首頁(yè)>>廠(chǎng)商>>語(yǔ)音板卡開(kāi)發(fā)商>>東進(jìn)技術(shù)

用板卡搭建語(yǔ)音門(mén)戶(hù)

劉建全 2001/06/21

　　語(yǔ)音門(mén)戶(hù)展現在我們面前的巨大的市場(chǎng)潛力。但是，語(yǔ)音門(mén)戶(hù)在也對語(yǔ)音技術(shù)提出要求的同時(shí)，也對語(yǔ)音板卡提出了更多的需求，要求“語(yǔ)音打斷”功能，要能有效“消除回聲”等。只有這樣，才能用語(yǔ)音板卡成功搭建技術(shù)上成熟的語(yǔ)音門(mén)戶(hù)。

　　語(yǔ)音門(mén)戶(hù)的本質(zhì)是應用了語(yǔ)音識別技術(shù)的IVR（語(yǔ)音自動(dòng)應答）系統。那么，當前存在的問(wèn)題主要有哪些呢？


　　IVR系統使用不方便


　　在IVR系統中引入ASR技術(shù)的初衷是什么？

　　拋開(kāi)冠冕堂皇的商業(yè)目的，我們需要承認，在IVR系統中引入ASR技術(shù)的初衷在于解治IVR中存在的痼疾。

　　語(yǔ)音選單界面有太多的選項。語(yǔ)音提示+按鍵選擇的方法已經(jīng)無(wú)法滿(mǎn)足需求。比如，在航班查詢(xún)系統中，如此多的目的城市不可能全部通過(guò)語(yǔ)音播報出來(lái)。

　　效率低下。通過(guò)語(yǔ)音識別技術(shù)提升了接入手段，用戶(hù)可以直接用語(yǔ)音進(jìn)行有關(guān)的交互工作，這樣，工作效率大為提高。例如，目前在聽(tīng)完了大段的語(yǔ)音提示選單后，用戶(hù)還要不斷地停下來(lái)，按動(dòng)電話(huà)上有限的數字按鍵，進(jìn)行相應的選擇，然后繼續聽(tīng)下一段的語(yǔ)音提示。在使用了語(yǔ)音識別技術(shù)后，用戶(hù)可以像與服務(wù)員一樣，采用語(yǔ)音的方式，在一句話(huà)里面發(fā)出全部指令，避免了連續按鍵的過(guò)程。

　　IVR流程跳轉困難。現有的IVR流程都是樹(shù)形結構，從一個(gè)分支跳到另外一個(gè)分支必須通過(guò)根（最上級菜單）進(jìn)行。比如：用戶(hù)在進(jìn)入1860移動(dòng)通信公司的客戶(hù)服務(wù)系統后，進(jìn)入“辦理業(yè)務(wù)”選單下面的“開(kāi)通業(yè)務(wù)”，如果想進(jìn)入查詢(xún)手機的話(huà)費，需要首先退出到最頂層選單，然后進(jìn)入“話(huà)費查詢(xún)”的“查詢(xún)本機話(huà)費”一項。

　　須通過(guò)DTMF按鍵操作。特別在雙手都被占用的情況下，嚴重影響工作效率。


　　現有ASR系統存在問(wèn)題


　　ASR技術(shù)被引入后，其優(yōu)勢得到發(fā)揮，同時(shí)也在IVR系統中引入了一些問(wèn)題。

　　無(wú)法打斷語(yǔ)音提示。在很多IVR系統中，通過(guò)DTMF打斷語(yǔ)音提示進(jìn)行操作。引入ASR技術(shù)后，無(wú)法通過(guò)語(yǔ)音來(lái)打斷語(yǔ)音提示，只能在語(yǔ)音提示結束后才可以進(jìn)行操作。

　　圖1 傳統的ASR示意圖

　　沒(méi)有處理語(yǔ)音插入的能力。語(yǔ)音插入的能力允許用戶(hù)在系統播放聲音時(shí)仍然對系統具有控制權。可以想像，當用戶(hù)對IVR播放的一段漫長(cháng)的新聞失去興趣的時(shí)候，如果無(wú)法跳過(guò)它，唯一的選擇就是掛機。一個(gè)成熟的IVR系統應該賦予用戶(hù)在任何時(shí)候都可以具有控制流程的權力。換而言之，在放音時(shí)仍然能夠識別語(yǔ)音命令。

　　電話(huà)線(xiàn)路質(zhì)量差，回聲嚴重，識別率不高。在針對IVR系統開(kāi)發(fā)商的一項調查中，研究機構發(fā)現影響ASR技術(shù)推廣的首要問(wèn)題在于A(yíng)SR的識別率。在家用電腦中使用的ASR效果明顯好于CTI中的應用，究其原因，與電話(huà)線(xiàn)路質(zhì)量和嚴重的回聲干擾有關(guān)系。

　　如果不能充分發(fā)揮語(yǔ)音識別在減少系統延遲、提高效率、降低整體響應時(shí)間方面的優(yōu)勢，而僅僅將語(yǔ)音輸入作為DTMF按鍵輸入的替代品，那么語(yǔ)音門(mén)戶(hù)存在的意義將大打折扣。


　　D系列支持語(yǔ)音門(mén)戶(hù)


　　D系列PCI語(yǔ)音卡

　　DSP是通信設備的重要基石。它以先進(jìn)的數字計算方法對信號進(jìn)行處理，具有處理速度快、靈活、抗干擾能力強等優(yōu)點(diǎn)，尤其適合進(jìn)行語(yǔ)音處理。

　　D系列PCI語(yǔ)音卡是采用DSP數字信號處理技術(shù)實(shí)現對語(yǔ)音、交換、信令進(jìn)行處理的新一代語(yǔ)音板卡，支持環(huán)路中繼、1號信令、7號信令、數字1號信令（ISDN-PRI）等線(xiàn)路接口，提供會(huì )議、TTS、語(yǔ)音壓縮等功能。

　　D系列PCI語(yǔ)音卡具有400-1000 MIPS的運算能力，為語(yǔ)音識別這樣需要占用大量資源的應用提供了廣闊的天地；與傳統的ASR不同的是，D系列PCI語(yǔ)音卡通過(guò)語(yǔ)音打斷、回聲消除、內存錄音等技術(shù)的應用，減輕了ASR的沉重負擔，為打破ASR應用瓶頸發(fā)揮了關(guān)鍵的作用。

　　回聲消除技術(shù)處理語(yǔ)音命令

　　回聲消除ECR，是基于DSP技術(shù)對語(yǔ)音通道的聲音進(jìn)行的實(shí)時(shí)控制。其實(shí)現方法在于：在電話(huà)線(xiàn)路上收到的聲音里，去掉IVR系統播放的聲音，從而保證收到的聲音是純凈的。

　　東進(jìn)的ECR算法是與美國某DSP專(zhuān)業(yè)算法研究機構合作，基于G.168國際標準，并做了大量算法優(yōu)化工作。

　　圖2 達到商用要求的ASR系統

　　語(yǔ)音識別的過(guò)程實(shí)際是一個(gè)話(huà)音樣本錄音和聲音比較的過(guò)程。當錄下來(lái)的聲音樣本（收到的聲音）是純凈或者比較純凈的時(shí)候，識別率將大大提高。試驗表明，采用回聲消除技術(shù)后，語(yǔ)音識別率得到顯著(zhù)提高，從原有的70-80%提高到95%以上，滿(mǎn)足了商用要求，如圖2所示。

　　采用語(yǔ)音檢測實(shí)現語(yǔ)音打斷

　　語(yǔ)音打斷（barge-in）可以減輕系統資源占用，提高語(yǔ)音識別系統的利用率，而且減少用戶(hù)等待的時(shí)間，節省話(huà)費開(kāi)支，為構建高精度和高密度的系統創(chuàng )造了條件。

　　語(yǔ)音檢測 (VAD-Voice Activity Detection)技術(shù)的應用是實(shí)現語(yǔ)音打斷的前提。其原理是檢測線(xiàn)路上的聲音能量（Voice Energy Detection），只有在檢測到語(yǔ)音后才啟動(dòng)錄音和語(yǔ)音識別進(jìn)程。

　　圖3 語(yǔ)音門(mén)戶(hù)系統結構圖

　　一個(gè)貼近現實(shí)應用的語(yǔ)音門(mén)戶(hù)應該同時(shí)基于D系列PCI語(yǔ)音卡的VAD和ECR技術(shù)。在應用了上述技術(shù)后，語(yǔ)音門(mén)戶(hù)的系統結構圖如圖3 所示。

《中國計算機報》2001/06/21