首頁(yè)>>廠商>>語(yǔ)音識(shí)別與合成>>科大訊飛

科大訊飛電話語(yǔ)音識(shí)別InterReco 2.0——產(chǎn)品簡(jiǎn)介

2008/08/11

• 科大訊飛電話語(yǔ)音識(shí)別InterReco 2.0——產(chǎn)品簡(jiǎn)介
• 科大訊飛電話語(yǔ)音識(shí)別InterReco 2.0——應(yīng)用開(kāi)發(fā)及工具包

一、產(chǎn)品概述

　　電話語(yǔ)音識(shí)別引擎InterReco2.0可以為自助式電話語(yǔ)音系統(tǒng)提供完善的語(yǔ)音識(shí)別技術(shù)解決方案。集成InterReco2.0的自助式語(yǔ)音系統(tǒng)能夠?yàn)榭蛻籼峁┤�天候的�?yōu)質(zhì)語(yǔ)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(yǔ)音識(shí)別產(chǎn)品整合了科大訊飛研究院、清華訊飛語(yǔ)音實(shí)驗(yàn)室及科大訊飛語(yǔ)音實(shí)驗(yàn)室在語(yǔ)音識(shí)別技術(shù)上多年的積累，專門針對(duì)中文語(yǔ)音識(shí)別的技術(shù)特點(diǎn)進(jìn)行了全面優(yōu)化。對(duì)于中文語(yǔ)音識(shí)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(wèn)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(yǔ)音數(shù)據(jù)，采用最新的區(qū)分性訓(xùn)練方法進(jìn)行語(yǔ)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(guó)際領(lǐng)先。InterReco2.0產(chǎn)品架構(gòu)上延用了科大訊飛在語(yǔ)音合成中久經(jīng)錘煉的高穩(wěn)定分布式語(yǔ)音平臺(tái)，可以滿足電信級(jí)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(shí)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(kāi)發(fā)集成及進(jìn)行業(yè)務(wù)開(kāi)發(fā)，主要功能有如下：

• 大詞匯量、獨(dú)立于說(shuō)話人的健壯識(shí)別功能

　　識(shí)別系統(tǒng)能對(duì)多種語(yǔ)言進(jìn)行大詞匯量的識(shí)別，在中文識(shí)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(yǔ)法內(nèi)容進(jìn)行分詞處理，保證多音字的識(shí)別效果。


• 端點(diǎn)檢測(cè)與打斷（End Pointer && Barge-In）

　　端點(diǎn)檢測(cè)是對(duì)輸入的音頻流確定語(yǔ)句的起始和終止的處理過(guò)程。當(dāng)找到語(yǔ)句的起始和終止點(diǎn)后，語(yǔ)句區(qū)向前后分別延伸預(yù)定的長(zhǎng)度。一旦檢測(cè)到語(yǔ)句的起始點(diǎn)，語(yǔ)音開(kāi)始流向識(shí)別引擎，直到檢測(cè)到語(yǔ)句的終止點(diǎn)。通過(guò)這種方式，識(shí)別引擎在用戶在講話的同時(shí)，已經(jīng)開(kāi)始處理講話的內(nèi)容，而又不需要處理語(yǔ)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(wú)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(shí)別結(jié)果和置信度（N-Best && CM）

　　對(duì)于有些應(yīng)用程序，可能需要識(shí)別引擎產(chǎn)生可能的識(shí)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(shí)別結(jié)果列表，并按可能性從高到低排列。

　　語(yǔ)音識(shí)別引擎在返回識(shí)別結(jié)果時(shí)會(huì)攜帶該識(shí)別結(jié)果的置信度，對(duì)多個(gè)識(shí)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(shí)別結(jié)果的分析和后續(xù)處理提供依據(jù)，改善在用戶語(yǔ)音不清晰、語(yǔ)義不明確時(shí)的效果體驗(yàn)。


• 語(yǔ)音錄入（Voice Enrollment）

　　允許用戶通過(guò)本人語(yǔ)音來(lái)向動(dòng)態(tài)語(yǔ)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(yǔ)音，提高系統(tǒng)的識(shí)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(yǔ)音通訊錄的應(yīng)用中，用戶可以通過(guò)語(yǔ)音的方式來(lái)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(dòng)態(tài)語(yǔ)法

　　動(dòng)態(tài)語(yǔ)法是由應(yīng)用程序在運(yùn)行時(shí)動(dòng)態(tài)創(chuàng)建和修改的語(yǔ)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(yǔ)音識(shí)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(yǔ)法、識(shí)別過(guò)程的中間結(jié)果、識(shí)別模塊調(diào)用過(guò)程、識(shí)別使用的各種參數(shù)、識(shí)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(shuō)話人自適應(yīng)

　　當(dāng)用戶多次使用同一識(shí)別系統(tǒng)時(shí)，識(shí)別引擎能夠逐步適應(yīng)其口音，使該使用者的識(shí)別效果逐步提高。同時(shí)，如果預(yù)先給定特定說(shuō)話人的數(shù)據(jù)，系統(tǒng)可以針對(duì)特定說(shuō)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(yǔ)音模型，使該說(shuō)話人在使用系統(tǒng)時(shí)，識(shí)別效果更好。


• 多槽識(shí)別

　　語(yǔ)音識(shí)別的槽（Slot）代表一個(gè)關(guān)鍵字，即在一次識(shí)別中可以識(shí)別多個(gè)關(guān)鍵字，這種識(shí)別模式可以提高語(yǔ)音識(shí)別的使用效率和用戶體驗(yàn)。


• 模型自適應(yīng)

　　針對(duì)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(shuō)話人特征，無(wú)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。

CTI論壇編輯