日韩精品网站_Nuance OSR3.0語(yǔ)音識別產(chǎn)品_語(yǔ)音識別

Nuance OSR3.0語(yǔ)音識別產(chǎn)品

2006/09/13

　　2004年9月，捷通華聲在中國市場(chǎng)正式推出由Nuance公司開(kāi)發(fā)的具有國際最高水平語(yǔ)音識別技術(shù)——OSR（OpenSpeech Recognizer )。

　　之所以稱(chēng)之為OSR，是因為此項語(yǔ)音識別技術(shù)是一種基于開(kāi)放標準、可擴展、高性能和高識別率的識別引擎，提供大詞匯量、非特定人、連續的語(yǔ)音識別功能，尤其是在各種無(wú)線(xiàn)環(huán)境之中對于噪雜音的處理功能強大。最新版本的OSR產(chǎn)品是集成了OpenSpeech語(yǔ)音識別以前版本的多種高級功能，它所包括的有限狀態(tài)轉換器（Finite State Transducer）專(zhuān)利技術(shù)不僅能夠顯著(zhù)地節省內存和CPU的使用，而且還能夠支持包含數百萬(wàn)單詞的應用詞匯表。

　　OSR產(chǎn)品將以SDK的方式提供給集成商，可廣泛應用在呼叫中心、自動(dòng)總機、語(yǔ)音電話(huà)本、旅行預定、信息檢索、語(yǔ)音門(mén)戶(hù)和客戶(hù)自助服務(wù)等系統中。在語(yǔ)音核心技術(shù)、語(yǔ)音應用和服務(wù)領(lǐng)域，Nuance的語(yǔ)音產(chǎn)品已占有最大的市場(chǎng)份額，所提供的解決方案成功的將每年約500百萬(wàn)的電話(huà)服務(wù)轉化成自動(dòng)化服務(wù)，并具有能與所有主要的語(yǔ)音平臺廠(chǎng)商集成應用以及能支持多語(yǔ)種的產(chǎn)品特色，使之成為財富100強首選的語(yǔ)音提供商。

　　一、OSR3.0主要特點(diǎn)

　　1、高識別率

　　語(yǔ)音識別產(chǎn)品的識別率與產(chǎn)品核心、呼叫者使用環(huán)境、呼叫人群口音、IVR平臺流程設計等都有密切的關(guān)系，OSR產(chǎn)品在雜音消除、改善核心算法、提高信心得分的準確度等方面進(jìn)行了大量的工作，使OSR在實(shí)際應用中識別率均達到95%以上，對于小詞匯量的應用識別率則更高。

　　2、強大的語(yǔ)法分析功能

　　OSR產(chǎn)品支持百萬(wàn)詞匯的復雜語(yǔ)法應用，利用SpeekFreely技術(shù)還可支持自然語(yǔ)言問(wèn)答式的語(yǔ)法識別。利用OSR的先進(jìn)語(yǔ)法處理能力，用戶(hù)可以利用ECMA腳本語(yǔ)言書(shū)寫(xiě)更復雜的語(yǔ)法，可以創(chuàng )建動(dòng)態(tài)的應用，并具支持共享語(yǔ)法，大幅度提高系統效率。

自由問(wèn)答式對話(huà)（SpeakFreely）

　　SpeakFreely功能模塊，能夠實(shí)現一組基于口語(yǔ)統計模型的高級語(yǔ)音識別功能。SpeakFreely簡(jiǎn)化了復雜語(yǔ)音應用的創(chuàng )建，允許用戶(hù)使用自己的詞匯說(shuō)出自己的需要，從而提高了交互的效率（在傳統系統中，要求用戶(hù)回答一系列答案數量有限的提問(wèn)）。

支持動(dòng)態(tài)語(yǔ)法處理

　　在一個(gè)單獨的應用程序中OSR可以動(dòng)態(tài)訪(fǎng)問(wèn)多個(gè)語(yǔ)法，而且不需要有“組標識符”。使用者可以用編譯前的語(yǔ)法（這些是每個(gè)呼叫者共有的）和實(shí)時(shí)編輯的每個(gè)呼叫者特有的語(yǔ)法結合，來(lái)建造應用程序。在呼叫者和應用之間的共享語(yǔ)法大幅度增加了系統效率。

支持ECMAscript

　　這些模塊可以嵌入一個(gè)語(yǔ)法或在多個(gè)語(yǔ)法之間共享。也允許開(kāi)發(fā)者去寫(xiě)更多的復雜的語(yǔ)法。通過(guò)這個(gè)途徑，修改一個(gè)單獨的ECMAscript腳本模塊可以影響整個(gè)應用程序，不論這個(gè)腳本是否被使用。

　　3、獨特的語(yǔ)音端點(diǎn)檢測技術(shù)

　　OSR擁有一套獨特的端點(diǎn)檢測算法，可以依據振幅和頻譜特征來(lái)進(jìn)行檢測，從而有效地區分背景噪音和通話(huà)者的語(yǔ)音。OSR端點(diǎn)檢測的“靈敏度”可以手動(dòng)調整，以適應安靜或喧鬧的不同環(huán)境。

　　4、適應性強(E-learn自調節功能)

　　通過(guò)Nuance具有專(zhuān)利技術(shù)的自動(dòng)調節機制“LEARN”學(xué)習功能，系統可以自動(dòng)調節識別參數和聲學(xué)模型，以適應呼叫人群的本地方言、區域口音和電話(huà)信道等特點(diǎn)。通過(guò)“LEARN”自動(dòng)調節機制，識別錯誤率最多可下降70%。

　　無(wú)需修改，OSR就可以在廣泛的應用中很好地工作，并適應廣泛的通話(huà)人群。但是，使用某種應用的人群經(jīng)常會(huì )偏向某個(gè)特定的通道類(lèi)型（有線(xiàn)或者無(wú)線(xiàn)）、口音（上海口音或河南口音）或者環(huán)境（安靜的或者嘈雜的）。甚至應用領(lǐng)域本身都會(huì )偏向某種發(fā)音或者偏向某種習慣短語(yǔ)。OSR包括一種被稱(chēng)作“LEARN”的管理工具，該工具可以分析通話(huà)者的發(fā)音特征，并用來(lái)優(yōu)化系統，以提高識別率。

　　5、高性能、低資源消耗

　　獨特的音頻分析方法及具有專(zhuān)利的有限狀態(tài)轉換技術(shù)，使OSR產(chǎn)品在實(shí)際應中，內存占用和CPU的消耗極低。對于復雜的語(yǔ)法應用可以節約90%的資源。

　　OSR結合了多種技術(shù)以達到高性能，包括曾經(jīng)提到過(guò)的明確分段方法。它也包括享有專(zhuān)利的有限狀態(tài)轉換機（FST）技術(shù)，該技術(shù)通過(guò)共享冗余段，簡(jiǎn)潔地表現語(yǔ)法。通過(guò)減少那些必須經(jīng)過(guò)處理來(lái)判斷識別結果的音素的數量，可以除去冗余從而節省內存和計算。它也可以使語(yǔ)法更快地編譯和加載，速度可以提高到5倍。這種節省是非常顯著(zhù)的：一個(gè)消耗170兆字節的、包含40，000詞的語(yǔ)法，通過(guò)FST技術(shù)可以?xún)H僅消耗15兆字節。

　　每個(gè)語(yǔ)音識別器通過(guò)應用更多的計算資源，可以提供更高的識別率。OSR與同類(lèi)競爭識別器相比，對于這種變化的靈敏度要低一些，因為它有高效的設計。但是，OSR結合了負荷靈敏算法，這可以使所有的可用計算資源發(fā)揮地最好。事實(shí)上，Nuance是第一家開(kāi)發(fā)這種技術(shù)的公司。

　　OSR可以自動(dòng)地允許語(yǔ)音識別程序在所有的通道上共享被加載到內存的一份語(yǔ)法。這對于許多通道上運行同樣應用的、大規模的使用而言，可以非常顯著(zhù)地減少內存使用。

　　6、支持開(kāi)放標準

　　OSR產(chǎn)品是根據VoiceXML設計的，對SRGS（Speech Recognition Grammar Specification,語(yǔ)音識別語(yǔ)法規范）的支持等特點(diǎn)使VoiceXML 和 SALT 應用達到最優(yōu)狀態(tài)。

　　7、支持多種應用方式

單機應用（本地應用）：用戶(hù)可以直接在運行IVR的機器上加載OSR；

客戶(hù)端/服務(wù)器（C/S結構）：用戶(hù)可以直接在服務(wù)器端加載OSR，客戶(hù)端通過(guò)網(wǎng)絡(luò )發(fā)送語(yǔ)音信號并獲取識別結果，這種方式主要用于實(shí)現大規模應用需要；

VoIP：用戶(hù)也可以在一個(gè)基于VoIP的客戶(hù)端/服務(wù)器架構中配置OSR，在這種情況下，客戶(hù)端是一個(gè)VoIP媒體網(wǎng)關(guān)或媒體服務(wù)器，服務(wù)器是MRCP版本的OpenSpeech服務(wù)器，它提供了帶有標準的VoIP協(xié)議接口的OSR。

　　8、支持多語(yǔ)言，包括多語(yǔ)言混合識別

　　OSR產(chǎn)品目前提供15種語(yǔ)言和方言，包括：普通話(huà)（中國大陸、臺灣）、粵語(yǔ)（香港地區）、英語(yǔ)（澳大利亞、新西蘭、英國、美國、新加坡）、法語(yǔ)（法國、加拿大）、德語(yǔ)（德國）、日語(yǔ)（日本）、韓語(yǔ)（韓國）、西班牙語(yǔ)（美國、墨西哥）。

　　OSR產(chǎn)品的WorldAware功能支持多語(yǔ)種的混合識別，甚至允許單個(gè)語(yǔ)句中的任意語(yǔ)言混合，可以用于構造更加復雜的語(yǔ)音解決方案。

　　9、支持多種操作系統

　　OSR可在下列操作系統下使用單機和客戶(hù)端/服務(wù)器配置：

　　客戶(hù)端操作系統：RedHat 7.2、RedHat AS 2.1、Windows 2000、Windows 2003。

　　服務(wù)端操作系統：RedHat 7.2、RedHat AS 2.1、Windows 2000、Windows 2003、Solaris。

　　二、硬件配置要求

詞匯量	運行系統	硬件環(huán)境	可支持端口數
2000以下	Windows 2000以上	至強雙CPU 2.4G；1G以上內存，20G硬盤(pán)；100M以上網(wǎng)卡；	120線(xiàn)
40000以下	Windows 2000以上	Windows 2000以上至強雙CPU 2.4G；1G以上內存，20G硬盤(pán)；100M以上網(wǎng)卡；	60線(xiàn)

　　三、應用案例

美國聯(lián)合航空（United Airlines）：客戶(hù)通過(guò)致電1（800）824-6200，應用OSR語(yǔ)音識別技術(shù)可方便查詢(xún)聯(lián)合航空公司每天2400個(gè)航班的狀態(tài)，每天有8萬(wàn)多人使用這一系統。

AOL電話(huà)服務(wù)：采用Nuance OSR等語(yǔ)音技術(shù)，為America Online的2400萬(wàn)客戶(hù)開(kāi)發(fā)和部署了語(yǔ)音門(mén)戶(hù)服務(wù)。

Thrifty汽車(chē)租賃：Thrifty租車(chē)公司是全球最大的的租車(chē)公司之一，通過(guò)撥打Thrifty的1-800-THRIFTY預訂電話(huà)號碼，客戶(hù)在應用OSR語(yǔ)音識別技術(shù)獲得高效服務(wù)的同時(shí)，也獲得最優(yōu)惠的汽車(chē)租用費率。

捷通華聲公司供稿　CTI論壇編輯

捷通華聲TTS成功登陸中國郵政儲蓄銀行 2008-04-03

捷通華聲 jTTS 5.5 全面支持 MRCPv2標準 2008-03-31

捷通華聲移動(dòng)導航HCI解決方案廣受青睞 2008-03-26

身邊的“智能”生活 2007-12-28