|
■ 您的公司需要語(yǔ)音技術(shù)嗎?
算法的改進(jìn)和新應用的出現（例如語(yǔ)音門(mén)戶(hù)和Web 消息等），使得語(yǔ)音技術(shù)成為市場(chǎng)主流。語(yǔ)音門(mén)戶(hù)可以使得用戶(hù)通過(guò)電話(huà)線(xiàn)使用語(yǔ)音命令訪(fǎng)問(wèn)基于Internet的信息，而Web
消息是統一消息新孕育出的業(yè)務(wù)，可以使用傳統的電話(huà)技術(shù)接入網(wǎng)絡(luò )，像語(yǔ)音mail，email和傳真等等。加上新出現的自動(dòng)語(yǔ)音應答為企業(yè)提供整合了WEB的接口，您會(huì )發(fā)現所有的相關(guān)技術(shù)和市場(chǎng)都在快速增長(cháng)。簡(jiǎn)而言之，語(yǔ)音技術(shù)的巨大潛力已經(jīng)使其成為個(gè)人電腦、電話(huà)以及其他電子設備的下一個(gè)關(guān)鍵的接口。
■ 發(fā)展的機遇在哪里?
語(yǔ)音門(mén)戶(hù)對使用語(yǔ)音技術(shù)的應用開(kāi)發(fā)商而言是巨大的發(fā)展機遇。Frost & Sullivan*預計在以后的6年里，語(yǔ)音門(mén)戶(hù)的市場(chǎng)將會(huì )保持
54%增長(cháng)率**，公共網(wǎng)絡(luò )提供商、本地交換運營(yíng)商(LECs) 、競爭性的本地交換運營(yíng)商(CLECs)、Internet
服務(wù)提供商(ISPs)都正在尋找該領(lǐng)域的閃光點(diǎn)，期望從中能找出能夠帶來(lái)豐厚回報的增值服務(wù)。
企業(yè)級的統一消息應用可以利用包括語(yǔ)音，email和傳真消息等交互消息平臺獲取利潤， Web消息在功能上是其自然的發(fā)展，。網(wǎng)絡(luò )公司則可引入語(yǔ)音技術(shù)來(lái)訪(fǎng)問(wèn)它的Web服務(wù)器和分布式數據庫，以得到更高程度上的業(yè)務(wù)集成。這種向語(yǔ)音技術(shù)的發(fā)展將會(huì )有更大的市場(chǎng)需求，移動(dòng)電話(huà)用戶(hù)會(huì )更喜歡語(yǔ)音撥號取代手動(dòng)撥號，蜂窩電話(huà)尺寸的減少使得這種語(yǔ)音技術(shù)的優(yōu)越性將會(huì )更加明顯。
■ 持續語(yǔ)音處理- 使得消息更加宏亮和清晰
增強語(yǔ)音技術(shù)平臺的結果是持續語(yǔ)音處理(CSP)，Dialogic? Dialogic?板卡和CSP技術(shù)將會(huì )開(kāi)發(fā)基于語(yǔ)音的應用，這種應用通過(guò)整合新技術(shù)和提供高質(zhì)量的語(yǔ)音命令的傳輸，達到最好的精確度和最好的性能。
CSP 給開(kāi)發(fā)商帶來(lái)5個(gè)方面的好處：
- 節省成本 - 系統平臺的成本更低
- 性能好 - 減少系統延遲提高響應時(shí)間
- 準確性高 - 更高的識別準確度
- 適用范圍廣 - 適用從小型到大型的的各種系統
- 密度高 - 每一個(gè)板卡上具有經(jīng)濟合算的端口密度
我們將在后面談及這些好處，下面分析一下CSP的關(guān)鍵支撐技術(shù)
■ 解開(kāi)神秘的面紗
CSP構建在輔助有新算法的增強型語(yǔ)音技術(shù)之上，它的一個(gè)關(guān)鍵組件是話(huà)音插入（barge-in），即允許用戶(hù)說(shuō)話(huà)來(lái)打斷提示語(yǔ)，同時(shí)中斷期間語(yǔ)音識別器依然可以識別話(huà)音。在大多數電話(huà)的應用環(huán)境中，到達的信號是用戶(hù)話(huà)音、從提示語(yǔ)過(guò)來(lái)的回聲和線(xiàn)路噪聲的混合體。考慮到包括各種類(lèi)型和質(zhì)量的線(xiàn)路的變化，同時(shí)考慮到說(shuō)話(huà)者的聲音，開(kāi)發(fā)出話(huà)音插入技術(shù)意味著(zhù)將面臨艱巨的技術(shù)挑戰。為了能使其工作，系統必須為真實(shí)電話(huà)環(huán)境的回聲特征建模，并從接收信號中減去提示語(yǔ)回聲。利用CSP技術(shù)，這種極其消耗CPU資源的功能將不再使用系統主機的CPU，而轉向使用語(yǔ)音板卡上的DSP來(lái)進(jìn)行高效地語(yǔ)音檢測。針對基于主機的語(yǔ)音資源處理，CSP技術(shù)可優(yōu)化其性能，例如駐留在主機上的大詞匯量的自動(dòng)語(yǔ)音識別（ASR）引擎
。CSP可以實(shí)現語(yǔ)音數據在電話(huà)板卡和主機處理器之間的流式預處理。
CSP功能具有幾個(gè)關(guān)鍵特征，這些關(guān)鍵特征對于應用和擴大市場(chǎng)份額至關(guān)重要。
- 回聲消除 (EC) - 在語(yǔ)音識別、Internet電話(huà)、DTMF/音頻檢測技術(shù)中使用，用來(lái)在到達信號中消除提示語(yǔ)的影響。
- 全雙工操作 - 該應用使每個(gè)電話(huà)端口都能夠同時(shí)發(fā)送和接收話(huà)音數據
- 語(yǔ)音激活檢測器 (VAD) - 檢測線(xiàn)路上是否有語(yǔ)音能量信號
- 話(huà)音插入 - 在給定話(huà)路上進(jìn)行語(yǔ)音檢測時(shí)，CSP可以通過(guò)編程自動(dòng)中止話(huà)路上的提示語(yǔ)，通過(guò)快速中止提示語(yǔ)和識別呼叫者的輸入，可以改善識別精度。沒(méi)有提示語(yǔ)的快速停止，呼叫者的說(shuō)話(huà)可能會(huì )斷斷續續或者不清晰，降低識別性能。
- 語(yǔ)音驅動(dòng)信令 - 當檢測到語(yǔ)音信號時(shí)，不需要停止提示語(yǔ)播放，CSP通過(guò)編程發(fā)送信號給處理器，允許ASR引擎中止提示語(yǔ)已達到更好的質(zhì)量。
- 預話(huà)音緩沖器- 到達的話(huà)音數據存儲在一個(gè)250ms的緩沖器中，當檢測到語(yǔ)音信號時(shí)，緩沖器中的話(huà)音會(huì )被轉發(fā)給ASR資源進(jìn)行處理，這種預語(yǔ)音包含高精度識別所需的關(guān)鍵信息。
- 統一的應用編程接口 (API) - 為保留系統的靈活性，應用編程接口必須一致，而且與底層的硬件無(wú)關(guān)
■ CSP 優(yōu)點(diǎn)
如果我們對具有CSP的系統和沒(méi)有CSP的系統的呼叫流程做一個(gè)比較，CSP的優(yōu)點(diǎn)就會(huì )很清楚。沒(méi)有CSP的系統，主機不斷地從DSP接收數據，包括所有的端口，這對CPU和主機的壓力很大，會(huì )降低系統性能。當DSP不斷地將語(yǔ)音包發(fā)給CPU時(shí)，這些輸入數據將占用CPU的90－100％的處理能力。而且，DSP沒(méi)有對無(wú)用的數據（例如：非語(yǔ)音信息）進(jìn)行過(guò)濾，而直接送給CPU進(jìn)行處理，這將進(jìn)一步降低系統性能。結果，必須安裝高性能的平臺以補償對CPU和主機負荷的增加。
當呼叫者在基于CSP的語(yǔ)音平臺上交互操作時(shí)，將會(huì )有提示語(yǔ)播放，呼叫者可以在提示語(yǔ)播放期間隨時(shí)說(shuō)話(huà)來(lái)發(fā)出命令。這種方式通過(guò)使用語(yǔ)音菜單來(lái)加速引導過(guò)程，使用戶(hù)功能輕而易舉的找到目標。同樣系統可以高效地進(jìn)行后臺處理，平臺只在語(yǔ)音輸入時(shí)才要求主機系統進(jìn)行處理，通常只需要其它應用程序的10－15％的處理時(shí)間。通過(guò)使用DSP上的VAD，只有當由語(yǔ)音輸入時(shí)才提交流數據，CSP可以大大節省CPU的處理時(shí)間。使用CSP時(shí)，板上DSP的語(yǔ)音檢測模塊就可以完成這種工作。
◎ 預話(huà)音緩沖器的解釋
使用預語(yǔ)音緩沖器和VAD的話(huà)音插入組件后，可以將主機從繁重的持續語(yǔ)音處理的任務(wù)中釋放出來(lái)，并減少系統的復雜度。只有當有事件發(fā)生時(shí)系統才會(huì )工作，例如語(yǔ)音檢測。這樣做有很多好處，負載減輕后可以將系統擴展到上百個(gè)端口，因為主機CPU不再需要處理一些無(wú)用的數據。此外，預語(yǔ)音緩沖器使應用開(kāi)發(fā)商可以提高系統的可靠性和準確性。
使用話(huà)音插入組件的語(yǔ)音系統將經(jīng)過(guò)回聲消除處理的數據裝在很小的數據包中（小于100 MS），從語(yǔ)音卡傳送到主機的ASR引擎。這樣意味著(zhù)檢測和識別呼叫者的話(huà)音數據將會(huì )花費很少的時(shí)間，進(jìn)而轉換為更高的精度。呼叫者會(huì )發(fā)現系統更友好，因為只要一說(shuō)話(huà)，提示語(yǔ)就會(huì )停止。
選擇已經(jīng)十分清楚了，具有預語(yǔ)音緩沖器的語(yǔ)音檢測系統裝配在板卡上，而不是主機上，這是建立一個(gè)可擴展的和高密度的現代系統的所不可缺少的。
■ 利潤再現
Internet的成功和電子商務(wù)的持續發(fā)展為語(yǔ)音技術(shù)提供了巨大的商機，同樣也會(huì )刺激像CSP這樣的語(yǔ)音平臺的需求。除了構架的概念以外，應用開(kāi)發(fā)商可以使用CSP的關(guān)鍵優(yōu)點(diǎn)開(kāi)發(fā)出新功能并投放市場(chǎng)。
◎ 準確性
利用話(huà)音插入組件、預語(yǔ)音緩沖器和回聲消除技術(shù)，能夠提高CSP的準確性， 可以滿(mǎn)足用戶(hù)的需要，特別是對那些由于使用了語(yǔ)音技術(shù)而遭受挫折的用戶(hù)。背景噪聲、靜電噪聲、線(xiàn)路質(zhì)量差等影響可以通過(guò)配置噪聲門(mén)限得以減小或者消除，假如開(kāi)發(fā)商打算介入各種市場(chǎng)應用，那么這種平臺可以應用在各種電話(huà)環(huán)境中。
◎ 密度/可擴展性
CSP 每個(gè)卡可以提供4－120個(gè)話(huà)路的端口密度，因為語(yǔ)音識別的關(guān)鍵組件可以由板上的功能完成，將主CPU從連續的流數據中解放出來(lái)。如果在在一個(gè)機箱中安裝多個(gè)高密度板卡組件，語(yǔ)音平臺可以很容易地擴展到每系統上百個(gè)端口。
◎ 節約成本
通過(guò)在實(shí)施和運行維護方面降低成本，CSP可以節省開(kāi)支。因為語(yǔ)音門(mén)戶(hù)和Web消息常常是布署在一個(gè)共享的主機站點(diǎn)，空間方面的考慮是十分重要的。高密度的系統可以將系統配置在一個(gè)緊湊的計算機機箱中，使得系統占用的空間最小。
此外，板卡級的組件減少了對高成本平臺的需求，只需使用較低價(jià)位的處理器就可以得到相當好的性能。像運行成本，話(huà)音插入組件，預語(yǔ)音緩沖器和回聲消除之類(lèi)的高級特征有助于減少呼叫持續時(shí)間，從而增加處理呼叫的數量。
應用提供商也可以節省開(kāi)支，通常通過(guò)一個(gè)免費號碼就能訪(fǎng)問(wèn)語(yǔ)音應用，如果呼叫持續的時(shí)間變短，電話(huà)的費用也會(huì )相應減少。
最主要的好處是能夠提高的服務(wù)質(zhì)量，獲得一個(gè)新客戶(hù)是很非常昂貴的。使用CSP提高精確度和簡(jiǎn)化引導方式，您就能留住這個(gè)老顧客，從而可以集中精力和時(shí)間去發(fā)掘更賺錢(qián)的服務(wù)，并招攬更多新的顧客。
◎ 增強的性能
CSP 提供的高性能是其他平臺所不能提供的。話(huà)音插入組件對于一個(gè)話(huà)音驅動(dòng)的系統是至關(guān)重要的一個(gè)因素。讓用戶(hù)和計算機進(jìn)行步調一致的對話(huà)，用戶(hù)將得到很好的體驗。沒(méi)有話(huà)音插入組件，呼叫者就會(huì )變得不耐煩或者感覺(jué)被計算機控制。話(huà)音插入組件的準確度也很重要，性能低下的系統往往將插入的話(huà)音視為背景噪聲或者其他的非語(yǔ)音事件。如果話(huà)音插入組件不準確，呼叫者往往會(huì )等待已經(jīng)被錯誤的語(yǔ)音事件所中斷的提示音或選擇。高級的系統在終止提示語(yǔ)之前會(huì )使用精密的話(huà)音檢測器，以避免提示語(yǔ)不被無(wú)意識的輸入打斷。在沒(méi)有硬件輔助的系統中，要完成這種高級的處理，大量的主機處理資源將被消耗，這樣將限制系統的規模和性能。
CSP將使得呼叫者感到輕松。板卡上語(yǔ)音檢測器和預語(yǔ)音緩沖器的結合，允許板卡級的語(yǔ)音處理組件擋住本應流向主機CPU的數據流，只有語(yǔ)音才能夠被檢測和捕獲，結果是CPU的負荷大大減輕，語(yǔ)音事件的捕獲更為精確并能夠直接送到識別器進(jìn)行處理。最終得到的是更準確的識別和客戶(hù)的滿(mǎn)意。
■ 您希望全世界都聽(tīng)到您的聲音嗎?
如果您的業(yè)務(wù)是提供這種前沿的語(yǔ)音處理應用，你應當關(guān)注持續語(yǔ)音處理(CSP)平臺。CSP在這個(gè)產(chǎn)業(yè)中可以提供最好的語(yǔ)音應用的支持，像語(yǔ)音門(mén)戶(hù)和Web消息。現在就來(lái)利用這種激動(dòng)人心和前景誘人的創(chuàng )新技術(shù)吧！
|
