2013第二屆運商終端與應用創(chuàng)新合作大會于8月7-8日在國賓酒店召開，來自產業(yè)各界近500位嘉賓出席，針對運營商終端定制、產業(yè)合作、流量經營等焦點話題展開深入交流。通信世界網作為直播媒體將對本次大會進行直播。

 
捷通華聲首席架構師陳明

　　陳明：大家下午好！我是北京捷通華聲首席架構師陳明，給大家介紹一下靈云平臺人機交互的平臺，捷通華聲品牌不是很強，簡單介紹一下捷通華聲，另外講一下靈云平臺介紹、應用和解決方案。

　　捷通華聲成立于2000年10月，一直致力于云的交互、手寫識別智能交互系統的研究應用開發(fā)，公司的主要愿景和理想，讓人機交互變成人與人溝通簡單自然，包括我本人和公司創(chuàng)始人，以及聘請兩位老科學家，指導我們做語音合成和手寫識別教授，我們都是在這個領域多年經驗，一直成為讓人機交互越來越自然，成為我們很大的夢想。超前追溯一下可以追到1998年，成立捷通軟件公司，推出漢字輸入系統，當時集成OCR手寫識別、語音識別、TDS協同，現在有一些輸入法集成進來，我們15年前做了這個事情，只不過在PC上邊，當時技術或多或少有不成熟地方，這個參加推出來以后，我們公司下決心一個技術方面要有掌握核心技術，因為當時技術都是集成第三方的技術，包括當時用的云識別是IBM的VRS，想有自己的產品技術，2000年成立捷通華聲，相繼一年以后推出TTS技術和手寫識別技術，TTS技術是國內實用化技術，02年的時候因為一個機遇，假如聯通和高通合作的業(yè)務開發(fā)里邊，因此進入移動互聯網行業(yè)，03年中標北京重大科技奧運項目，開發(fā)多語種智能平臺，奠定公司在語音行業(yè)的地位，06年參與移動百寶箱業(yè)務08年我們業(yè)務接入電信天翼。09年中標中國高鐵項目，站臺播報技術都是我們提供，2010年公司看到云技術、大數據技術發(fā)展，也想轉化商業(yè)模式，希望我們提供人機交互模式，提供開發(fā)商，希望把技術放在云端，讓用戶使用，促成靈云的誕生，2011年底推出靈云平臺，經過一年半發(fā)展，現在也是靈云平臺比較成熟。

　　經過十幾年發(fā)展，公司在各個領域、各個行業(yè)緊密合作伙伴，包括運營商、手機廠商等合作伙伴。

　　二、靈云平臺介紹

　　希望把手寫識別、語音識別、語音合成等等人機交互系統放在云端，讓用戶在使用各種設備，在任何時間點都可以像用水、用電一樣使用智能人機交互技術，實現人機交互人與人溝通簡單自然的目標。這是我們平臺架構，主要有多個服務結點，都包含任務的分配，轉化具體服務器進行處理，不同的語音識別組成服務器的池，我們有一個中央統一運維管理系統，云平臺很大的優(yōu)點，我們能夠收集大量用戶上傳的視聽資料，對于我們做手寫識別的技術，不斷提升我們識別率，開發(fā)者可以通過我們登陸社區(qū)平臺申請應用，下載SDK進行相關的開發(fā)。

　　靈云平臺第一個特點高度融合的平臺，這個平臺融合很多人機交互能力，我們接口是比較統一的接口，保持比較大的一致性，然后用戶可以很容易訪問其他能力，另外底層能力接口定義規(guī)范，新的能力可以很融入加入里邊，現在跟人臉廠商討論，希望把他們技術引入我們平臺上邊去。單一能力可能自己做自學、不斷優(yōu)化的工作，在統一平臺做一些工作，試圖多個出入模塊里邊，把用戶數據進行統一的學習、數據挖掘，提高我們質量。

　　靈云平臺第二個特點是云加端方式，本地處理各自有各自的優(yōu)點，中國環(huán)境不是很好，互聯互通問題情況下，除了提供云的能力以外，其實我們也提供本地端的處理方式，可以不依賴于網絡，達到更好的可用性和更好響應時間，實際計算處理可以放在本地做，另外一些場景下邊云加端識別策略，云識別場景下對于云端，本地端對本地通訊錄、本地應用達到更好的識別率，可以進行協同識別策略兩邊結果進行判斷，達到選擇更好、更有可能的結果，使用戶體驗更好。

　　第三個特點可定制，除了提供公有云以外，可以根據客戶需求定制云解決方案，前一段時間給百度定制云合成的私有云，根據他們運維和監(jiān)控需求，把我們部署結構、日志輸出都按照他們要求更改，當然針對其他客戶也可以做這樣的宏觀。模型、音庫、模板可以根據特殊領域進行定制，大大提高領域的識別率和合成效果，比如音庫可以跟企業(yè)合作，為他們專門進行錄音，制造專門企業(yè)自己用的音符，跟其他聲音不一樣，這是我們一些特點。

　　從核心技術方面，主要集中在云交互和圖象識別兩個方面，后期也跟一些廠商合作，希望將來能夠拓展到生物特征識別、人臉識別方面，也把它加入我們應用平臺上邊去。

　　語音合成技術是捷通華聲做了十多年，現在自然度、流暢度已經很高，我們提供多語種、多音色、多領域的優(yōu)化，使聲音基本上可以很好，這個公司在行業(yè)一半的市場份額，大家平時打電話銀行、排隊叫號好多都是提供服務的。

　　語音識別方面前期主要做嵌入詞比較多，目前我們連續(xù)識別達到適用的水平，基本達到90%左右，另外采用圖像壓縮方式，使識別速度比較快，比較大提高識別率，我們測試結果基本能到41%以上。另外針對云服務收集上來的語料，一直進行模型優(yōu)化訓練，使識別率不斷提高。

　　手寫識別技術，行疊寫是我們公司率先提出，極大的優(yōu)化用戶無線體驗，另外手寫技術支持語種非常廣泛，目前支持27種識別。光學字符識別本人以前做這方面，近年來隨著終端設備越來越強大，攝象頭越來越好，實際拍照出來東西對它進行處理，有一些新的挑戰(zhàn)，比如光照的影響或者拍的時候角度，包括復雜景物下文字處理，這是十年間做文檔類字符識別不考慮，兩年前主要做一些工作，主要集中圖象識別上，包括證照、票據識別上。

　　自然語言理解技術，對自然語言進行分析然后進行意圖理解，在這個基礎上推出像智能客服、手機助手產品，另外也跟車載、智能家電廠商合作，做理解技術包括語音交互的產品。