我们可以把语音识别的这三个方面想象成三维立体轴。在词汇轴上，需要识别的字越少，对计算机而言就越容易。假如系统事先就知道说话的人是谁，问题就更简单了。如果说话的人能一个字一个字分开发音，计算机就听得更明白，识别起来也就更容易。在这三条轴的起始点，我们可以找到少得不能再少、完全依赖于说话者语音的词汇，念出这些词汇的时候，字与字之间必须有明——显——的——停——顿。
当我们顺着任何一条轴移动的时候，也就是说，增加计算机所能识别的词汇，让系统能够服务于任何说话者，或是容许字与字相连的程度越来越高，在这种情况下，每前进一步.都会使问题变得越来越困难。当到达三条轴的远端时，我们期望计算机能够识别任何人说的任何字，以及“印（任）何程度”的含混字。人们通常都认为，我们必须在两条或三条轴上都达到最远端时，语音识别系统才能对人类有用。这完全不对。
让我们一个一个来考虑。谈到词汇多寡的时候，我们可能会问：多少才算多呢？500个字、5000个字还是50000个字?但这个问题其实应该是：在任何时候，计算机存储器中究竟需要多少它可以识别的单字？这个问题提示我们把词汇根据上下文分成组，这样在需要的时候就可以把大群词组放进存储器中。当我要求我的计算机接听电话时，它会把信息输入我的电子电话本。当我计划到什么地方旅行时，它则把地名输入到上面。
Part 2|个性化界面
137