2013第二屆運商終端與應用創(chuàng )新合作大會(huì )于8月7-8日在國賓酒店召開(kāi)，來(lái)自產(chǎn)業(yè)各界近500位嘉賓出席，針對運營(yíng)商終端定制、產(chǎn)業(yè)合作、流量經(jīng)營(yíng)等焦點(diǎn)話(huà)題展開(kāi)深入交流。通信世界網(wǎng)作為直播媒體將對本次大會(huì )進(jìn)行直播。
捷通華聲首席架構師陳明
陳明：大家下午好！我是北京捷通華聲首席架構師陳明，給大家介紹一下靈云平臺人機交互的平臺，捷通華聲品牌不是很強，簡(jiǎn)單介紹一下捷通華聲，另外講一下靈云平臺介紹、應用和解決方案。
捷通華聲成立于2000年10月，一直致力于云的交互、手寫(xiě)識別智能交互系統的研究應用開(kāi)發(fā)，公司的主要愿景和理想，讓人機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，以及聘請兩位老科學(xué)家，指導我們做語(yǔ)音合成和手寫(xiě)識別教授，我們都是在這個(gè)領(lǐng)域多年經(jīng)驗，一直成為讓人機交互越來(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，當時(shí)集成OCR手寫(xiě)識別、語(yǔ)音識別、TDS協(xié)同，現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)，因為當時(shí)技術(shù)都是集成第三方的技術(shù)，包括當時(shí)用的云識別是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(xiě)識別技術(shù)，TTS技術(shù)是國內實(shí)用化技術(shù)，02年的時(shí)候因為一個(gè)機遇，假如聯(lián)通和高通合作的業(yè)務(wù)開(kāi)發(fā)里邊，因此進(jìn)入移動(dòng)互聯(lián)網(wǎng)行業(yè)，03年中標北京重大科技奧運項目，開(kāi)發(fā)多語(yǔ)種智能平臺，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年中標中國高鐵項目，站臺播報技術(shù)都是我們提供，2010年公司看到云技術(shù)、大數據技術(shù)發(fā)展，也想轉化商業(yè)模式，希望我們提供人機交互模式，提供開(kāi)發(fā)商，希望把技術(shù)放在云端，讓用戶(hù)使用，促成靈云的誕生，2011年底推出靈云平臺，經(jīng)過(guò)一年半發(fā)展，現在也是靈云平臺比較成熟。
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，包括運營(yíng)商、手機廠(chǎng)商等合作伙伴。
二、靈云平臺介紹
希望把手寫(xiě)識別、語(yǔ)音識別、語(yǔ)音合成等等人機交互系統放在云端，讓用戶(hù)在使用各種設備，在任何時(shí)間點(diǎn)都可以像用水、用電一樣使用智能人機交互技術(shù)，實(shí)現人機交互人與人溝通簡(jiǎn)單自然的目標。這是我們平臺架構，主要有多個(gè)服務(wù)結點(diǎn)，都包含任務(wù)的分配，轉化具體服務(wù)器進(jìn)行處理，不同的語(yǔ)音識別組成服務(wù)器的池，我們有一個(gè)中央統一運維管理系統，云平臺很大的優(yōu)點(diǎn)，我們能夠收集大量用戶(hù)上傳的視聽(tīng)資料，對于我們做手寫(xiě)識別的技術(shù)，不斷提升我們識別率，開(kāi)發(fā)者可以通過(guò)我們登陸社區平臺申請應用，下載SDK進(jìn)行相關(guān)的開(kāi)發(fā)。
靈云平臺第一個(gè)特點(diǎn)高度融合的平臺，這個(gè)平臺融合很多人機交互能力，我們接口是比較統一的接口，保持比較大的一致性，然后用戶(hù)可以很容易訪(fǎng)問(wèn)其他能力，另外底層能力接口定義規范，新的能力可以很融入加入里邊，現在跟人臉廠(chǎng)商討論，希望把他們技術(shù)引入我們平臺上邊去。單一能力可能自己做自學(xué)、不斷優(yōu)化的工作，在統一平臺做一些工作，試圖多個(gè)出入模塊里邊，把用戶(hù)數據進(jìn)行統一的學(xué)習、數據挖掘，提高我們質(zhì)量。
靈云平臺第二個(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(lài)于網(wǎng)絡(luò )，達到更好的可用性和更好響應時(shí)間，實(shí)際計算處理可以放在本地做，另外一些場(chǎng)景下邊云加端識別策略，云識別場(chǎng)景下對于云端，本地端對本地通訊錄、本地應用達到更好的識別率，可以進(jìn)行協(xié)同識別策略?xún)蛇吔Y果進(jìn)行判斷，達到選擇更好、更有可能的結果，使用戶(hù)體驗更好。
第三個(gè)特點(diǎn)可定制，除了提供公有云以外，可以根據客戶(hù)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，根據他們運維和監控需求，把我們部署結構、日志輸出都按照他們要求更改，當然針對其他客戶(hù)也可以做這樣的宏觀(guān)。模型、音庫、模板可以根據特殊領(lǐng)域進(jìn)行定制，大大提高領(lǐng)域的識別率和合成效果，比如音庫可以跟企業(yè)合作，為他們專(zhuān)門(mén)進(jìn)行錄音，制造專(zhuān)門(mén)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別兩個(gè)方面，后期也跟一些廠(chǎng)商合作，希望將來(lái)能夠拓展到生物特征識別、人臉識別方面，也把它加入我們應用平臺上邊去。
語(yǔ)音合成技術(shù)是捷通華聲做了十多年，現在自然度、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(huà)銀行、排隊叫號好多都是提供服務(wù)的。
語(yǔ)音識別方面前期主要做嵌入詞比較多，目前我們連續識別達到適用的水平，基本達到90%左右，另外采用圖像壓縮方式，使識別速度比較快，比較大提高識別率，我們測試結果基本能到41%以上。另外針對云服務(wù)收集上來(lái)的語(yǔ)料，一直進(jìn)行模型優(yōu)化訓練，使識別率不斷提高。
手寫(xiě)識別技術(shù)，行疊寫(xiě)是我們公司率先提出，極大的優(yōu)化用戶(hù)無(wú)線(xiàn)體驗，另外手寫(xiě)技術(shù)支持語(yǔ)種非常廣泛，目前支持27種識別。光學(xué)字符識別本人以前做這方面，近年來(lái)隨著(zhù)終端設備越來(lái)越強大，攝象頭越來(lái)越好，實(shí)際拍照出來(lái)東西對它進(jìn)行處理，有一些新的挑戰，比如光照的影響或者拍的時(shí)候角度，包括復雜景物下文字處理，這是十年間做文檔類(lèi)字符識別不考慮，兩年前主要做一些工作，主要集中圖象識別上，包括證照、票據識別上。
自然語(yǔ)言理解技術(shù)，對自然語(yǔ)言進(jìn)行分析然后進(jìn)行意圖理解，在這個(gè)基礎上推出像智能客服、手機助手產(chǎn)品，另外也跟車(chē)載、智能家電廠(chǎng)商合作，做理解技術(shù)包括語(yǔ)音交互的產(chǎn)品。
