首頁(yè)>>廠(chǎng)商>>語(yǔ)音識別與合成>>科大訊飛

科大訊飛董事長(cháng)劉慶峰介紹語(yǔ)音云概念

2010/10/29

圖:科大訊飛董事長(cháng)劉慶峰介紹語(yǔ)音云概念

　　科大訊飛在本次發(fā)布會(huì )上推出全球首個(gè)同時(shí)提供語(yǔ)音合成、語(yǔ)音搜索、語(yǔ)音聽(tīng)寫(xiě)等智能語(yǔ)音交互能力的移動(dòng)互聯(lián)網(wǎng)智能交互平臺——“訊飛語(yǔ)音云”。

　　以下為劉慶峰現場(chǎng)講演實(shí)錄：

　　尊敬的各位領(lǐng)導和嘉賓，大家下午好。感謝周光召先生和柳傳志先生的精彩演講，讓我們對我們民族語(yǔ)音產(chǎn)業(yè)的發(fā)展更是充滿(mǎn)了斗志和昂揚的信心。就像剛才兩位領(lǐng)導所說(shuō)的那樣，語(yǔ)音作為溝通和獲取信息最便捷的手段和方式，具有廣闊的應用前景。而今天伴隨著(zhù)語(yǔ)音核心技術(shù)的不斷突破，伴隨著(zhù)移動(dòng)互聯(lián)網(wǎng)終端的不斷升級，以及后臺大規模服務(wù)并發(fā)文件的不斷升級，在當前這個(gè)時(shí)代，應用新的架構，讓客戶(hù)能夠用到最好的語(yǔ)音技術(shù)，我們覺(jué)得時(shí)機已經(jīng)成熟。那么今天，科大訊飛在業(yè)界率先發(fā)布的包含語(yǔ)音的移動(dòng)互聯(lián)網(wǎng)的應用和平臺，我們相信一定會(huì )對中國語(yǔ)音產(chǎn)業(yè)乃至移動(dòng)互聯(lián)網(wǎng)的發(fā)展起到非常重要的推動(dòng)作用。

　　下面我首先給大家匯報一下語(yǔ)音產(chǎn)業(yè)最新的一些概括，我們這里所講的語(yǔ)音技術(shù)，簡(jiǎn)單來(lái)說(shuō)就是使得信息時(shí)代的各種機器，都能夠像人一樣能聽(tīng)會(huì )說(shuō)，那么它包括了語(yǔ)音合成，讓機器開(kāi)口說(shuō)話(huà)；語(yǔ)音識別，讓它能聽(tīng)懂人講話(huà)，比如說(shuō)命令控制，語(yǔ)音搜索等等。那么隨著(zhù)社會(huì )的信息化，網(wǎng)絡(luò )化和智能化的發(fā)展趨勢，語(yǔ)音技術(shù)的應用可以深入到社會(huì )生活的幾乎所有行業(yè)，那么目前已經(jīng)在電信、銀行等等越來(lái)越多的行業(yè)得到了深入的應用。

　　除此以外，語(yǔ)音技術(shù)還在國家的信息安全以及漢語(yǔ)國際推廣領(lǐng)域都有著(zhù)非常重要的應用，因此語(yǔ)音技術(shù)和產(chǎn)業(yè)歷來(lái)是世界各國競爭的熱點(diǎn)和焦點(diǎn)。那么2000年以前，中國語(yǔ)音產(chǎn)業(yè)幾乎全部由國外公司主導，98，99年，微軟，英特爾等等，都在中國成立了專(zhuān)門(mén)的語(yǔ)音研究機構，應該是產(chǎn)業(yè)形勢非常地危急。就是在這種背景下，以科大訊飛為代表的民族語(yǔ)音產(chǎn)業(yè)，在聯(lián)想投資，在科學(xué)院以及國家各部委的關(guān)心和支持下，我們勇于亮劍，經(jīng)過(guò)十年的發(fā)展，目前中國語(yǔ)音主流市場(chǎng)的80%已經(jīng)重新回到中國企業(yè)手中。

　　那么科大訊飛不僅在中文領(lǐng)域獲得了國際領(lǐng)先的成果，而且在英文技術(shù)領(lǐng)域方面也取得了國際領(lǐng)先的成就，科大訊飛現在已經(jīng)發(fā)展為中國語(yǔ)音產(chǎn)業(yè)唯一上市的公司，為下一輪更快更好的發(fā)展奠定了很扎實(shí)的基礎。那么今天，我們的語(yǔ)音產(chǎn)業(yè)又面臨著(zhù)更加廣闊的巨大的發(fā)展機遇，這個(gè)機遇就是剛才我們柳總提到的全球已經(jīng)進(jìn)入高速發(fā)展的移動(dòng)互聯(lián)網(wǎng)時(shí)代，那么作為產(chǎn)業(yè)界共同公認的，作為移動(dòng)互聯(lián)網(wǎng)，作為計算機整個(gè)產(chǎn)業(yè)發(fā)展的第五次浪潮，它將帶來(lái)產(chǎn)業(yè)的整體規模將是在桌面互聯(lián)網(wǎng)十倍以上速度的遞增，那么在這個(gè)過(guò)程中，會(huì )誕生一大批偉大的公司。那么在互聯(lián)網(wǎng)時(shí)代，由于我們的社會(huì )越來(lái)越小，經(jīng)常在開(kāi)車(chē)走路的移動(dòng)狀況下使用，因此語(yǔ)音技術(shù)在這個(gè)時(shí)代就有更加廣闊的前景。我們的移動(dòng)互聯(lián)網(wǎng)正在以飛快的速度撲面而來(lái)，目前我們的8億手機用戶(hù)中，已經(jīng)有將近2億的移動(dòng)互聯(lián)網(wǎng)用戶(hù)，到2012年，我們的3G用戶(hù)也將超過(guò)2億以上，如此巨大規模的用戶(hù)群，一定會(huì )為中國移動(dòng)互聯(lián)網(wǎng)的發(fā)展提供源源不斷的動(dòng)力和持續成長(cháng)的舞臺。

　　在這個(gè)大的發(fā)展趨勢中我們可以看到，對語(yǔ)音技術(shù)的投入力度和市場(chǎng)關(guān)注的步伐應該說(shuō)是前所未有的，我們從IBM，微軟，到現在的蘋(píng)果和Google都可以看出明確的趨勢，比如說(shuō)IBM提出要把他的語(yǔ)音技術(shù)推向市場(chǎng)，微軟在多種場(chǎng)合下提出來(lái)，他未來(lái)看好的三大產(chǎn)業(yè)第一就是語(yǔ)音技術(shù)。那么微軟即將推出來(lái)的Window7，也已經(jīng)把語(yǔ)音作為非常重要的一部分，蘋(píng)果也正在研發(fā)語(yǔ)音識別技術(shù)等等。應該說(shuō)國際IT巨頭在中文語(yǔ)音領(lǐng)域，在全球范圍內的對語(yǔ)音產(chǎn)業(yè)的高度關(guān)注，既促進(jìn)了這個(gè)產(chǎn)業(yè)的更快的發(fā)展，也為我們中國語(yǔ)音企業(yè)提出了更大的挑戰，使我們感到更大的發(fā)展的緊迫性。

　　在這種背景下，我們科大訊飛要發(fā)布我們的訊飛語(yǔ)音云各個(gè)，應該說(shuō)當今的互聯(lián)網(wǎng)發(fā)展，社會(huì )各界都已經(jīng)明顯看到，互聯(lián)網(wǎng)已經(jīng)發(fā)展到了成年階段，就是越來(lái)越表達和反應了一個(gè)國家和民族的核心力。所以說(shuō)各國跟互聯(lián)網(wǎng)時(shí)代的網(wǎng)上的話(huà)語(yǔ)權和控制力的爭奪越來(lái)越激烈，而語(yǔ)音作為文化的基礎和民族的象征，我們認為中國的民族語(yǔ)音企業(yè)，一定要在這場(chǎng)競爭中拿出我們的氣魄，做出我們的成果來(lái)。那么今天，科大訊飛我們要發(fā)布的訊飛語(yǔ)音云平臺，就是面臨這樣一種產(chǎn)業(yè)競爭的激烈的格局，以及巨大產(chǎn)業(yè)發(fā)展的空間，我們提出來(lái)。

　　那么我們訊飛語(yǔ)音云平臺的總體架構，大家可以看這個(gè)圖，我們封裝了包括語(yǔ)音識別，語(yǔ)音合成等等戰略的各種智能語(yǔ)音技術(shù)，通過(guò)我們云計算平臺接口，統一實(shí)現資源管理，存儲管理等等，那么像開(kāi)發(fā)伙伴提供便捷的開(kāi)發(fā)環(huán)境和高校的語(yǔ)音服務(wù)。

　　下面給大家介紹并做一些相應的演示，我們在訊飛云平臺中的一些核心技術(shù)。首先給大家介紹一下我們語(yǔ)音合成技術(shù)的發(fā)展和最新的成果。語(yǔ)音合成技術(shù)就是讓機器和各種設備開(kāi)口說(shuō)話(huà)，最關(guān)鍵的指標我們的設備，在車(chē)上收到一條短信，我們能夠馬上讀出來(lái)，那么讀的效果好壞是一個(gè)非常的指標，根據國際比賽，那么有五分的主觀(guān)評價(jià)標準，如果機器念的聲音跟我們播音員一樣，就是五分，像普通人一樣就是四分，我們請大家看一看我們語(yǔ)音合成在各個(gè)歷史階段的項目。

　　首先可以請大家聽(tīng)一下我們在95年的技術(shù)。聽(tīng)起來(lái)很像電影里面機器人的聲音，這說(shuō)明技術(shù)難度很大。

　　看到98年，我們在業(yè)界率先達到了可使用門(mén)檻的水平。那么這是以這個(gè)系統為基礎，科大訊飛的創(chuàng )業(yè)團隊創(chuàng )辦了訊飛公司，這對我們未來(lái)產(chǎn)業(yè)發(fā)展起到了巨大的推動(dòng)作用。今天非常高興告訴大家，我們的語(yǔ)音合成已經(jīng)做到4.5分，是業(yè)界唯一超過(guò)4.0分的系統，也就是說(shuō)播音員是5分，普通人是4分，計算機是4.5分，我們下面聽(tīng)一下。

　　那么剛才大家聽(tīng)到的，這是863比賽的原文，謝謝。那么目前應該說(shuō)對基本任意文本我們都可以有這種水平，今天上午，我們針對今天的發(fā)布會(huì )，專(zhuān)門(mén)合成了一段文章，現在語(yǔ)音已經(jīng)可以由男聲，女聲，童聲，還有方言，請大家聽(tīng)一下，謝謝。

　　那么這都是現場(chǎng)合成的，應該說(shuō)我們對幾乎任意文本都能做到這樣一個(gè)水平。那么除了包括中文的多語(yǔ)言多方言的情況之外，我們加大了國際多語(yǔ)種的研發(fā)，我們參加了由美國和日本聯(lián)合發(fā)起的國際英文大賽，這是全球最權威的語(yǔ)音合成比賽，06年科大訊飛成為業(yè)界最大的一匹黑馬，當時(shí)包括了參加的有微軟公司等等，那么2006年，又連續比了四年，我們非常高興地告訴大家，訊飛已經(jīng)不但是黑馬，所有關(guān)注訊飛的情況下，我們連續四年蟬聯(lián)全球第一名，下面請大家聽(tīng)一下我們英文合成的效果。

　　這一段英文合成應該是非常地道，可以給大家看看這張圖，這是2001年國際比賽的結果，科大訊飛是唯一超過(guò)4.0分的英文合成系統，4.9分是參考對方的美國的播音員的水平。那么4.2是科大訊飛的，應該說(shuō)我們在英文合成上面的核心技術(shù)已經(jīng)是遠遠領(lǐng)先競爭對手，那么在未來(lái)幾年我們還會(huì )陸續推出其他全球最主要的語(yǔ)種。

　　下面再給大家介紹一下在移動(dòng)互聯(lián)網(wǎng)時(shí)代非常有意義的應用，就是發(fā)音模擬技術(shù)，通過(guò)這個(gè)技術(shù)，就可以準確分析他的聲帶特征等等，可以把一個(gè)人的聲音變成另外一個(gè)人說(shuō)話(huà)，這個(gè)我們也做了一個(gè)案例，因為涉及到非商業(yè)的，我們這個(gè)不是一個(gè)商業(yè)的宣傳，因此我們用了我們中央臺著(zhù)名播音員李瑞英的聲音，請大家聽(tīng)聽(tīng)。我們來(lái)看看我們模擬的聲音像不像，謝謝。

　　應該說(shuō)這樣一種發(fā)音模擬技術(shù)和我們語(yǔ)音合成技術(shù)相結合，未來(lái)在無(wú)線(xiàn)互聯(lián)網(wǎng)時(shí)代的網(wǎng)絡(luò )游戲、網(wǎng)絡(luò )教學(xué)、乃至于虛擬主持人等等都有非常廣闊的應用。

　　前面給大家介紹的是語(yǔ)音合成技術(shù)，下面再給大家介紹一個(gè)，我覺(jué)得對語(yǔ)音識別非常有意義和價(jià)值的口語(yǔ)評測技術(shù)。這個(gè)技術(shù)簡(jiǎn)單來(lái)講，就是使得計算機能夠對我們的普通話(huà)或者英語(yǔ)發(fā)音等等進(jìn)行打分，評價(jià)和反饋指導。這項技術(shù)最早的需求來(lái)源是國家語(yǔ)委和教育部，所有的年輕人要想當老師，必須要考普通話(huà)等級證書(shū)，以前都是人工考，三個(gè)老師考一個(gè)學(xué)生，十分鐘結果才能出來(lái)，效率很低，成本很高，讓計算機代替人工來(lái)進(jìn)行測試，這國家語(yǔ)委多年的目標。我今天告訴大家，科大訊飛是唯一的一個(gè)能做到的，我們的技術(shù)在2009年測試人數已經(jīng)超過(guò)了100萬(wàn)人，那么今年國家語(yǔ)委正式下文，大家有興趣可以登錄到我們的網(wǎng)站自己去體驗，不僅可以對你的發(fā)音進(jìn)行打分，還可以告訴你錯的地方在哪些地方。這些同樣在我們的英語(yǔ)教學(xué)，在我們少數民族教育都有非常重要的應用。同時(shí)對我們將要發(fā)布的我們的語(yǔ)音聽(tīng)寫(xiě)和搜索起到了很重要的優(yōu)勢，應該是我們非常強的一個(gè)核心優(yōu)勢。

　　那么在相應的技術(shù)基礎上，我們科大訊飛在2008年，又開(kāi)始參加國際上最權威的說(shuō)話(huà)識別和語(yǔ)種識別的大賽，是NIST主辦的，那么這個(gè)組織從1996年開(kāi)始，每?jì)赡暌淮闻e行說(shuō)話(huà)人和語(yǔ)種的比賽，2000年以后是隔年進(jìn)行，09年是語(yǔ)種識別，語(yǔ)種識別就是一說(shuō)話(huà)我們知道你是哪個(gè)國家哪個(gè)地區的人。我們可以看到，我們的所有指標都在全球前三名。我們在通用語(yǔ)種上獲得了全球的亞軍，那么更難的，高混淆方言，我們是全球第一名。這些國際歷史上大賽的頻繁的獲獎，充分的確立了科大訊飛在國際語(yǔ)音技術(shù)領(lǐng)域，從合成到識別的全面的領(lǐng)先技術(shù)。

　　那么圍繞上述這些核心技術(shù)，我們訊飛面向產(chǎn)業(yè)推出來(lái)的命令式識別和語(yǔ)音搜索技術(shù)，正在日益廣泛的進(jìn)入我們日常生活中。比如說(shuō)在通訊領(lǐng)域，訊飛以音樂(lè )搜索為代表，我們的語(yǔ)音搜索業(yè)務(wù)已經(jīng)覆蓋了46個(gè)升級運營(yíng)點(diǎn)，用戶(hù)數超過(guò)1億人，擁有上千萬(wàn)的穩定活躍的用戶(hù)。此外，電信，移動(dòng)和聯(lián)通推出了一些典型業(yè)務(wù)。另外我們這個(gè)技術(shù)還從電信延伸到了金融、教育等越來(lái)越多的行業(yè)，而且在世博會(huì )上也發(fā)揮了重要的作用，包括語(yǔ)音識別，大家還看到可愛(ài)的海寶，能聽(tīng)會(huì )說(shuō)的海寶就是我們做的，你說(shuō)白日依山盡，它就回到黃河入海流，非常聰明。那么在這個(gè)基礎上，我們隨著(zhù)現代的實(shí)際應用的發(fā)展和應用中對核心技術(shù)提出了越來(lái)越高的要求，技術(shù)不斷的發(fā)展和進(jìn)步。

　　下面請大家看幾個(gè)非常典型的演示，第一個(gè)演示是在移動(dòng)的客服電話(huà)呼叫導航中的演示，這是一個(gè)實(shí)際上線(xiàn)的系統，請大家看一下。

　　好，那么大家看到，最早我們在查詢(xún)各種各樣呼叫中心的時(shí)候，必須要簡(jiǎn)單按鍵，那么我們這個(gè)語(yǔ)音云技術(shù)就非常方便了。相信隨著(zhù)這個(gè)技術(shù)從電信往社會(huì )生活各個(gè)領(lǐng)域的延伸，會(huì )對我們整個(gè)社會(huì )信息的服務(wù)起到一個(gè)極大的提升。剛才是我們呼叫導航，下面再給大家看兩個(gè)非常有趣的演示：一個(gè)是在互聯(lián)網(wǎng)電視領(lǐng)域，大家知道現在三網(wǎng)合一成為一個(gè)信息產(chǎn)業(yè)發(fā)展非常重要的戰略，這就是我們三網(wǎng)合一的實(shí)際的電視機，這個(gè)電視機可以通過(guò)機頂盒，或者說(shuō)現在互聯(lián)網(wǎng)電視直接安裝我們的軟件，這是我們配套的一個(gè)搖控器，非常低成本的在搖控器上增加一個(gè)摁鍵，就可以用語(yǔ)音來(lái)控制了。

　　那么應該說(shuō)，它對互聯(lián)網(wǎng)電視，對三網(wǎng)合一最大的價(jià)值在什么？有了語(yǔ)音識別，我們可以隨意說(shuō)了，準確率都非常地高。剛才看到的是在電視用的應用，下面在具體的手機中的應用，這是一個(gè)智能手機，這個(gè)手機中間，我接了一個(gè)線(xiàn)，這個(gè)線(xiàn)主要的目的是為了投影到上面，唯一的作用就是傳輸我們的屏幕，所有的運算都在我的手機中進(jìn)行。下面給大家看一個(gè)就是在手機中我們實(shí)現的搜索，只要在手機中，用戶(hù)獲得了我們訊飛語(yǔ)音云平臺的注冊通行證，他在手機中任何的瀏覽器，各種搜索都可以用語(yǔ)音來(lái)完成，下面來(lái)給大家安裝這個(gè)語(yǔ)音瀏覽器，起動(dòng)了一個(gè)，這個(gè)是屏幕，我們點(diǎn)擊進(jìn)入到搜索以后，這是我們訊飛的輸入法，我們在網(wǎng)上已經(jīng)發(fā)布了，點(diǎn)擊輸入法中的麥克風(fēng)，我們就可以直接說(shuō)話(huà)了，它的所有運算都是在后臺。

　　應該說(shuō)通過(guò)這種語(yǔ)音搜索，可以極大的提升我們用戶(hù)的使用，剛才給大家看到的就是我們的語(yǔ)音所有剛才的計算全在后臺的云計算平臺來(lái)支撐的。我們看到的了我們的搜索的演示以后，有很多的合作伙伴，包括領(lǐng)導要問(wèn)，如果我們要在移動(dòng)互聯(lián)網(wǎng)終端要使用語(yǔ)音技術(shù)聽(tīng)寫(xiě)，就有更大的難處，因為有很多局限，但是我們非常高興。

騰訊科技