重慶巨佳科技語音網(wǎng)關(guān)（VoiceGateway）
2005/08/25
VoiceGateway是TTS與ASR的集成產(chǎn)品，完成TTS、ASR的集成與功能擴(kuò)展，系統(tǒng)的TTS核心可以支持多個廠家的產(chǎn)品，包括清華、科大、IBM、捷通等廠商的產(chǎn)品。ASR可以采用InfoTalk、Nuance、IBM的產(chǎn)品。VoiceGateway最主要的功能是完成TTS與ASR的集成，將底層變化封裝，不管采用那一家的的TTS與ASR產(chǎn)品，都與IVR服務(wù)器（VoxServer）無關(guān)。其次，VoiceGateway可以多機(jī)運(yùn)行，支持負(fù)載均衡控制，可以把TTS，ASR的處理能力提高到成百上千線。各種不同的TTS產(chǎn)生的Voice編碼文件還可能由VoiceGateway統(tǒng)一處理、重要編碼，然后送到IVR服務(wù)器。
語音合成網(wǎng)關(guān)
語音合成網(wǎng)關(guān)是新一代的語音處理中間系統(tǒng)。其核心技術(shù)TTS（Text to Speech）系統(tǒng)采用了國內(nèi)外最新的第二代文語轉(zhuǎn)換技術(shù)，支持多語言的語音合成，音速、音質(zhì)及韻律均可靈活調(diào)整，合成質(zhì)量貼近自然話務(wù)播音員。
系統(tǒng)接收其他系統(tǒng)模塊（如IVR系統(tǒng)）的文字信息，通過TTS合成對應(yīng)的語音文件，然后傳送到相應(yīng)的系統(tǒng)模塊。
系統(tǒng)可以與其他網(wǎng)關(guān)進(jìn)行接口，成為系統(tǒng)中的中間件模塊。
系統(tǒng)支持內(nèi)建排隊(duì)功能，支持多模塊調(diào)用。
系統(tǒng)采用中心控制管理，可以擴(kuò)展到多臺主機(jī)運(yùn)行，支持負(fù)載平衡技術(shù)。
語音合成網(wǎng)關(guān)將TTS包裝成一個開放的系統(tǒng)功能模塊，用戶不需要了解TTS的具體技術(shù)細(xì)節(jié)，通過語音網(wǎng)關(guān)提供的開發(fā)工具就可以在自己的程序里實(shí)現(xiàn)TTS的功能。語音網(wǎng)關(guān)支持多種平臺，底層通信建立在TCP/IP協(xié)議上，可以運(yùn)行在復(fù)雜的網(wǎng)絡(luò)環(huán)境中。
可擴(kuò)展性：語音合成網(wǎng)關(guān)可以運(yùn)行在任意一臺主機(jī)上，單主機(jī)支持32個并發(fā)請求，通過系統(tǒng)的負(fù)載平衡控制，可以在網(wǎng)絡(luò)中加入任意數(shù)量的語音網(wǎng)關(guān)系統(tǒng)，通過主系統(tǒng)中的中央調(diào)度模塊，可以根據(jù)當(dāng)前各網(wǎng)關(guān)的工作量，把數(shù)據(jù)處理分配到最佳的語音網(wǎng)關(guān)中處理。通過這種系統(tǒng)模式，理論上可以支持任意數(shù)量的系統(tǒng)擴(kuò)展，甚至可以將語音網(wǎng)關(guān)擴(kuò)展到Internet的任意地方。
移植性：語音合成網(wǎng)關(guān)可以運(yùn)行在多種系統(tǒng)環(huán)境，包括Windows NT/2000、Linux、SCO OpenServer、及Solaris，可以根據(jù)用戶需求選用。
實(shí)用性：實(shí)際開發(fā)過程中，可以采用語音網(wǎng)關(guān)的軟件開發(fā)包（SDK），也可以采用TCP/IP數(shù)據(jù)包方式調(diào)用系統(tǒng)功能。
高可靠性：
采用多種容錯機(jī)制，具有自動恢復(fù)功能。
結(jié)構(gòu)說明：
在系統(tǒng)應(yīng)用中，語音網(wǎng)關(guān)與其他應(yīng)用程序處在一個網(wǎng)絡(luò)中。
其他應(yīng)用程序可以是IVR（交互式語音應(yīng)答系統(tǒng)）、Email網(wǎng)關(guān)，以及其他的各種應(yīng)用程序。只要采用語音網(wǎng)關(guān)的SDK（應(yīng)用程序開發(fā)包）或者符合語音網(wǎng)關(guān)底層的SOCKET通信協(xié)議，都可以向網(wǎng)關(guān)發(fā)送中英文語音合成請求。
對于任意一個應(yīng)用程序，當(dāng)需要語音合成時，只要把文字信息發(fā)送到語音網(wǎng)關(guān)，語音網(wǎng)關(guān)就可以將合成后的語音信息發(fā)送回相應(yīng)的應(yīng)用程序。在負(fù)載平衡的系統(tǒng)中，有時主語音網(wǎng)關(guān)需要將合成的數(shù)據(jù)發(fā)送到其他網(wǎng)關(guān)進(jìn)行處理，但對于應(yīng)用程序而言，不需要知道其中的處理細(xì)節(jié)，主語音網(wǎng)關(guān)會進(jìn)行相應(yīng)的控制，當(dāng)從語音網(wǎng)關(guān)把數(shù)據(jù)處理完成后，會直接把合成的語音數(shù)據(jù)發(fā)送回相應(yīng)的應(yīng)用程序。
語音識別網(wǎng)關(guān)
語音識別正逐步成為信息技術(shù)中人機(jī)接口的關(guān)鍵技術(shù)，語音識別技術(shù)與語音合成技術(shù)結(jié)合使人們能夠甩掉鍵盤，通過語音命令進(jìn)行操作。語音技術(shù)的應(yīng)用已經(jīng)成為一個具有競爭性的新興高技術(shù)產(chǎn)業(yè)。
識別網(wǎng)關(guān)系統(tǒng)集成了中科院自動化所的語音識別引擎，支持非特定人語音，采用有限詞匯模式，識別率高達(dá)98%以上，達(dá)到國內(nèi)外領(lǐng)先的技術(shù)水平。
ASR支持自己定義的語法規(guī)則，語音識別所需要用到的語法規(guī)則，遵循ABNF范式（Augmented BNF）,兼容W3C語法定義。
語音識別網(wǎng)關(guān)系統(tǒng)把ASR進(jìn)行封裝處理，以網(wǎng)關(guān)中間件的方式把功能開放給其他服務(wù)系統(tǒng)。封裝后的網(wǎng)關(guān)系統(tǒng)簡化了ASR系統(tǒng)的應(yīng)用，并對CTI系統(tǒng)做了大量工作，如語音編碼處理，語音分析處理。
語音識別網(wǎng)關(guān)采用合成網(wǎng)關(guān)相同的結(jié)構(gòu)，所有在很多特性上與合成網(wǎng)關(guān)相似：
系統(tǒng)支持內(nèi)建排隊(duì)功能，支持多模塊調(diào)用。
系統(tǒng)采用中心控制管理，可以擴(kuò)展到多臺主機(jī)運(yùn)行，支持負(fù)載平衡技術(shù)。
系統(tǒng)支持多種平臺，底層通信建立在TCP/IP協(xié)議上，可以運(yùn)行在復(fù)雜的網(wǎng)絡(luò)環(huán)境中。
可擴(kuò)展性：語音合成網(wǎng)關(guān)可以運(yùn)行在任意一臺主機(jī)上，單主機(jī)支持32個并發(fā)請求，通過系統(tǒng)的負(fù)載平衡控制，可以在網(wǎng)絡(luò)中加入任意數(shù)量的語音網(wǎng)關(guān)系統(tǒng)，通過主系統(tǒng)中的中央調(diào)度模塊，可以根據(jù)當(dāng)前各網(wǎng)關(guān)的工作量，把數(shù)據(jù)處理分配到最佳的語音網(wǎng)關(guān)中處理。通過這種系統(tǒng)模式，理論上可以支持任意數(shù)量的系統(tǒng)擴(kuò)展，甚至可以將語音網(wǎng)關(guān)擴(kuò)展到Internet的任意地方。
移植性：語音合成網(wǎng)關(guān)可以運(yùn)行在多種系統(tǒng)環(huán)境，包括Windows NT/2000、Linux、SCO OpenServer、及Solaris，可以根據(jù)用戶需求選用。
實(shí)用性：實(shí)際開發(fā)過程中，可以采用語音網(wǎng)關(guān)的軟件開發(fā)包（SDK），也可以采用TCP/IP數(shù)據(jù)包方式調(diào)用系統(tǒng)功能。
高可靠性：采用多種容錯機(jī)制，具有自動恢復(fù)功能。
重慶巨佳公司供稿 CTI論壇編輯
相關(guān)鏈接: