科大訊飛電話語音識別InterReco
2.0——產(chǎn)品簡介
2008/08/11
一、產(chǎn)品概述
電話語音識別引擎InterReco2.0可以為自助式電話語音系統(tǒng)提供完善的語音識別技術(shù)解決方案。集成InterReco2.0的自助式語音系統(tǒng)能夠?yàn)榭蛻籼峁┤旌虻膬?yōu)質(zhì)語音服務(wù)，從而確保以較低的投入顯著提高客戶滿意度。
科大訊飛電話語音識別產(chǎn)品整合了科大訊飛研究院、清華訊飛語音實(shí)驗(yàn)室及科大訊飛語音實(shí)驗(yàn)室在語音識別技術(shù)上多年的積累，專門針對中文語音識別的技術(shù)特點(diǎn)進(jìn)行了全面優(yōu)化。對于中文語音識別應(yīng)用中經(jīng)常面臨的方言口音、復(fù)雜信道和背景噪聲等問題，依據(jù)從實(shí)際業(yè)務(wù)系統(tǒng)中收集的涵蓋不同方言和不同環(huán)境噪聲的海量語音數(shù)據(jù)，采用最新的區(qū)分性訓(xùn)練方法進(jìn)行語音建模，從而使InterReco2.0在復(fù)雜應(yīng)用環(huán)境下可以擁有良好的一致性效果表現(xiàn)，核心技術(shù)效果達(dá)到國際領(lǐng)先。InterReco2.0產(chǎn)品架構(gòu)上延用了科大訊飛在語音合成中久經(jīng)錘煉的高穩(wěn)定分布式語音平臺，可以滿足電信級應(yīng)用的高可靠性要求。
二、產(chǎn)品功能：
InterReco2.0在復(fù)雜環(huán)境的識別效果均有不俗表現(xiàn)，產(chǎn)品考慮了呼叫中心、增值服務(wù)中的不同應(yīng)用特點(diǎn)，易于開發(fā)集成及進(jìn)行業(yè)務(wù)開發(fā)，主要功能有如下：
- 大詞匯量、獨(dú)立于說話人的健壯識別功能
識別系統(tǒng)能對多種語言進(jìn)行大詞匯量的識別，在中文識別方面使用了訊飛TTS引擎使用的詞典和文本分析技術(shù)，能夠?qū)φZ法內(nèi)容進(jìn)行分詞處理，保證多音字的識別效果。
- 端點(diǎn)檢測與打斷（End Pointer && Barge-In）
端點(diǎn)檢測是對輸入的音頻流確定語句的起始和終止的處理過程。當(dāng)找到語句的起始和終止點(diǎn)后，語句區(qū)向前后分別延伸預(yù)定的長度。一旦檢測到語句的起始點(diǎn)，語音開始流向識別引擎，直到檢測到語句的終止點(diǎn)。通過這種方式，識別引擎在用戶在講話的同時(shí)，已經(jīng)開始處理講話的內(nèi)容，而又不需要處理語音的起止處多余的靜音，從而節(jié)約CPU時(shí)間和網(wǎng)絡(luò)帶寬。
打斷功能使用戶可以打斷提示、作出響應(yīng)，無需等到提示音結(jié)束播放。打斷功能使得用戶和系統(tǒng)間的交流更加快捷、自然，特別是系統(tǒng)的熟練用戶。
- 多識別結(jié)果和置信度（N-Best && CM）
對于有些應(yīng)用程序，可能需要識別引擎產(chǎn)生可能的識別結(jié)果集，而不是一個(gè)最好的結(jié)果。系統(tǒng)提供了可能的識別結(jié)果列表，并按可能性從高到低排列。
語音識別引擎在返回識別結(jié)果時(shí)會攜帶該識別結(jié)果的置信度，對多個(gè)識別結(jié)果給出其可能性的指標(biāo)，準(zhǔn)確的置信度輸出可以為識別結(jié)果的分析和后續(xù)處理提供依據(jù)，改善在用戶語音不清晰、語義不明確時(shí)的效果體驗(yàn)。
- 語音錄入（Voice Enrollment）
允許用戶通過本人語音來向動態(tài)語法增加命令或詞表。這種方式不但能夠有效利用用戶個(gè)性化的語音，提高系統(tǒng)的識別準(zhǔn)確率；而且能夠提高用戶輸入詞表的方便性和靈活性。例如，在語音通訊錄的應(yīng)用中，用戶可以通過語音的方式來添加通訊錄，從而使用戶可以隨時(shí)隨地修改自己的通訊錄。
- 動態(tài)語法
動態(tài)語法是由應(yīng)用程序在運(yùn)行時(shí)動態(tài)創(chuàng)建和修改的語法。這在應(yīng)用程序詞匯必須在運(yùn)行時(shí)才能完全確定的情況下是必不可少的。
- 呼叫日志（Call Logging）
語音識別的調(diào)用日志在系統(tǒng)中有著非常重要的作用，該日志記錄了輸入的音頻、加載的語法、識別過程的中間結(jié)果、識別模塊調(diào)用過程、識別使用的各種參數(shù)、識別結(jié)果以及當(dāng)時(shí)的系統(tǒng)環(huán)境信息。這些數(shù)據(jù)是效果分析的依據(jù)，詳盡的Call-Log是效果優(yōu)化的基礎(chǔ)。
- 說話人自適應(yīng)
當(dāng)用戶多次使用同一識別系統(tǒng)時(shí)，識別引擎能夠逐步適應(yīng)其口音，使該使用者的識別效果逐步提高。同時(shí)，如果預(yù)先給定特定說話人的數(shù)據(jù)，系統(tǒng)可以針對特定說話人進(jìn)行自適應(yīng)訓(xùn)練以獲得更加適合其發(fā)音特征的語音模型，使該說話人在使用系統(tǒng)時(shí)，識別效果更好。
- 多槽識別
語音識別的槽（Slot）代表一個(gè)關(guān)鍵字，即在一次識別中可以識別多個(gè)關(guān)鍵字，這種識別模式可以提高語音識別的使用效率和用戶體驗(yàn)。
- 模型自適應(yīng)
針對每個(gè)應(yīng)用專門優(yōu)化通用模型從而更加適合應(yīng)用：包括方言和口音的說話人特征，無線設(shè)備、VoIP設(shè)備等通道特征，詞匯和環(huán)境噪聲等應(yīng)用特征。
InterReco2.0除了在核心技術(shù)指標(biāo)上一系列優(yōu)異的表現(xiàn)外，針對語音識別集成開發(fā)和業(yè)務(wù)實(shí)現(xiàn)難的問題，InterReco2.0還提供了一整套易用的開發(fā)接口和工具，使語音識別應(yīng)用的合作伙伴可以基于該引擎方便的開發(fā)應(yīng)用系統(tǒng)，并通過所提供的工具及時(shí)發(fā)現(xiàn)開發(fā)中出現(xiàn)的問題。此外InterReco2.0在業(yè)務(wù)實(shí)現(xiàn)階段，提供了簡單易用的語法設(shè)計(jì)和實(shí)現(xiàn)方式，用戶甚至寫漢字就可以實(shí)現(xiàn)語音識別語法的編寫，系統(tǒng)還提供了語法向?qū)В渲幸呀?jīng)內(nèi)置了常用業(yè)務(wù)語法，使用戶可以更簡單的使用語音識別系統(tǒng)。相信隨著科大訊飛發(fā)布國際領(lǐng)先的電信級中文語音識別產(chǎn)品，通過和合作伙伴的共同努力，語音識別將為合作伙伴帶來更大的增值空間，中文語音識別產(chǎn)業(yè)將獲得更快的發(fā)展。
CTI論壇編輯
相關(guān)鏈接: