捷通华声推出OSR语音识别技术_语音应用

捷通华声推出OSR语音识别技术

2004/09/30

　　北京捷通华声语音技术有限公司与美国 ScanSoft 公司（ Nasdaq ：SSFT ），于2004 年5月20日，就双方语音技术全面合作达成战略联盟，此国际合作联盟旨在共同推动国际语音产业的发展，加速中国语音技术产业化发展进程。2004年9月，捷通华声在国内正式推出ScanSoft国际最高水平语音识别技术OSR（OpenSpeech Recognizer )

　　之所以称之为OSR，是因为此项语音识别技术是一种基于开放标准、可扩展、高性能和高识别率的识别引擎，提供大词汇量、非特定人、连续的语音识别功能，尤其是在各种无限环境之中对于噪杂音的处理功能强大。OSR产品将以SDK的方式提供给集成商，可广泛应用在呼叫中心、自动总机、语音电话本、旅行预定、信息检索、语音门户和客户自助服务等系统中。

　　捷通华声与ScanSoft公司强强联手，将捷通华声中文语音合成技术与ScanSoft公司最新语音识别技术OSR全面整合，形成完整的语音技术解决方案以利于国内、国际语音技术市场的广泛应用，使产品更加贴近用户需求，更好的满足市场需要。

一、Scansoft公司介绍：

　　美国 ScanSoft 公司 (Nasdaq: SSFT) 是一家全球知名的国际性企业，是专业的语音和图像解决方案供应商，特别是其语音识别引擎，在识别率、识别速度、系统稳定性等方面都处于行业领先的地位，在通信、远程信息处理、移动终端等诸多领域有着广泛的应用，市场遍布全球。伴随语音产业在全球的的快速发展，ScanSoft 公司高瞻远瞩，以雄厚的实力、果断的行动在两年之内兼并了 L&H （ Dragon ）， SpeechWorks 两家欧洲与美国的实力雄厚的国际知名语音技术公司，并成功收购飞利浦语音实验室，建立了其在国际语音识别技术最大的市场份额。

二、OSR主要特点：

1、高识别率
　　OSR产品核心技术显著提高，并且极大的提高置信得分的准确度，使实际应用中识别率均达到95%以上，对于小词汇量的应用识别率更高。

2、强大的语法分析功能
　　OSR产品支持百万词汇的复杂语法应用，利用SpeekFreely技术还可支持自然语言问答式的语法识别。利用OSR的先进语法处理能力，用户可以利用ECMA脚本语言书写更复杂的语法，可以创建动态的应用，并具支持共享语法，大幅度提高系统效率。

3、独特的语音端点检测技术
　　OSR包括鲁棒的端点检测算法，可以依据振幅和频谱特征来进行检测，从而有效地区分背景噪音和通话者的语音。OSR端点检测的"灵敏度"可以被手动调整，以适应安静或喧闹的不同环境，或在应用中微调性能。

4、适应性强
　　通过ScanSoft具有专利技术的自动调节机制"LEARN"学习功能，系统可以自动调节识别参数和声学模型，以适应呼叫人群的本地方言、区域口音和电话信道等特点。通过"LEARN"自动调节机制，识别错误率可以下降70%。

5、高性能、低资源消耗
　　独特的音频分析方法及具有专利的有限状态转换技术，使OSR产品在实际应中，内存占用和CPU的消耗极低。对于复杂的语法应用可以节约90%的资源。

6、高容量并发
　　OSR产品支持高容量的并发呼叫，一个中等应用（2000词汇以内），至强单CPU 2.4G的配置环境下，可以支持60个并发的语音识别端口。

7、支持开放标准
　　OSR产品是根据VoiceXML设计的，对SRGS（Speech Recognition Grammar Specification,语音识别语法规范）的支持等特点使VoiceXML 和 SALT 应用达到最优状态。

8、支持多语言，包括多语言混合识别
　　OSR产品目前提供15种语言和方言，包括：普通话（中国大陆、台湾）、粤语（香港地区）、英语（澳大利亚、新西兰、英国、美国、新加坡）、法语（法国、加拿大）、德语（德国）、日语（日本）、韩语（韩国）、西班牙语（美国、墨西哥）。

　　OSR产品的WorldAware功能支持多语种的混合识别，甚至允许单个语句中的任意语言混合，可以用于构造更加复杂的语音解决方案。

9、多种体系结构选择
　　OSR产品提供多种体系结构组合方式：
　　1）单机：用户可以直接在运行IVR的机器上加载OSR。
　　2）客户端/服务器：用户可以直接在服务器端加载OSR，客户端通过网络发送语音信号并获取识别结果。
　　3）VoIP：用户也可以在一个基于VoIP的客户端/服务器架构中配置OSR，在这种情况下，客户端是一个VoIP媒体网关或媒体服务器，服务器是MRCP版本的OpenSpeech服务器，它提供了带有标准的VoIP协议接口的OSR。

10、支持多种操作系统
　　OSR可在下列操作系统下使用单机和客户端/服务器配置：
　　客户端操作系统：RedHat 7.2、RedHat AS 2.1、Windows 2000、Windows 2003。
　　服务端操作系统：RedHat 7.2、RedHat AS 2.1、Windows 2000、Windows 2003、Solaris。

三、配置要求：

词汇量	运行系统	硬件环境	可支持端口数
2000以下	Windows 2000以上	至强双CPU 2.4G；1G以上内存，20G硬盘；100M以上网卡；	120线
40000以下	Windows 2000以上	至强双CPU 2.4G；1G以上内存，20G硬盘；100M以上网卡；	60线

四、OSR语音识别技术应用案例：

　　美国联合航空（United Airlines）：客户通过致电1（800）824-6200，应用OSR语音识别技术可方便查询联合航空公司每天2400个航班的状态，每天有8万多人使用这一系统。

　　AOL电话服务：采用Scansoft OSR等语音技术，为America Online的2400万客户开发和部署了语音门户服务。

　　Thrifty汽车租赁：Thrifty租车公司是全球最大的的租车公司之一，通过拨打Thrifty的1-800-THRIFTY预订电话号码，客户在应用OSR语音识别技术获得高效服务的同时，也获得最优惠的汽车租用费率。

捷通华声公司供稿 CTI论坛编辑