北京捷通华声语音技术有限公司（简称“捷通华声”）今日在北京中关村举行“2012灵云发布会”。会上，捷通华声发布了语音识别、语义理解和光学字符识别三项HCI技术，其中语音识别准确率已达到90%以上。
此前，捷通华声一直以语音合成技术和手写技术闻名于业界。而如今其语音合成技术依然保持领先，有超过50%的市占率。而手写识别也占据了约35%的市场份额，且支持42种语言及手写/叠写识别，突破了用户叠写字迹无法识别的局限。
图1：参会嘉宾通过手写识别获取签到资料
除了已有HCI技术，捷通华声在发布会上又发布了语音识别、语义理解和光学字符识别三项新技术。语音识别是指机器对人声的识别，主要有“所说即所点”、“智能意图控制”、“语音输入”三种应用场景。语义理解是机器对人类语言的理解，目前大多应用在智能问答场景中。光学字符识别，则是对印刷体文本资料中的文字和版面信息识别的过程。
在语音识别方面，捷通华声针对三种不同场景做了专门优化。“所说即所点”是用人声来代替点击操作，解决了车载等无法便捷实现点击的场景局限。目前这方面的识别正确率已超过95%，识别响应时间从原来的2.7秒降到了0.3秒。
而“智能意图控制”是人通过语音控制周围环境，执行一系列命令操作的过程，比如人与智能手机客户端小唐龙的互动，成功实现了人机互动的便捷生活。第三大场景“语音输入”则是将人的声音转换成文字，目前捷通华声这一技术在微博短信中的语音输入正确率已超过90%。
图2：灵云输入法与小唐龙下载区
至今，灵云已拥有语音合成（TTS）、语音识别（ASR）、手写识别（HWR）、光学字符识别（OCR）、人工智能(AI)等多项HCI核心技术。通过捷通华声工程师团队的努力，这些技术被成功放置到灵云平台上，且其客户端程序被大大缩减至3M。通过这3M大小的应用程序，客户可以调用所有的灵云能力，从而为不同领域、行业企业提供了多种HCI解决方案，包括无纸化办公方案、电子签批方案、电子表单处理方案、语音技术方案、智能客服系统方案等。
除了支持多项HCI技术，灵云还可以挂接第三方的HCI能力，力求将多样化的HCI技术加载到灵云平台上，服务服务广大的用户。而“云+端”的方式，使得灵云性能更优化，响应速度更快，极大地方便了用户的使用。而作为一个开放性平台，灵云定制化的目标更加明确，满足各种场景应用和需求。捷通华声董事长张连毅表示，通过灵云以及各项HCI技术的不断创新，捷通华声希望能达成“让人与机器的交流像人与人一样自然”的愿景。
