首頁(yè)>>廠(chǎng)商>>語(yǔ)音識別與合成>>科大訊飛

技術(shù)創(chuàng )新推動(dòng)應用進(jìn)程
——簡(jiǎn)述訊飛中英文混讀系統的創(chuàng )新性和實(shí)用性

2002/01/07

　　最近，263網(wǎng)站開(kāi)通了“263在線(xiàn)”語(yǔ)音郵箱服務(wù)，用戶(hù)只要通過(guò)電話(huà)就能獲悉油箱中的電子郵件，而且無(wú)論是中文、英文還是中英文混合的內容，都可以打電話(huà)及時(shí)聽(tīng)取。諸如此類(lèi)的及時(shí)語(yǔ)音服務(wù)已在上海、遼寧、山西、安徽等省市的電信行業(yè)開(kāi)通，讓人們切身感受到語(yǔ)音技術(shù)帶來(lái)的便捷、高效的信息獲取方式。

　　處在一個(gè)信息爆炸的時(shí)代，如何快速準確地獲取各種信息，對人們的日常工作和生活已經(jīng)具有越來(lái)越重要的意義。在電話(huà)高度普及的今天，如果所需信息都能及時(shí)轉換為語(yǔ)音的方式，通過(guò)電話(huà)就能查詢(xún)到這些所需信息，無(wú)疑將給人們的日常生活帶來(lái)極大方便。

　　眾所周知，語(yǔ)音合成技術(shù)能夠以有限的資源占用，將各種文字信息及時(shí)轉化為連續的語(yǔ)音，是一種能夠在任何時(shí)間、任何地點(diǎn)向任何人提供公共信息服務(wù)的有效手段。近年來(lái)，隨著(zhù)中文語(yǔ)音合成技術(shù)的迅速發(fā)展，中英文混讀技術(shù)也不斷獲得突破，已經(jīng)能夠完全適應大規模、多領(lǐng)域的應用。

　　在中文語(yǔ)音領(lǐng)域處于領(lǐng)先水平的科大訊飛最近推出訊飛InterPhonic C&E Rev 1.0系統，能夠解決中文和英文混合出現在各種文本中的語(yǔ)音合成問(wèn)題，并在業(yè)界首次實(shí)現了中文、英文抑或中英文混合的合成，都能夠達到普通人說(shuō)話(huà)時(shí)的連續、自然、可懂的語(yǔ)音效果。此外，針對大吞吐量、高性能、穩定的高端應用，該系統還提供基于TCP/IP網(wǎng)絡(luò )的集群式語(yǔ)音合成服務(wù)，語(yǔ)音合成服務(wù)采用動(dòng)態(tài)負載均衡機制對任務(wù)進(jìn)行動(dòng)態(tài)調度，很好地解決了海量信息和動(dòng)態(tài)信息的實(shí)時(shí)查詢(xún)，滿(mǎn)足了企業(yè)級乃至電信級的CTI應用要求。

技術(shù)創(chuàng )新

　　對于中英文混合的語(yǔ)音合成，傳統的解決方案是采用中文和英文兩種合成引擎，合成時(shí)先分離中英文文本，再在不同的引擎下進(jìn)行合成，最后匯集合成數據輸出。但這種合成方法存在著(zhù)中英文不同音、銜接部分跳躍大等弊端，難以實(shí)現較好的合成效果。另外，語(yǔ)音合成技術(shù)領(lǐng)域，在已有的單一語(yǔ)種（如中文、英文等）語(yǔ)音合成方法的基礎上，開(kāi)發(fā)不同語(yǔ)種的語(yǔ)音合成系統，可行性不大。

　　訊飛InterPhonic C&E Rev 1.0語(yǔ)音合成系統首次將中英文混雜的文本作為第三種語(yǔ)言進(jìn)行專(zhuān)門(mén)研究，并建立了一套綜合考慮中英文混合情況的文本分析體系和韻律規則模型，中英文音庫的錄制也由同一個(gè)人完成，保證了合成效果的一致性；同時(shí)采用了獨立于語(yǔ)種研究的方法，提高了不同語(yǔ)種的重用性，使得該套研究方法易于擴展到其它語(yǔ)種。

　　具體來(lái)講，該套系統創(chuàng )新方法有：

　　多語(yǔ)種文本分析體系 能同時(shí)對純中文、純英文或是中英文混合文本進(jìn)行相應的處理。該分析體系具有完備的文本分析庫知識，并在人名識別規則、多音字處理規則、特殊符號處理規則的積累方面已走在世界前列；

　　先進(jìn)的語(yǔ)言學(xué)層次結構體系 首次將國內最新的漢語(yǔ)連續語(yǔ)流標注體系CToBI的進(jìn)行工程化應用，可以準確的對連續語(yǔ)流中不同層次的語(yǔ)言現象進(jìn)行描述，同時(shí)采用先進(jìn)的漢語(yǔ)語(yǔ)音韻律描述體系，提高了系統的整體語(yǔ)音效果；

　　基于數據統計和人工智能的韻律模型構架 該系統基于先進(jìn)的大語(yǔ)料庫語(yǔ)音合成方法，進(jìn)行了超大規模的自然語(yǔ)流數據庫的制作，并以此作為數據統計和機器學(xué)習的訓練數據，并建立了較為完善的基頻、時(shí)長(cháng)、能量、停頓模型，同時(shí)將規則方法和統計方法進(jìn)行了很好的綜合，有效地提高了系統的總體水平；

　　改進(jìn)型PSOLA算法的韻律調整功能 采用最先進(jìn)的Psola語(yǔ)音算法工具，使得系統在語(yǔ)速調整和運行穩定性等方面有更加優(yōu)秀的表現。

　　由于進(jìn)行一系列的技術(shù)創(chuàng )新，該中英文混讀系統達到了高自然度、高流暢度的語(yǔ)音合成效果，據權威機構評測，該系統在針對新聞等不同文體的文本合成，均可達到4.3分（5分制）的自然度，完全能夠適應各種多語(yǔ)種文本的語(yǔ)音合成場(chǎng)合，在社會(huì )的各行各業(yè)都有極為廣闊的應用前景。

應用范圍

　　訊飛InterPhoic C&E Rev 1.0語(yǔ)音平臺能夠運用于新一代(電信級集群)聲訊服務(wù)、企業(yè)級呼叫中心、、電信、銀行、證券等行業(yè)的客戶(hù)服務(wù)中心、網(wǎng)站語(yǔ)音門(mén)戶(hù)、語(yǔ)音郵件系統、統一信息服務(wù)等系統之中，也可以運用于現有IVR平臺之上。

電信業(yè)客戶(hù)服務(wù)中心

　　訊飛語(yǔ)音合成技術(shù)除了能夠完成電信業(yè)原有的114查號系統、話(huà)費查詢(xún)、話(huà)費催繳、代繳以及電信法規、業(yè)務(wù)咨詢(xún)等基本業(yè)務(wù)，還可以促進(jìn)電信業(yè)結合自己的電話(huà)網(wǎng)絡(luò )資源優(yōu)勢和信息源優(yōu)勢，搭建各種電話(huà)信息應用平臺，提供諸如預訂業(yè)務(wù)、大眾呼叫等多項增值服務(wù)。在提供高質(zhì)高效的服務(wù)的同時(shí)，節省了運營(yíng)成本，促成呼叫中心由成本中心向利潤中心轉換。

證券業(yè)客戶(hù)服務(wù)中心

　　訊飛語(yǔ)音合成技術(shù)完全可以滿(mǎn)足用戶(hù)海量、動(dòng)態(tài)信息高質(zhì)量的語(yǔ)音查詢(xún)需求，以清晰自然的語(yǔ)音實(shí)現像個(gè)人信息（包括資金、股份、委托情況、成交情況等）、股市行情（包括股票行情、指數、指標等）以及股評與業(yè)績(jì)報告的實(shí)時(shí)查詢(xún)。采用語(yǔ)音合成技術(shù)還可以將證券業(yè)務(wù)拓展到通信網(wǎng)，用戶(hù)可以通過(guò)電話(huà)很方便的進(jìn)行股票交易、銀行轉帳等多項業(yè)務(wù)。

銀行業(yè)客戶(hù)服務(wù)中心

　　訊飛語(yǔ)音合成技術(shù)可以使銀行業(yè)客服中心實(shí)現賬戶(hù)資料查詢(xún)、歷史記錄查詢(xún)、利率匯率實(shí)時(shí)查詢(xún)等多項動(dòng)態(tài)查詢(xún)業(yè)務(wù)，同時(shí)可以幫助電話(huà)銀行擴展自動(dòng)服務(wù)業(yè)務(wù)種類(lèi)，可以全天候的提供轉帳、自助繳費(包括手機費、尋呼費、電費等多種費用)、銀證轉帳、銀證通(客戶(hù)可直接使用銀行賬戶(hù)在電話(huà)銀行中進(jìn)行股票買(mǎi)賣(mài)業(yè)務(wù))、外匯買(mǎi)賣(mài)(客戶(hù)進(jìn)行按鍵操作進(jìn)行外匯買(mǎi)賣(mài))、賬戶(hù)掛失等多項服務(wù)。

保險業(yè)客戶(hù)服務(wù)中心

　　語(yǔ)音合成技術(shù)能夠提供公司公共信息、客戶(hù)保單信息、業(yè)務(wù)員認證信息的動(dòng)態(tài)咨查詢(xún)服務(wù)，而對語(yǔ)音合成技術(shù)的充分應用可以改變目前保險業(yè)客服中心可操作性差的弱點(diǎn)，完成從投保續保、出險理賠直至賠案查付等多項職能，同時(shí)業(yè)非常方便各地保險公司針對當地市場(chǎng)情況開(kāi)展特色服務(wù)。

電力行業(yè)客戶(hù)服務(wù)中心

　　在電力行業(yè)中語(yǔ)音合成技術(shù)可以向用戶(hù)提供業(yè)務(wù)受理進(jìn)程查詢(xún)、電費額明細查詢(xún)、電費催繳、故障通知以及其他各類(lèi)信息咨詢(xún)，如供電企業(yè)概況、供電營(yíng)業(yè)區劃分、主營(yíng)業(yè)務(wù)、供電搶修聯(lián)絡(luò )方式、國家及地方政府的有關(guān)電力方面的政策、文件、規定、措施等信息。在此基礎上，可以利用已有的資源進(jìn)行外包，可以充分利用公司的各種軟、硬設備和優(yōu)勢促進(jìn)公司發(fā)展，增加公司收入。

郵政行業(yè)客戶(hù)服務(wù)中心

　　語(yǔ)音合成技術(shù)可以幫助郵政客戶(hù)服務(wù)中心將以一個(gè)統一的服務(wù)平臺面向用戶(hù)，融合包括郵政金融、郵政特快、報刊發(fā)行、集郵等在內的各項郵政服務(wù)，為用戶(hù)提供咨詢(xún)、查詢(xún)、受理以及投訴等多項業(yè)務(wù)。通過(guò)服務(wù)水平的提高和服務(wù)內容的增加，帶來(lái)經(jīng)濟效益和社會(huì )效益的雙豐收。

　　此外，采用語(yǔ)音合成技術(shù)可以改變原有聲訊平臺提供服務(wù)種類(lèi)單一的弱點(diǎn)，開(kāi)展諸如考試查分、廣播電視節目的動(dòng)態(tài)查詢(xún)、節目的實(shí)時(shí)點(diǎn)播與點(diǎn)評、電話(huà)學(xué)位防偽查詢(xún)系統、電話(huà)產(chǎn)品防發(fā)展空間。采用語(yǔ)音技術(shù)的電話(huà)因特網(wǎng)可以實(shí)現電話(huà)網(wǎng)和因特網(wǎng)之間的信息互訪(fǎng)：一方面，能夠將因特網(wǎng)上的文字信息轉換成電話(huà)網(wǎng)上的語(yǔ)音信息，另一方面，也能夠將因特網(wǎng)上的信息流發(fā)送到電話(huà)網(wǎng)的電話(huà)終端上，從而使得網(wǎng)站語(yǔ)音門(mén)戶(hù)可以提供諸如有聲電子郵件、語(yǔ)音聊天室、電話(huà)購物等服務(wù)。在不遠的將來(lái)，集成語(yǔ)音技術(shù)的語(yǔ)音門(mén)戶(hù)系統必將成為一個(gè)全能的“翻譯器”，將無(wú)窮的互聯(lián)網(wǎng)資源通過(guò)電話(huà)提供給用戶(hù)，為用戶(hù)提供全天候、全方位的服務(wù)。

科大訊飛公司供稿　CTI論壇編輯