云計算、大數(shù)據(jù)、移動互聯(lián)網(wǎng)、人機交互……短短一兩年時間內(nèi)，IT產(chǎn)業(yè)像經(jīng)歷了一場大洗牌，創(chuàng)新一詞已顯老舊，跨界、顛覆成為流行詞。國內(nèi)以BAT為代表的傳統(tǒng)互聯(lián)網(wǎng)巨頭開始猛攻移動互聯(lián)網(wǎng)，并購、兼并層出不窮，相互疆域犬牙交錯，進攻防守猶如一場“軍閥混戰(zhàn)”。電子市場的重心也迅速由PC端迅速轉(zhuǎn)移到智能移動終端，移動互聯(lián)網(wǎng)已成兵家必爭之地。如此讓產(chǎn)業(yè)興奮又讓產(chǎn)業(yè)顫抖的時代，智能人機交互（HCI）技術也終于迎來了有史以來最好的階段，而該HCI領域中的語音交互技術則迎來競爭最激烈的發(fā)展時期！
縱觀國內(nèi)外移動互聯(lián)網(wǎng)發(fā)展態(tài)勢，各項炒得火熱的技術中，大數(shù)據(jù)、智能人機交互技術（簡稱HCI）并列前茅！從蘋果Siri的語音交互技術到谷歌眼鏡的圖像識別技術，從智能手機大戰(zhàn)延伸至智能電視，無一不在說明在移動互聯(lián)網(wǎng)時代，IT整個行業(yè)都在發(fā)生由量到“智”的聚變，語音交互、圖像識別、語義理解、生物識別。。。。HCI技術風靡全球！
兩年前，蘋果的Siri一鳴驚人，帶動智能語音產(chǎn)業(yè)進入發(fā)展最快的時期。十幾年來一直控制國內(nèi)中文語音合成技術市場的捷通華聲、科大訊飛發(fā)力語音識別技術；百度、搜狗、騰訊為守住入口，憑借天然優(yōu)勢，重金砸出最高水平的語音識別技術；中科信利、云知聲等老牌、新秀語音企業(yè)，迎來難得發(fā)展機遇期。國內(nèi)語音識別技術力量集體爆發(fā)，讓美國本來在語音識別技術上領先的Nuance、Google、微軟風光不在，語音識別技術群雄割據(jù)的時代已然來臨，鹿死誰手好像尚不得而知。
語音識別、合成雙劍合璧，智能語音展露鋒芒
其實語音識別這個技術很早就有，雖然并不成熟。上世紀90年代末，IBM推出的“Viavoice”就號稱能“解放雙手”，幫助讓人們實現(xiàn)文字錄入語音化。然而，伴隨全民漢字輸入能力的提高，“Viavoice”因語音識別率不高，加上口音、噪音的影響，黯然離場。
近年來，互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)的迅猛發(fā)展，帶動大數(shù)據(jù)量的形成；國內(nèi)外潛心研究的一代代科學家攻克了無數(shù)技術上的難題，大數(shù)據(jù)又為其提供了豐富的訓練語料；開源技術更是促進了技術跨越國境的交流共享，大大降低語音識別技術門檻；智能移動終端功能、性能的超常規(guī)提升，為對硬件環(huán)境要求高的語音識別技術創(chuàng)造了“運轉(zhuǎn)”的硬件環(huán)境；所有的變化匯集一處，讓人們夢寐以求的“自由說”語音識別技術成為現(xiàn)實。
如果說語音識別技術是“說”，那么語音合成技術就是“聽”，“能說會聽”形成了語音交互—智能語音的完整概念。也許是巧合，語音交互技術的發(fā)展，如同人都是“先學會聽，才學會說”的進步過程，語音合成早在十年前就完成了商品化進程，人們也早已經(jīng)生活在語音合成—“機器說話”服務無處不在世界里；
應該說，蘋果的Siri的適時出現(xiàn)，為智能語音產(chǎn)業(yè)發(fā)展做出了巨大貢獻，其貢獻在于打開了智能語音應用市場的暢想“天窗”；雖然，當CNN公布Siri的配音者是演技派“大媽”時，導致“調(diào)戲”過Siri的眾網(wǎng)友“淚流滿面”，卻也讓大眾全方位感受到智能語音交互的魅力與力量。正如同兩把利劍，語音識別技術的進步，使得語音合成、識別雙劍合璧，為產(chǎn)業(yè)、大眾打開了智能語音服務的新世界。也讓越來越多的設備、軟件廠商看到了智能語音應用的廣闊前景，智能語音交互技術終于在移動互聯(lián)網(wǎng)時代展露鋒芒。
2013年，互聯(lián)網(wǎng)搜索巨頭百度，盡管已擁有了最先進語音識別技術，但正是深刻理解把握了智能語音應用的真諦，果斷投資捷通華聲，在其發(fā)展移動互聯(lián)網(wǎng)進程中以最快的速度擺脫智能語音曾經(jīng)的束縛，放手在移動互聯(lián)網(wǎng)天地開疆破土，攻城拔寨！
捷通華聲靈云演繹完美智能語音 人機交互前景明朗
中國智能語音的產(chǎn)業(yè)化進程起步于世紀之初，捷通華聲、科大訊飛、Nuance一直是中國最主要的語音技術供應商。十幾年來，不同于喜歡“高打高唱”的科大訊飛，也不同于“習慣驕傲”的Nuance，由清華大學畢業(yè)的幾位同學創(chuàng)辦的捷通華聲似擁有“清華遺風”，一直保持務實低調(diào)的風格。盡管捷通華聲公司因過于低調(diào)不為大眾所詳知，但捷通華聲的語音技術務實卻從不“低調(diào)”，十幾年的專注與技術積累，讓捷通華聲語音合成技術可謂“爐火純青”，語音播報服務從縱貫中國的高鐵到各大飛機場；從各個醫(yī)院語音叫號到各地長途汽車站；從各大銀行聲訊服務到各領域企業(yè)呼叫服務中心。。。。。自2000年到今天，捷通之聲已“高調(diào)”服務中國十三億大眾十三年之久。
這兩年來，語音界老牌新秀企業(yè)、國內(nèi)國外企業(yè)、跨界巨頭集體猛攻語音識別，一時間智能語音概念鋪天蓋地，語音產(chǎn)業(yè)則風起云涌，捷通華聲表面不為所動，而是以“老虎打盹你以為我是病貓”的沉著與強大實力，悄然在2011年，推出全球第一個全方位智能人機交互能力云服務平臺—靈云（hcicloud.com），從HCI產(chǎn)業(yè)高度，將語音云服務等各種單一HCI技術能力云服務輕松納入靈云體系。
靈云-hcicloud已從一個簡單域名概述了靈云的設計與發(fā)展理念。靈云的構(gòu)建不再局限于語音云服務等某一單一HCI技術，而是一種可以用語音、手寫、拍照，手勢，將來甚至腦波識別等智能手段來操作、感知手機、計算機等數(shù)字設備的網(wǎng)絡云服務。捷通華聲期望從更寬廣的角度促進HCI技術產(chǎn)業(yè)發(fā)展，從更完整的視野推動智能語音的服務與產(chǎn)業(yè)應用。智能語音交互是最重要的人機交互手段，但正如同每一個人與其他人溝通，都不是只是靠說話完成交流，文字書寫、圖像、情感表達都是交流的組成部分，伴隨HCI技術的全面發(fā)展，人們會根據(jù)場景的變化去選擇最合適的HCI技術實現(xiàn)人與機器的自然交流。
其實，捷通華聲“低調(diào)“的本質(zhì)是尊重合作伙伴，捷通華聲多年來始終堅持讓合作伙伴的產(chǎn)品出名而從不“喧賓奪主”，靈云則承繼這一傳統(tǒng)并將這一理念通過與合作伙伴的技術融合推向更加完美的境界。百度語音識別與靈云語音合成完美結(jié)合，助力百度地圖、百度導航掀起導航革命；搜狗語音識別與靈云語音合成更是精心設計，支持搜狗地圖在導航領域獨占一方霸主地位；獨樹一幟與擁有獨特發(fā)展理念的導航犬，全面應用靈云語音識別、語音合成、語義理解、語音喚醒等功能，雙方開發(fā)團隊如同一個企業(yè)，日夜奮戰(zhàn)在一起，為數(shù)以千萬的用戶推出一項項精心設計的導航犬經(jīng)典服務。
靈云如同天空之云，靜悄悄融入中國IT產(chǎn)業(yè)的生態(tài)環(huán)境，“低調(diào)”完美演繹智能語音等HCI技術能力服務，“高調(diào)”為所有合作企業(yè)的經(jīng)典產(chǎn)品與市場進步而喝彩！
闡述智能語音概念，靈云首創(chuàng)“云+端”人機交互服務模式
站在產(chǎn)業(yè)中企業(yè)的角度，每個企業(yè)的設備不同、性能不同、應用網(wǎng)絡環(huán)境不同，應用HCI技術創(chuàng)新“智”造過程中，如有更多的選擇，就能更好的滿足大眾用戶；站在用戶的角度，每個人都希望全面享受智能語音等HCI技術最好的服務，卻不希望受到網(wǎng)絡環(huán)境等因素及付出“高昂”費用。為順應并滿足企業(yè)與用戶需求，靈云“舍棄”云端服務可以獲取所謂寶貴數(shù)據(jù)資源與用戶資源等利益，率先推出靈云“云+端”服務模式。合作企業(yè)可根據(jù)設備與應用網(wǎng)絡環(huán)境自由選擇或讓用戶自由選擇，保證每一個產(chǎn)品都有與眾不同的特色，從而讓數(shù)以億記的大眾輕松享受智能語音等HCI技術能力的服務。
智能語音很熱，應用也很廣，靈云憑借捷通華聲十幾年的功底，語音合成“端”播放已輕松自然，并可讓合作伙伴選擇適合與自身應用的多種聲音；而語音識別因其對硬件資源的特殊要求，實現(xiàn)“端”識別對技術提出更高的要求，靈云離線式“端”識別以識別率高，定制簡單等多種方式，與靈云語音合成一起為用戶提供完整的智能語音“云+端”服務。
智能語音的目標是完成完整的語音交互，針對不同的噪音環(huán)境，其實還需要一項技術來讓機器更好“讀懂”用戶的意圖，確保語音識別率。這個技術就是語義理解，靈云語義理解可對輸入語音的語義進行分析，保證識別率的同時，也確保語音合成播報使用者需要獲得的準確信息。捷通華聲靈云在此基礎上，近期又推出“語音喚醒”功能，并成功應用于各種APP，導航犬應用靈云智能語音各項技術，可以在終端待機狀態(tài)瞬間喚醒導航軟件，并且以智能自然發(fā)聲應答用戶提問，全程無需保持開機狀態(tài)，各種環(huán)境下語音識別精度達到96%以上，旅途中的用戶與開車中的司機想去什么地方動動嘴就行，輕松省心又方便。
靈云“云+端”自推出以來，迅速為產(chǎn)業(yè)所接納，不僅在導航領域，百度語音助手、搜狗語音助手、聚熵360、南京米果、蟲洞語音助手等系列語音助手軟件；天行輸入法、百度輸入法、觸寶輸入法、也包括“漢字英雄”、漢字書寫大賽更是將智能語音、智能圖象“云+端”及其合作模式，超乎想象地完美應用，服務智能手機用戶已達數(shù)億之眾。
靈云愿景支持企業(yè)共同服務億萬大眾，HCI回歸純樸自然
智能人機交互技術（HCI）幫助人們更方便地與機器進行交流，包括語音交互、圖像識別、生物識別等，幾十年來，因HCI技術的難度大，一直呈現(xiàn)螺旋式進步發(fā)展趨勢；但大眾對方便、高效的追求與渴望，及在凡事都要快的移動互聯(lián)網(wǎng)時代成為推動HCI技術進步的巨大力量。
移動互聯(lián)網(wǎng)時代，智能語音、智能圖像、智能客服、包括生物識別等技術產(chǎn)業(yè)蓬勃發(fā)展，而推動HCI技術迎來發(fā)展的巨大機遇的真正力量依然是來自IT產(chǎn)業(yè)發(fā)展與全社會的進步。如今，智能語音概念如日中天，其中語音識別的各種“互聯(lián)網(wǎng)入口說、關卡壁壘說、大數(shù)據(jù)說、資本說”等各種說法風靡IT產(chǎn)業(yè)。冷靜地想：如果語音識別是互聯(lián)網(wǎng)入口，那么手寫識別、拼音錄入是不是入口？如果說語音識別技術高不可攀，那么百度、騰訊、搜狗等十幾家非專業(yè)語音公司1-2年“輕松”拿下語音識別技術，哪里還有什么技術壁壘？如果說資本市場會爆發(fā)，美國Nuance公司十幾年兼并了幾乎除中國企業(yè)外所有的語音技術公司，擁有幾乎全世界所有國家的多語種智能語音交互技術，資本說在納斯達克也跟著期盼了快二十年！如果說那家聲音數(shù)據(jù)采集多，那么誰家的語音數(shù)據(jù)又能夠超過騰訊的微信、三大運營商的語音數(shù)據(jù)？
其實不管怎么說，智能語音還應增加一個概念就是“工具說”，因為無論什么時候，智能語音最主要的核心功能還是一個聲音錄入與輸出的工具。無論今天還是未來發(fā)展，就像生活中沒有任何一種力量不讓大家說話交流一樣，智能語音在充分滿足了大眾的好奇之后，依然會象無數(shù)為語音技術發(fā)展進步做出巨大貢獻的科學家、學者、工程師一樣，安心提高語音識別準確率、語音合成自然度，回歸到自然與純樸。
相信未來發(fā)展，HCI技術依然會呈現(xiàn)螺旋式進步趨勢，無論智能語音、還是智能圖像，只有更好，沒有最好！合作共贏將成為HCI產(chǎn)業(yè)融入中國乃至世界IT產(chǎn)業(yè)的主旋律。捷通華聲靈云已開始為產(chǎn)業(yè)界提供語音識別、語音合成、手寫識別、OCR、語義理解、機器翻譯等多項HCI技術能力。未來發(fā)展中，靈云將在發(fā)揮自身多項HCI技術優(yōu)勢的基礎上，不斷與學術界、產(chǎn)業(yè)界合作，推出更多的HCI技術能力，靈云的目標永遠是助力中國信息產(chǎn)業(yè)，讓人機交互像人與人溝通一樣的簡單自然，一起智創(chuàng)中國夢，慧及全球心！
