假如你把词汇量看成在任何情况下都需要的一组字——称为“字窗”（wordwindows)——那么计算机只需要从一个小得多的字音库中拣字就可以了，这一字音库只要有500个字左右就够了，不需要50000个字那么多。
人们所以假设需要有能够识别各个独立讲话人的语音识别系统，是由于这种功能是过去电话公司的一项要求，电话公司的中央计算机必须能听懂每个人的话，提供一种“通用服务”。今天，计算机的普及率更高，而且更加个人化。我们在网络的外围一—通过个人计算机、话筒，或经由一小块智能卡（smartcard）的协助，能够完成更多的语音识别。如果我想在电话亭里和一部航空公司的计算机谈话，我可以先接通我的家用计算机或拿出我的袖珍型计算机，让它先替我把声音转换成机器看得懂的信号，然后，再和航空公司的计算机联络。
第三个问题是字音的模糊性问题。和计算机说话的时候，我们不希望像一个观光客对外国小孩说话一样，夸张地吐出每个单字，而且每念一个字，都停顿一下。因此这个轴最具挑战性。但是我们也可以把问题稍稍简化，也就是把语言看成许多字一起发出的声音，而不是许多单个字的声音。事实上，处理这种连成一片的字音，很可能正是你的计算机走向个人化的必经过程和必须接受的训练的一部分。
当我们把讲话看成一种互动的和对话的媒介时，我们离语音识别中最容易的那部分已经没有多远了。
138
being digital|数字化生存