北京捷通華聲語(yǔ)音技術(shù)有限公司（簡(jiǎn)稱(chēng)“捷通華聲”）今日在北京中關(guān)村舉行“2012靈云發(fā)布會(huì )”。會(huì )上，捷通華聲發(fā)布了語(yǔ)音識別、語(yǔ)義理解和光學(xué)字符識別三項HCI技術(shù)，其中語(yǔ)音識別準確率已達到90%以上。
此前，捷通華聲一直以語(yǔ)音合成技術(shù)和手寫(xiě)技術(shù)聞名于業(yè)界。而如今其語(yǔ)音合成技術(shù)依然保持領(lǐng)先，有超過(guò)50%的市占率。而手寫(xiě)識別也占據了約35%的市場(chǎng)份額，且支持42種語(yǔ)言及手寫(xiě)/疊寫(xiě)識別，突破了用戶(hù)疊寫(xiě)字跡無(wú)法識別的局限。
圖1：參會(huì )嘉賓通過(guò)手寫(xiě)識別獲取簽到資料
除了已有HCI技術(shù)，捷通華聲在發(fā)布會(huì )上又發(fā)布了語(yǔ)音識別、語(yǔ)義理解和光學(xué)字符識別三項新技術(shù)。語(yǔ)音識別是指機器對人聲的識別，主要有“所說(shuō)即所點(diǎn)”、“智能意圖控制”、“語(yǔ)音輸入”三種應用場(chǎng)景。語(yǔ)義理解是機器對人類(lèi)語(yǔ)言的理解，目前大多應用在智能問(wèn)答場(chǎng)景中。光學(xué)字符識別，則是對印刷體文本資料中的文字和版面信息識別的過(guò)程。
在語(yǔ)音識別方面，捷通華聲針對三種不同場(chǎng)景做了專(zhuān)門(mén)優(yōu)化。“所說(shuō)即所點(diǎn)”是用人聲來(lái)代替點(diǎn)擊操作，解決了車(chē)載等無(wú)法便捷實(shí)現點(diǎn)擊的場(chǎng)景局限。目前這方面的識別正確率已超過(guò)95%，識別響應時(shí)間從原來(lái)的2.7秒降到了0.3秒。
而“智能意圖控制”是人通過(guò)語(yǔ)音控制周?chē)h(huán)境，執行一系列命令操作的過(guò)程，比如人與智能手機客戶(hù)端小唐龍的互動(dòng)，成功實(shí)現了人機互動(dòng)的便捷生活。第三大場(chǎng)景“語(yǔ)音輸入”則是將人的聲音轉換成文字，目前捷通華聲這一技術(shù)在微博短信中的語(yǔ)音輸入正確率已超過(guò)90%。
圖2：靈云輸入法與小唐龍下載區
至今，靈云已擁有語(yǔ)音合成（TTS）、語(yǔ)音識別（ASR）、手寫(xiě)識別（HWR）、光學(xué)字符識別（OCR）、人工智能(AI)等多項HCI核心技術(shù)。通過(guò)捷通華聲工程師團隊的努力，這些技術(shù)被成功放置到靈云平臺上，且其客戶(hù)端程序被大大縮減至3M。通過(guò)這3M大小的應用程序，客戶(hù)可以調用所有的靈云能力，從而為不同領(lǐng)域、行業(yè)企業(yè)提供了多種HCI解決方案，包括無(wú)紙化辦公方案、電子簽批方案、電子表單處理方案、語(yǔ)音技術(shù)方案、智能客服系統方案等。
除了支持多項HCI技術(shù)，靈云還可以?huà)旖拥谌降腍CI能力，力求將多樣化的HCI技術(shù)加載到靈云平臺上，服務(wù)服務(wù)廣大的用戶(hù)。而“云+端”的方式，使得靈云性能更優(yōu)化，響應速度更快，極大地方便了用戶(hù)的使用。而作為一個(gè)開(kāi)放性平臺，靈云定制化的目標更加明確，滿(mǎn)足各種場(chǎng)景應用和需求。捷通華聲董事長(cháng)張連毅表示，通過(guò)靈云以及各項HCI技術(shù)的不斷創(chuàng )新，捷通華聲希望能達成“讓人與機器的交流像人與人一樣自然”的愿景。
