金耳麦—言丰科技交谈式多语言语音识别系统_语音识别

我们为通讯提供新领域

言丰科技—言丰科技交谈式多语言语音识别系统

电脑电话应用领域的交谈式语音技术

语音识别技术从未像今天这样令人振奋。随着技术的进步，语音识别已经被商业界接纳及作首次应用。

过去数十年，语音识别技术一直是全球众多实验室外各级研究的课题，但从未象今天这样令人振奋。电子运算能力每两年就翻一番，语音识别技术也越来越精良，算法复杂性每两年下降一半，因而令语音识别技术从研究的课题跃升为一种商机。再加上“信息随手可得”面世的电动机几近完美，在经的刺激下，人们对随时随地获得最新信息的需求空前高涨。

简介

通过电话获取信息是当今社会活动和经济活动的重要一环，用户迫切希望可以随时随处检索和处理信息。随着人们对实时交换信息和实施通讯的需求大幅上下飙升，电话仍然会是最常用的通讯工具之一。而无线市场的蓬勃发展，更进一步昭示电话将成为我们日常生活中不可缺少的部分。

目前，人们对语音识别技术应用于电话的自动化操作，需求大幅增长。交谈式语言是人类交流最自然的方式，因此语音识别技术很快就会革新通过电话做生意的方式，这样人们只要对着任何电话发话，就可以接入并操纵远程的信息源。

为什么要发展语音识别技术？

直到最近，用户使用任何电话的自动服务，都需要通过按键才能输入信息。这种输入方法的限制性其实很大，很多时候甚至无济于事，因为依赖区区十二个按键，是很难代表所有信息的。此外，由于移动电话体积袖珍起来，也使这种输入方法显得更加笨拙。

为了向用户提供最新的信息，供应商想尽千方百计。最传统的方法是雇佣一大批话务员响应来电的查问，然而，这种办法正变得越来越昂贵，简直难以负荷。

过去数年，按键音频式语音响应系统一直被视为人工辅助之外的另一种信息接入方案。在这种方案中，用户是通过系统所提供的菜单，选择其中一种选项来与语音响应系统交流。虽然这种做法可以避免培训和雇佣话务员，但却反过来把种种不便转嫁给了用户，使他们费尽周折甚至陷入菜单迷阵，沮丧不堪。

语音识别好处多

言丰科技--言丰科技的语音识别系统为最终用户和企业带来巨大的方便——用户只要对着比电脑便宜得多的电话发话就行了，不再受制于按键音频，也无需因为不便携带电脑而望信息兴叹。企业也会青睐自动语音识别系统，因为这些系统有助于开源节流，创造企业独特风格。可以节流是因为这些系统能够取代话务员去完成常规任务，从而节省劳力成本。可以开源是因为有些业务虽好，但成本太高，现在用语音识别系统就可以实现这些业务，开创新的利润来源。新功能新特征则为产品和服务在竞争激烈的市场上开辟脱颖而出之路。

语音识别技术为众多行业带来裨益，而言丰科技--言丰科技的语音识别系统可以自动提供各类信息和服务，例如语音拨号、查号服务、股票即时行情、电话银行、旅游安排，以及大型呼叫中心所提供的各种信息。

技术简介

语音识别系统的特征和功能可以归纳如下。

电话语音：为了随时随处提供最新信息，语音识别系统必须能够听懂电话里传来的语音。虽然人耳听起来，电话语音与高带宽语音方面得心应手，但处理电话语音就逊色很多。此外，频道及话筒的差异，以及各种不同的背景杂音，都是造成电话语音识别难度大的原因。

多语种：跟人类一样，语音识别系统在能够听懂一门语言前，必须先学习这门语言。因此，要成功开发一门语言的语音识别系统，必须有语言专家的参与。每种语言都有其独特的一套发音，而擅长西方语言的语音识别系统未必擅长于识别亚洲语言，例如有声调之分的汉语和泰语。

许多国际化大都市都要求能够识别多种语言的语音识别技术。举例来说，言丰科技为香港一间大公司开发的语音识别系统，每天都接获成千上万个电话，负责处理每月的计费帐务。用户可以使用普通话、广东话或英语任何一种语言，语音系统都可应付自如。

词库灵活性：语音识别系统可以是词库依赖型的，也可以是不依赖词库的。词库依赖型的识别系统在投入使用前，需要对每个词汇进行大量的录音，收集关于该词的大量语音数据。记录下来的语音数据用于调较或操练识别系统，以便系统能有上佳表现。但是，这种系统只会在碰到收录了的特定词汇时才有出色表现。不依赖词库的语音识别系统不需要额外的语音数据也能有出色表现，因而避免了需要收集数据而产生大笔费用。

然而，开发后者通常需要丰富的语音和语言学上的专长和经验，因此要成功开发这样的一套系统，离不开语言专家的支持。

词库规模：词库规模通常决定着一套语音识别系统的精良程度。词库规模小的系统一般比词库规模大的系统准确率高。最新技术可以令词库大至数千个词汇，而仍能维持相当的高准确率。

说话风格：在逐字识别系统中，用户说话时需要逐字停顿，这样的识别系统可以更容易辨别出每个单词。在连贯识别系统中，用户可以连续发话，字与字之间没有清晰停顿。逐字识别系统的准确率一般比连贯识别系统高。但是，最新技术发展已经大幅改进了连贯识别系统的准确性。例如言丰科技的语音识别系统，就是针对高准确率而设计的，纵使用户的语速比较快，系统也能准确辨认。

讲者灵活性：在讲者依赖型的识别系统中，用户在开户之初需要向系统提供其语音数据，以便系统可以了解其发音特征。因此，用户可以选择建立自己的词库。在不依赖讲者的识别系统中，用户无需开户录音，任何能够正确使用该种语言的讲者都可以随时向系统发话。

人机接口：对于许多产品和服务来说，其用途和普及性很大程度上取决于人的因素。这对于语音识别系统而言尤其重要，因为已开发的服务牵涉到用户与机器之间的口语交流（或称对话）。因此，要成功使用语音识别技术部署一项服务，人机接口必须经过精心设计和开发。同时，该接口还要随着用户行为的演变而作出相应的改变。

虽然人机接口的设计和实施有规可循，但实际上还要考虑到具体的语言或方言问题、文化问题、社会俚语问题，以及当地商家和居民的具体要求。提示语或呼叫流程设计上的细微差别已足以树立或毁掉一套系统的声誉。人机因素与语音识别核心技术是相辅相成的；因此，在设计和开发时必须密切协调好。

总结

过去数年，语音识别技术的进步和电子电脑技术的发展，已经使得电话语音识别系统成为现实。语音识别系统的用户可以随时随地获得最新以到即时信息。同样可喜的是，该技术使企业能够开源节流，在竞争激烈的市场上树立自己的风格，从而脱颖而出。语音识别正在成为新一代信息和电信技术。