北京捷通華聲語(yǔ)音技術(shù)有限公司（簡(jiǎn)稱(chēng)“捷通華聲”）今日在北京中關(guān)村舉行“2012靈云發(fā)布會(huì)”。會(huì)上，捷通華聲發(fā)布了語(yǔ)音識(shí)別、語(yǔ)義理解和光學(xué)字符識(shí)別三項(xiàng)HCI技術(shù)，其中語(yǔ)音識(shí)別準(zhǔn)確率已達(dá)到90%以上。

　　此前，捷通華聲一直以語(yǔ)音合成技術(shù)和手寫(xiě)技術(shù)聞名于業(yè)界。而如今其語(yǔ)音合成技術(shù)依然保持領(lǐng)先，有超過(guò)50%的市占率。而手寫(xiě)識(shí)別也占據(jù)了約35%的市場(chǎng)份額，且支持42種語(yǔ)言及手寫(xiě)/疊寫(xiě)識(shí)別，突破了用戶(hù)疊寫(xiě)字跡無(wú)法識(shí)別的局限。

圖1：參會(huì)嘉賓通過(guò)手寫(xiě)識(shí)別獲取簽到資料

　　除了已有HCI技術(shù)，捷通華聲在發(fā)布會(huì)上又發(fā)布了語(yǔ)音識(shí)別、語(yǔ)義理解和光學(xué)字符識(shí)別三項(xiàng)新技術(shù)。語(yǔ)音識(shí)別是指機(jī)器對(duì)人聲的識(shí)別，主要有“所說(shuō)即所點(diǎn)”、“智能意圖控制”、“語(yǔ)音輸入”三種應(yīng)用場(chǎng)景。語(yǔ)義理解是機(jī)器對(duì)人類(lèi)語(yǔ)言的理解，目前大多應(yīng)用在智能問(wèn)答場(chǎng)景中。光學(xué)字符識(shí)別，則是對(duì)印刷體文本資料中的文字和版面信息識(shí)別的過(guò)程。

　　在語(yǔ)音識(shí)別方面，捷通華聲針對(duì)三種不同場(chǎng)景做了專(zhuān)門(mén)優(yōu)化。“所說(shuō)即所點(diǎn)”是用人聲來(lái)代替點(diǎn)擊操作，解決了車(chē)載等無(wú)法便捷實(shí)現(xiàn)點(diǎn)擊的場(chǎng)景局限。目前這方面的識(shí)別正確率已超過(guò)95%，識(shí)別響應(yīng)時(shí)間從原來(lái)的2.7秒降到了0.3秒。

　　而“智能意圖控制”是人通過(guò)語(yǔ)音控制周?chē)�環(huán)境，執(zhí)行一系列命令操作的過(guò)程，比如人與智能手機(jī)客戶(hù)端小唐龍的互動(dòng)，成功實(shí)現(xiàn)了人機(jī)互動(dòng)的便捷生活。第三大場(chǎng)景“語(yǔ)音輸入”則是將人的聲音轉(zhuǎn)換成文字，目前捷通華聲這一技術(shù)在微博短信中的語(yǔ)音輸入正確率已超過(guò)90%。

圖2：靈云輸入法與小唐龍下載區(qū)

　　至今，靈云已擁有語(yǔ)音合成（TTS）、語(yǔ)音識(shí)別（ASR）、手寫(xiě)識(shí)別（HWR）、光學(xué)字符識(shí)別（OCR）、人工智能(AI)等多項(xiàng)HCI核心技術(shù)。通過(guò)捷通華聲工程師團(tuán)隊(duì)的努力，這些技術(shù)被成功放置到靈云平臺(tái)上，且其客戶(hù)端程序被大大縮減至3M。通過(guò)這3M大小的應(yīng)用程序，客戶(hù)可以調(diào)用所有的靈云能力，從而為不同領(lǐng)域、行業(yè)企業(yè)提供了多種HCI解決方案，包括無(wú)紙化辦公方案、電子簽批方案、電子表單處理方案、語(yǔ)音技術(shù)方案、智能客服系統(tǒng)方案等。

　　除了支持多項(xiàng)HCI技術(shù)，靈云還可以?huà)旖拥谌�方的HCI能力，力求將多樣化的HCI技術(shù)加載到靈云平臺(tái)上，服務(wù)服務(wù)廣大的用戶(hù)。而“云+端”的方式，使得靈云性能更優(yōu)化，響應(yīng)速度更快，極大地方便了用戶(hù)的使用。而作為一個(gè)開(kāi)放性平臺(tái)，靈云定制化的目標(biāo)更加明確，滿(mǎn)足各種場(chǎng)景應(yīng)用和需求。捷通華聲董事長(zhǎng)張連毅表示，通過(guò)靈云以及各項(xiàng)HCI技術(shù)的不斷創(chuàng)新，捷通華聲希望能達(dá)成“讓人與機(jī)器的交流像人與人一樣自然”的愿景。