2008/08/11

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

一、產(chǎn)品概述

　　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(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)音開始流向識(shí)別引擎，直到檢測(cè)到語(yǔ)句的終止點(diǎn)。通過這種方式，識(shí)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(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）

　　允許用戶通過本人語(yǔ)音來向動(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，用戶可以通過語(yǔ)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(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)別過程的中間結(jié)果、識(shí)別模塊調(diào)用過程、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)先給定特定說話人的數(shù)據(jù)，系統(tǒng)可以針對(duì)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(yǔ)音模型，使該說話人在使用系統(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(duì)語(yǔ)音識(shí)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(yǔ)音識(shí)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(jiǎn)單易用的語(yǔ)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(yǔ)音識(shí)別語(yǔ)法的編寫，系統(tǒng)還提供了語(yǔ)法向?qū)�，其中已�?jīng)內(nèi)置了常用業(yè)務(wù)語(yǔ)法，使用戶可以更簡(jiǎn)單的使用語(yǔ)音識(shí)別系統(tǒng)。相信隨著科大訊飛發(fā)布國(guó)際領(lǐng)先的電信級(jí)中文語(yǔ)音識(shí)別產(chǎn)品，通過和合作伙伴的共同努力，語(yǔ)音識(shí)別將為合作伙伴帶來更大的增值空間，中文語(yǔ)音識(shí)別產(chǎn)業(yè)將獲得更快的發(fā)展。

CTI論壇編輯