首頁>>廠商>>語音識別與合成>>科大訊飛

科大訊飛董事長劉慶峰介紹語音云概念

2010/10/29

圖:科大訊飛董事長劉慶峰介紹語音云概念

　　科大訊飛在本次發(fā)布會(huì)上推出全球首個(gè)同時(shí)提供語音合成、語音搜索、語音聽寫等智能語音交互能力的移動(dòng)互聯(lián)網(wǎng)智能交互平臺——“訊飛語音云”。

　　以下為劉慶峰現(xiàn)場講演實(shí)錄：

　　尊敬的各位領(lǐng)導(dǎo)和嘉賓，大家下午好。感謝周光召先生和柳傳志先生的精彩演講，讓我們對我們民族語音產(chǎn)業(yè)的發(fā)展更是充滿了斗志和昂揚(yáng)的信心。就像剛才兩位領(lǐng)導(dǎo)所說的那樣，語音作為溝通和獲取信息最便捷的手段和方式，具有廣闊的應(yīng)用前景。而今天伴隨著語音核心技術(shù)的不斷突破，伴隨著移動(dòng)互聯(lián)網(wǎng)終端的不斷升級，以及后臺大規(guī)模服務(wù)并發(fā)文件的不斷升級，在當(dāng)前這個(gè)時(shí)代，應(yīng)用新的架構(gòu)，讓客戶能夠用到最好的語音技術(shù)，我們覺得時(shí)機(jī)已經(jīng)成熟。那么今天，科大訊飛在業(yè)界率先發(fā)布的包含語音的移動(dòng)互聯(lián)網(wǎng)的應(yīng)用和平臺，我們相信一定會(huì)對中國語音產(chǎn)業(yè)乃至移動(dòng)互聯(lián)網(wǎng)的發(fā)展起到非常重要的推動(dòng)作用。

　　下面我首先給大家匯報(bào)一下語音產(chǎn)業(yè)最新的一些概括，我們這里所講的語音技術(shù)，簡單來說就是使得信息時(shí)代的各種機(jī)器，都能夠像人一樣能聽會(huì)說，那么它包括了語音合成，讓機(jī)器開口說話；語音識別，讓它能聽懂人講話，比如說命令控制，語音搜索等等。那么隨著社會(huì)的信息化，網(wǎng)絡(luò)化和智能化的發(fā)展趨勢，語音技術(shù)的應(yīng)用可以深入到社會(huì)生活的幾乎所有行業(yè)，那么目前已經(jīng)在電信、銀行等等越來越多的行業(yè)得到了深入的應(yīng)用。

　　除此以外，語音技術(shù)還在國家的信息安全以及漢語國際推廣領(lǐng)域都有著非常重要的應(yīng)用，因此語音技術(shù)和產(chǎn)業(yè)歷來是世界各國競爭的熱點(diǎn)和焦點(diǎn)。那么2000年以前，中國語音產(chǎn)業(yè)幾乎全部由國外公司主導(dǎo)，98，99年，微軟，英特爾等等，都在中國成立了專門的語音研究機(jī)構(gòu)，應(yīng)該是產(chǎn)業(yè)形勢非常地危急。就是在這種背景下，以科大訊飛為代表的民族語音產(chǎn)業(yè)，在聯(lián)想投資，在科學(xué)院以及國家各部委的關(guān)心和支持下，我們勇于亮劍，經(jīng)過十年的發(fā)展，目前中國語音主流市場的80%已經(jīng)重新回到中國企業(yè)手中。

　　那么科大訊飛不僅在中文領(lǐng)域獲得了國際領(lǐng)先的成果，而且在英文技術(shù)領(lǐng)域方面也取得了國際領(lǐng)先的成就，科大訊飛現(xiàn)在已經(jīng)發(fā)展為中國語音產(chǎn)業(yè)唯一上市的公司，為下一輪更快更好的發(fā)展奠定了很扎實(shí)的基礎(chǔ)。那么今天，我們的語音產(chǎn)業(yè)又面臨著更加廣闊的巨大的發(fā)展機(jī)遇，這個(gè)機(jī)遇就是剛才我們柳總提到的全球已經(jīng)進(jìn)入高速發(fā)展的移動(dòng)互聯(lián)網(wǎng)時(shí)代，那么作為產(chǎn)業(yè)界共同公認(rèn)的，作為移動(dòng)互聯(lián)網(wǎng)，作為計(jì)算機(jī)整個(gè)產(chǎn)業(yè)發(fā)展的第五次浪潮，它將帶來產(chǎn)業(yè)的整體規(guī)模將是在桌面互聯(lián)網(wǎng)十倍以上速度的遞增，那么在這個(gè)過程中，會(huì)誕生一大批偉大的公司。那么在互聯(lián)網(wǎng)時(shí)代，由于我們的社會(huì)越來越小，經(jīng)常在開車走路的移動(dòng)狀況下使用，因此語音技術(shù)在這個(gè)時(shí)代就有更加廣闊的前景。我們的移動(dòng)互聯(lián)網(wǎng)正在以飛快的速度撲面而來，目前我們的8億手機(jī)用戶中，已經(jīng)有將近2億的移動(dòng)互聯(lián)網(wǎng)用戶，到2012年，我們的3G用戶也將超過2億以上，如此巨大規(guī)模的用戶群，一定會(huì)為中國移動(dòng)互聯(lián)網(wǎng)的發(fā)展提供源源不斷的動(dòng)力和持續(xù)成長的舞臺。

　　在這個(gè)大的發(fā)展趨勢中我們可以看到，對語音技術(shù)的投入力度和市場關(guān)注的步伐應(yīng)該說是前所未有的，我們從IBM，微軟，到現(xiàn)在的蘋果和Google都可以看出明確的趨勢，比如說IBM提出要把他的語音技術(shù)推向市場，微軟在多種場合下提出來，他未來看好的三大產(chǎn)業(yè)第一就是語音技術(shù)。那么微軟即將推出來的Window7，也已經(jīng)把語音作為非常重要的一部分，蘋果也正在研發(fā)語音識別技術(shù)等等。應(yīng)該說國際IT巨頭在中文語音領(lǐng)域，在全球范圍內(nèi)的對語音產(chǎn)業(yè)的高度關(guān)注，既促進(jìn)了這個(gè)產(chǎn)業(yè)的更快的發(fā)展，也為我們中國語音企業(yè)提出了更大的挑戰(zhàn)，使我們感到更大的發(fā)展的緊迫性。

　　在這種背景下，我們科大訊飛要發(fā)布我們的訊飛語音云各個(gè)，應(yīng)該說當(dāng)今的互聯(lián)網(wǎng)發(fā)展，社會(huì)各界都已經(jīng)明顯看到，互聯(lián)網(wǎng)已經(jīng)發(fā)展到了成年階段，就是越來越表達(dá)和反應(yīng)了一個(gè)國家和民族的核心力。所以說各國跟互聯(lián)網(wǎng)時(shí)代的網(wǎng)上的話語權(quán)和控制力的爭奪越來越激烈，而語音作為文化的基礎(chǔ)和民族的象征，我們認(rèn)為中國的民族語音企業(yè)，一定要在這場競爭中拿出我們的氣魄，做出我們的成果來。那么今天，科大訊飛我們要發(fā)布的訊飛語音云平臺，就是面臨這樣一種產(chǎn)業(yè)競爭的激烈的格局，以及巨大產(chǎn)業(yè)發(fā)展的空間，我們提出來。

　　那么我們訊飛語音云平臺的總體架構(gòu)，大家可以看這個(gè)圖，我們封裝了包括語音識別，語音合成等等戰(zhàn)略的各種智能語音技術(shù)，通過我們云計(jì)算平臺接口，統(tǒng)一實(shí)現(xiàn)資源管理，存儲(chǔ)管理等等，那么像開發(fā)伙伴提供便捷的開發(fā)環(huán)境和高校的語音服務(wù)。

　　下面給大家介紹并做一些相應(yīng)的演示，我們在訊飛云平臺中的一些核心技術(shù)。首先給大家介紹一下我們語音合成技術(shù)的發(fā)展和最新的成果。語音合成技術(shù)就是讓機(jī)器和各種設(shè)備開口說話，最關(guān)鍵的指標(biāo)我們的設(shè)備，在車上收到一條短信，我們能夠馬上讀出來，那么讀的效果好壞是一個(gè)非常的指標(biāo)，根據(jù)國際比賽，那么有五分的主觀評價(jià)標(biāo)準(zhǔn)，如果機(jī)器念的聲音跟我們播音員一樣，就是五分，像普通人一樣就是四分，我們請大家看一看我們語音合成在各個(gè)歷史階段的項(xiàng)目。

　　首先可以請大家聽一下我們在95年的技術(shù)。聽起來很像電影里面機(jī)器人的聲音，這說明技術(shù)難度很大。

　　看到98年，我們在業(yè)界率先達(dá)到了可使用門檻的水平。那么這是以這個(gè)系統(tǒng)為基礎(chǔ)，科大訊飛的創(chuàng)業(yè)團(tuán)隊(duì)創(chuàng)辦了訊飛公司，這對我們未來產(chǎn)業(yè)發(fā)展起到了巨大的推動(dòng)作用。今天非常高興告訴大家，我們的語音合成已經(jīng)做到4.5分，是業(yè)界唯一超過4.0分的系統(tǒng)，也就是說播音員是5分，普通人是4分，計(jì)算機(jī)是4.5分，我們下面聽一下。

　　那么剛才大家聽到的，這是863比賽的原文，謝謝。那么目前應(yīng)該說對基本任意文本我們都可以有這種水平，今天上午，我們針對今天的發(fā)布會(huì)，專門合成了一段文章，現(xiàn)在語音已經(jīng)可以由男聲，女聲，童聲，還有方言，請大家聽一下，謝謝。

　　那么這都是現(xiàn)場合成的，應(yīng)該說我們對幾乎任意文本都能做到這樣一個(gè)水平。那么除了包括中文的多語言多方言的情況之外，我們加大了國際多語種的研發(fā)，我們參加了由美國和日本聯(lián)合發(fā)起的國際英文大賽，這是全球最權(quán)威的語音合成比賽，06年科大訊飛成為業(yè)界最大的一匹黑馬，當(dāng)時(shí)包括了參加的有微軟公司等等，那么2006年，又連續(xù)比了四年，我們非常高興地告訴大家，訊飛已經(jīng)不但是黑馬，所有關(guān)注訊飛的情況下，我們連續(xù)四年蟬聯(lián)全球第一名，下面請大家聽一下我們英文合成的效果。

　　這一段英文合成應(yīng)該是非常地道，可以給大家看看這張圖，這是2001年國際比賽的結(jié)果，科大訊飛是唯一超過4.0分的英文合成系統(tǒng)，4.9分是參考對方的美國的播音員的水平。那么4.2是科大訊飛的，應(yīng)該說我們在英文合成上面的核心技術(shù)已經(jīng)是遠(yuǎn)遠(yuǎn)領(lǐng)先競爭對手，那么在未來幾年我們還會(huì)陸續(xù)推出其他全球最主要的語種。

　　下面再給大家介紹一下在移動(dòng)互聯(lián)網(wǎng)時(shí)代非常有意義的應(yīng)用，就是發(fā)音模擬技術(shù)，通過這個(gè)技術(shù)，就可以準(zhǔn)確分析他的聲帶特征等等，可以把一個(gè)人的聲音變成另外一個(gè)人說話，這個(gè)我們也做了一個(gè)案例，因?yàn)樯婕暗椒巧虡I(yè)的，我們這個(gè)不是一個(gè)商業(yè)的宣傳，因此我們用了我們中央臺著名播音員李瑞英的聲音，請大家聽聽。我們來看看我們模擬的聲音像不像，謝謝。

　　應(yīng)該說這樣一種發(fā)音模擬技術(shù)和我們語音合成技術(shù)相結(jié)合，未來在無線互聯(lián)網(wǎng)時(shí)代的網(wǎng)絡(luò)游戲、網(wǎng)絡(luò)教學(xué)、乃至于虛擬主持人等等都有非常廣闊的應(yīng)用。

　　前面給大家介紹的是語音合成技術(shù)，下面再給大家介紹一個(gè)，我覺得對語音識別非常有意義和價(jià)值的口語評測技術(shù)。這個(gè)技術(shù)簡單來講，就是使得計(jì)算機(jī)能夠?qū)ξ覀兊钠胀ㄔ捇蛘哂⒄Z發(fā)音等等進(jìn)行打分，評價(jià)和反饋指導(dǎo)。這項(xiàng)技術(shù)最早的需求來源是國家語委和教育部，所有的年輕人要想當(dāng)老師，必須要考普通話等級證書，以前都是人工考，三個(gè)老師考一個(gè)學(xué)生，十分鐘結(jié)果才能出來，效率很低，成本很高，讓計(jì)算機(jī)代替人工來進(jìn)行測試，這國家語委多年的目標(biāo)。我今天告訴大家，科大訊飛是唯一的一個(gè)能做到的，我們的技術(shù)在2009年測試人數(shù)已經(jīng)超過了100萬人，那么今年國家語委正式下文，大家有興趣可以登錄到我們的網(wǎng)站自己去體驗(yàn)，不僅可以對你的發(fā)音進(jìn)行打分，還可以告訴你錯(cuò)的地方在哪些地方。這些同樣在我們的英語教學(xué)，在我們少數(shù)民族教育都有非常重要的應(yīng)用。同時(shí)對我們將要發(fā)布的我們的語音聽寫和搜索起到了很重要的優(yōu)勢，應(yīng)該是我們非常強(qiáng)的一個(gè)核心優(yōu)勢。

　　那么在相應(yīng)的技術(shù)基礎(chǔ)上，我們科大訊飛在2008年，又開始參加國際上最權(quán)威的說話識別和語種識別的大賽，是NIST主辦的，那么這個(gè)組織從1996年開始，每兩年一次舉行說話人和語種的比賽，2000年以后是隔年進(jìn)行，09年是語種識別，語種識別就是一說話我們知道你是哪個(gè)國家哪個(gè)地區(qū)的人。我們可以看到，我們的所有指標(biāo)都在全球前三名。我們在通用語種上獲得了全球的亞軍，那么更難的，高混淆方言，我們是全球第一名。這些國際歷史上大賽的頻繁的獲獎(jiǎng)，充分的確立了科大訊飛在國際語音技術(shù)領(lǐng)域，從合成到識別的全面的領(lǐng)先技術(shù)。

　　那么圍繞上述這些核心技術(shù)，我們訊飛面向產(chǎn)業(yè)推出來的命令式識別和語音搜索技術(shù)，正在日益廣泛的進(jìn)入我們?nèi)粘Ｉ�活中。比如說在通訊領(lǐng)域，訊飛以音樂搜索為代表，我們的語音搜索業(yè)務(wù)已經(jīng)覆蓋了46個(gè)升級運(yùn)營點(diǎn)，用戶數(shù)超過1億人，擁有上千萬的穩(wěn)定活躍的用戶。此外，電信，移動(dòng)和聯(lián)通推出了一些典型業(yè)務(wù)。另外我們這個(gè)技術(shù)還從電信延伸到了金融、教育等越來越多的行業(yè)，而且在世博會(huì)上也發(fā)揮了重要的作用，包括語音識別，大家還看到可愛的海寶，能聽會(huì)說的海寶就是我們做的，你說白日依山盡，它就回到黃河入海流，非常聰明。那么在這個(gè)基礎(chǔ)上，我們隨著現(xiàn)代的實(shí)際應(yīng)用的發(fā)展和應(yīng)用中對核心技術(shù)提出了越來越高的要求，技術(shù)不斷的發(fā)展和進(jìn)步。

　　下面請大家看幾個(gè)非常典型的演示，第一個(gè)演示是在移動(dòng)的客服電話呼叫導(dǎo)航中的演示，這是一個(gè)實(shí)際上線的系統(tǒng)，請大家看一下。

　　好，那么大家看到，最早我們在查詢各種各樣呼叫中心的時(shí)候，必須要簡單按鍵，那么我們這個(gè)語音云技術(shù)就非常方便了。相信隨著這個(gè)技術(shù)從電信往社會(huì)生活各個(gè)領(lǐng)域的延伸，會(huì)對我們整個(gè)社會(huì)信息的服務(wù)起到一個(gè)極大的提升。剛才是我們呼叫導(dǎo)航，下面再給大家看兩個(gè)非常有趣的演示：一個(gè)是在互聯(lián)網(wǎng)電視領(lǐng)域，大家知道現(xiàn)在三網(wǎng)合一成為一個(gè)信息產(chǎn)業(yè)發(fā)展非常重要的戰(zhàn)略，這就是我們?nèi)�網(wǎng)合一的實(shí)際的電視機(jī)，這個(gè)電視機(jī)可以通過機(jī)頂盒，或者說現(xiàn)在互聯(lián)網(wǎng)電視直接安裝我們的軟件，這是我們配套的一個(gè)搖控器，非常低成本的在搖控器上增加一個(gè)摁鍵，就可以用語音來控制了。

　　那么應(yīng)該說，它對互聯(lián)網(wǎng)電視，對三網(wǎng)合一最大的價(jià)值在什么？有了語音識別，我們可以隨意說了，準(zhǔn)確率都非常地高。剛才看到的是在電視用的應(yīng)用，下面在具體的手機(jī)中的應(yīng)用，這是一個(gè)智能手機(jī)，這個(gè)手機(jī)中間，我接了一個(gè)線，這個(gè)線主要的目的是為了投影到上面，唯一的作用就是傳輸我們的屏幕，所有的運(yùn)算都在我的手機(jī)中進(jìn)行。下面給大家看一個(gè)就是在手機(jī)中我們實(shí)現(xiàn)的搜索，只要在手機(jī)中，用戶獲得了我們訊飛語音云平臺的注冊通行證，他在手機(jī)中任何的瀏覽器，各種搜索都可以用語音來完成，下面來給大家安裝這個(gè)語音瀏覽器，起動(dòng)了一個(gè)，這個(gè)是屏幕，我們點(diǎn)擊進(jìn)入到搜索以后，這是我們訊飛的輸入法，我們在網(wǎng)上已經(jīng)發(fā)布了，點(diǎn)擊輸入法中的麥克風(fēng)，我們就可以直接說話了，它的所有運(yùn)算都是在后臺。

　　應(yīng)該說通過這種語音搜索，可以極大的提升我們用戶的使用，剛才給大家看到的就是我們的語音所有剛才的計(jì)算全在后臺的云計(jì)算平臺來支撐的。我們看到的了我們的搜索的演示以后，有很多的合作伙伴，包括領(lǐng)導(dǎo)要問，如果我們要在移動(dòng)互聯(lián)網(wǎng)終端要使用語音技術(shù)聽寫，就有更大的難處，因?yàn)橛泻芏嗑窒�，但是我們非常高興。

騰訊科技