試，就算之後揀讀數學，也算不上受到亡父影響，但自小喜歡閱讀相信與父母有關。」
他在1996年結婚，育有一子一女，坦言深受太太啟發，閱書無數的他認為，兒女經是一輩子看不完的書，「太太讀社工，畢業後教書，她令我更願意了解其他人，教育上要避免先入為主，就如教自己的子女，當他們慢慢長大，中學開始不會再聽你講，相處方式不同，但我仍堅持親手寫信給女兒，看不看我就無從得知，哈哈！」
前中大電子工程系教授程伯中（左）是李丹（右）的博士論文導師。（受訪者圖片）
撰文：潘天惠
更多訪談錄文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
 - EJ Tech){kind=link}
){kind=link}