2013第二屆運(yùn)商終端與應(yīng)用創(chuàng)新合作大會(huì)于8月7-8日在國(guó)賓酒店召開，來(lái)自產(chǎn)業(yè)各界近500位嘉賓出席，針對(duì)運(yùn)營(yíng)商終端定制、產(chǎn)業(yè)合作、流量經(jīng)營(yíng)等焦點(diǎn)話題展開深入交流。通信世界網(wǎng)作為直播媒體將對(duì)本次大會(huì)進(jìn)行直播。
捷通華聲首席架構(gòu)師陳明
陳明：大家下午好！我是北京捷通華聲首席架構(gòu)師陳明，給大家介紹一下靈云平臺(tái)人機(jī)交互的平臺(tái)，捷通華聲品牌不是很強(qiáng)，簡(jiǎn)單介紹一下捷通華聲，另外講一下靈云平臺(tái)介紹、應(yīng)用和解決方案。
捷通華聲成立于2000年10月，一直致力于云的交互、手寫識(shí)別智能交互系統(tǒng)的研究應(yīng)用開發(fā)，公司的主要愿景和理想，讓人機(jī)交互變成人與人溝通簡(jiǎn)單自然，包括我本人和公司創(chuàng)始人，以及聘請(qǐng)兩位老科學(xué)家，指導(dǎo)我們做語(yǔ)音合成和手寫識(shí)別教授，我們都是在這個(gè)領(lǐng)域多年經(jīng)驗(yàn)，一直成為讓人機(jī)交互越來(lái)越自然，成為我們很大的夢(mèng)想。超前追溯一下可以追到1998年，成立捷通軟件公司，推出漢字輸入系統(tǒng)，當(dāng)時(shí)集成OCR手寫識(shí)別、語(yǔ)音識(shí)別、TDS協(xié)同，現(xiàn)在有一些輸入法集成進(jìn)來(lái)，我們15年前做了這個(gè)事情，只不過(guò)在PC上邊，當(dāng)時(shí)技術(shù)或多或少有不成熟地方，這個(gè)參加推出來(lái)以后，我們公司下決心一個(gè)技術(shù)方面要有掌握核心技術(shù)，因?yàn)楫?dāng)時(shí)技術(shù)都是集成第三方的技術(shù)，包括當(dāng)時(shí)用的云識(shí)別是IBM的VRS，想有自己的產(chǎn)品技術(shù)，2000年成立捷通華聲，相繼一年以后推出TTS技術(shù)和手寫識(shí)別技術(shù)，TTS技術(shù)是國(guó)內(nèi)實(shí)用化技術(shù)，02年的時(shí)候因?yàn)橐粋�(gè)機(jī)遇，假如聯(lián)通和高通合作的業(yè)務(wù)開發(fā)里邊，因此進(jìn)入移動(dòng)互聯(lián)網(wǎng)行業(yè)，03年中標(biāo)北京重大科技奧運(yùn)項(xiàng)目，開發(fā)多語(yǔ)種智能平臺(tái)，奠定公司在語(yǔ)音行業(yè)的地位，06年參與移動(dòng)百寶箱業(yè)務(wù)08年我們業(yè)務(wù)接入電信天翼。09年中標(biāo)中國(guó)高鐵項(xiàng)目，站臺(tái)播報(bào)技術(shù)都是我們提供，2010年公司看到云技術(shù)、大數(shù)據(jù)技術(shù)發(fā)展，也想轉(zhuǎn)化商業(yè)模式，希望我們提供人機(jī)交互模式，提供開發(fā)商，希望把技術(shù)放在云端，讓用戶使用，促成靈云的誕生，2011年底推出靈云平臺(tái)，經(jīng)過(guò)一年半發(fā)展，現(xiàn)在也是靈云平臺(tái)比較成熟。
經(jīng)過(guò)十幾年發(fā)展，公司在各個(gè)領(lǐng)域、各個(gè)行業(yè)緊密合作伙伴，包括運(yùn)營(yíng)商、手機(jī)廠商等合作伙伴。
二、靈云平臺(tái)介紹
希望把手寫識(shí)別、語(yǔ)音識(shí)別、語(yǔ)音合成等等人機(jī)交互系統(tǒng)放在云端，讓用戶在使用各種設(shè)備，在任何時(shí)間點(diǎn)都可以像用水、用電一樣使用智能人機(jī)交互技術(shù)，實(shí)現(xiàn)人機(jī)交互人與人溝通簡(jiǎn)單自然的目標(biāo)。這是我們平臺(tái)架構(gòu)，主要有多個(gè)服務(wù)結(jié)點(diǎn)，都包含任務(wù)的分配，轉(zhuǎn)化具體服務(wù)器進(jìn)行處理，不同的語(yǔ)音識(shí)別組成服務(wù)器的池，我們有一個(gè)中央統(tǒng)一運(yùn)維管理系統(tǒng)，云平臺(tái)很大的優(yōu)點(diǎn)，我們能夠收集大量用戶上傳的視聽資料，對(duì)于我們做手寫識(shí)別的技術(shù)，不斷提升我們識(shí)別率，開發(fā)者可以通過(guò)我們登陸社區(qū)平臺(tái)申請(qǐng)應(yīng)用，下載SDK進(jìn)行相關(guān)的開發(fā)。
靈云平臺(tái)第一個(gè)特點(diǎn)高度融合的平臺(tái)，這個(gè)平臺(tái)融合很多人機(jī)交互能力，我們接口是比較統(tǒng)一的接口，保持比較大的一致性，然后用戶可以很容易訪問(wèn)其他能力，另外底層能力接口定義規(guī)范，新的能力可以很融入加入里邊，現(xiàn)在跟人臉廠商討論，希望把他們技術(shù)引入我們平臺(tái)上邊去。單一能力可能自己做自學(xué)、不斷優(yōu)化的工作，在統(tǒng)一平臺(tái)做一些工作，試圖多個(gè)出入模塊里邊，把用戶數(shù)據(jù)進(jìn)行統(tǒng)一的學(xué)習(xí)、數(shù)據(jù)挖掘，提高我們質(zhì)量。
靈云平臺(tái)第二個(gè)特點(diǎn)是云加端方式，本地處理各自有各自的優(yōu)點(diǎn)，中國(guó)環(huán)境不是很好，互聯(lián)互通問(wèn)題情況下，除了提供云的能力以外，其實(shí)我們也提供本地端的處理方式，可以不依賴于網(wǎng)絡(luò)，達(dá)到更好的可用性和更好響應(yīng)時(shí)間，實(shí)際計(jì)算處理可以放在本地做，另外一些場(chǎng)景下邊云加端識(shí)別策略，云識(shí)別場(chǎng)景下對(duì)于云端，本地端對(duì)本地通訊錄、本地應(yīng)用達(dá)到更好的識(shí)別率，可以進(jìn)行協(xié)同識(shí)別策略兩邊結(jié)果進(jìn)行判斷，達(dá)到選擇更好、更有可能的結(jié)果，使用戶體驗(yàn)更好。
第三個(gè)特點(diǎn)可定制，除了提供公有云以外，可以根據(jù)客戶需求定制云解決方案，前一段時(shí)間給百度定制云合成的私有云，根據(jù)他們運(yùn)維和監(jiān)控需求，把我們部署結(jié)構(gòu)、日志輸出都按照他們要求更改，當(dāng)然針對(duì)其他客戶也可以做這樣的宏觀。模型、音庫(kù)、模板可以根據(jù)特殊領(lǐng)域進(jìn)行定制，大大提高領(lǐng)域的識(shí)別率和合成效果，比如音庫(kù)可以跟企業(yè)合作，為他們專門進(jìn)行錄音，制造專門企業(yè)自己用的音符，跟其他聲音不一樣，這是我們一些特點(diǎn)。
從核心技術(shù)方面，主要集中在云交互和圖象識(shí)別兩個(gè)方面，后期也跟一些廠商合作，希望將來(lái)能夠拓展到生物特征識(shí)別、人臉識(shí)別方面，也把它加入我們應(yīng)用平臺(tái)上邊去。
語(yǔ)音合成技術(shù)是捷通華聲做了十多年，現(xiàn)在自然度、流暢度已經(jīng)很高，我們提供多語(yǔ)種、多音色、多領(lǐng)域的優(yōu)化，使聲音基本上可以很好，這個(gè)公司在行業(yè)一半的市場(chǎng)份額，大家平時(shí)打電話銀行、排隊(duì)叫號(hào)好多都是提供服務(wù)的。
語(yǔ)音識(shí)別方面前期主要做嵌入詞比較多，目前我們連續(xù)識(shí)別達(dá)到適用的水平，基本達(dá)到90%左右，另外采用圖像壓縮方式，使識(shí)別速度比較快，比較大提高識(shí)別率，我們測(cè)試結(jié)果基本能到41%以上。另外針對(duì)云服務(wù)收集上來(lái)的語(yǔ)料，一直進(jìn)行模型優(yōu)化訓(xùn)練，使識(shí)別率不斷提高。
手寫識(shí)別技術(shù)，行疊寫是我們公司率先提出，極大的優(yōu)化用戶無(wú)線體驗(yàn)，另外手寫技術(shù)支持語(yǔ)種非常廣泛，目前支持27種識(shí)別。光學(xué)字符識(shí)別本人以前做這方面，近年來(lái)隨著終端設(shè)備越來(lái)越強(qiáng)大，攝象頭越來(lái)越好，實(shí)際拍照出來(lái)東西對(duì)它進(jìn)行處理，有一些新的挑戰(zhàn)，比如光照的影響或者拍的時(shí)候角度，包括復(fù)雜景物下文字處理，這是十年間做文檔類字符識(shí)別不考慮，兩年前主要做一些工作，主要集中圖象識(shí)別上，包括證照、票據(jù)識(shí)別上。
自然語(yǔ)言理解技術(shù)，對(duì)自然語(yǔ)言進(jìn)行分析然后進(jìn)行意圖理解，在這個(gè)基礎(chǔ)上推出像智能客服、手機(jī)助手產(chǎn)品，另外也跟車載、智能家電廠商合作，做理解技術(shù)包括語(yǔ)音交互的產(chǎn)品。
