Nuance通訊公司大中華區總經(jīng)理鄭裕慶先生(Daniel Cheng)
Nuance通訊公司上海研發(fā)中心總監張亞昕博士(Yaxin Zhang )
5月15日，由工業(yè)和信息化部指導，人民郵電報社主辦、中國信息產(chǎn)業(yè)網(wǎng)承辦的第三屆 “車(chē)聯(lián)網(wǎng)”產(chǎn)業(yè)鏈合作研討會(huì )于北京召開(kāi)。Nuance公司在會(huì )上獲得“聲控導航產(chǎn)品優(yōu)秀成果獎”榮譽(yù)，并接受了新華網(wǎng)專(zhuān)訪(fǎng)。
接受訪(fǎng)問(wèn)的兩位嘉賓分別為Nuance通訊公司大中華區總經(jīng)理鄭裕慶 (Daniel Cheng)和Nuance通訊公司上海研發(fā)中心總監張亞昕博士 (Yaxin Zhang )。
關(guān)于Nuance公司的基本業(yè)務(wù)情況，鄭裕慶先生做了簡(jiǎn)要的介紹。
鄭裕慶先生：
Nuance是家全球領(lǐng)先的語(yǔ)音和語(yǔ)言解決方案提供商，為世界各地的企業(yè)和消費者提供服務(wù)。我們的語(yǔ)音解決方案支持50多種語(yǔ)言，超過(guò)80種語(yǔ)言輸入。對于需要拓展全球業(yè)務(wù)的企業(yè)來(lái)說(shuō)， Nuance是最佳的選擇。
關(guān)鍵詞：在華業(yè)務(wù)
2008年在中國建立了研發(fā)中心，由張博士負責管理研發(fā)團隊。主要針對中國客戶(hù)本地化方案開(kāi)發(fā)，目前在北京和上海都設有技術(shù)支持及售后服務(wù)（Professional Services）隊伍和研發(fā)中心，北京隊伍主要負責文字輸入的售后服務(wù)，上海隊伍主要負責語(yǔ)音方面的技術(shù)支持，以及用戶(hù)界面、語(yǔ)音合成引擎及其他模塊的研發(fā)工作。另外，香港和臺灣也設有銷(xiāo)售人員和服務(wù)團隊，可以給我們的客戶(hù)提供服務(wù)。我們在中國的業(yè)務(wù)包括：一是給企業(yè)呼叫中心提供解決方案，包括銀行、電信、金融等公司的呼叫中心，為其提升自助客戶(hù)服務(wù)體驗。另一個(gè)是移動(dòng)設備，包括手機、PC等，還有電視、空調等家電。另外，汽車(chē)及導航廠(chǎng)商提供移動(dòng)解決方案現在我們已經(jīng)和一些國內廠(chǎng)家在合作，將來(lái)會(huì )陸陸續續看到我們的成果。現時(shí)中興Grand Memo智能手機提供的車(chē)載模式應用，便是使用Nuance的語(yǔ)音技術(shù)，你在開(kāi)車(chē)的時(shí)候可以通過(guò)語(yǔ)音控制你的手機去撥電話(huà)或者聽(tīng)音樂(lè )。新款的 HTC One汽車(chē)模式應用也整合了 Nuance 語(yǔ)音技術(shù)。 還有，三星Galaxy S4的S Voice Assistant，也是使用Nuance 的語(yǔ)音技術(shù)。
關(guān)鍵詞：Nuance與“車(chē)聯(lián)網(wǎng)”
在汽車(chē)應用方面，我們跟國內本土車(chē)廠(chǎng)有比較緊密的接觸。比如比亞迪最近出了一款車(chē)叫做思銳，其車(chē)載系統就整合了 Nuance的車(chē)載語(yǔ)音識別技術(shù)，通過(guò)語(yǔ)音控制命令可以實(shí)現對電臺、碟片、空調系統等進(jìn)行控制，而且支持普通話(huà)指令，給駕駛者帶來(lái)更智能、更安全的車(chē)載體驗。Nuance 的車(chē)載解決方案包括嵌入式和互聯(lián)解決方案，嵌入式方案不需要網(wǎng)絡(luò )連接可以提供最基本功能如撥電話(huà)、聽(tīng)音樂(lè )、調空調、收音機轉臺等等。而通過(guò)遠程云端，能讓用戶(hù)借助自然語(yǔ)音命令與車(chē)載系統實(shí)現互動(dòng)，并從移動(dòng)互聯(lián)網(wǎng)輕松獲得所需內容，比如附近的電影院在播什么電影、交通狀況怎么樣，這些可以在云端實(shí)時(shí)更新。
過(guò)去十多年里，Nuance 一直在推動(dòng)著(zhù)汽車(chē)市場(chǎng)的創(chuàng )新發(fā)展。其車(chē)載解決方案涵蓋了語(yǔ)音識別、語(yǔ)音合成、信號增強和預測文本輸入等技術(shù)，提供了當今最先進(jìn)的車(chē)內導航系統、娛樂(lè )和車(chē)輛通訊系統的用戶(hù)交互界面，能顯著(zhù)提高駕駛安全性。駕駛者在駕車(chē)時(shí)就能通過(guò)語(yǔ)音指令安全地與外界保持聯(lián)系，操控導航系統、汽車(chē)信息娛樂(lè )系統等車(chē)載系統和設備，最大程度避免了手動(dòng)操作導致失誤和分神，從而釋放雙手和眼睛，為駕駛者提供了更加安全和更為直觀(guān)的“互聯(lián)汽車(chē)”體驗。
關(guān)于Nuance語(yǔ)音識別技術(shù)的精度問(wèn)題，一直是用戶(hù)和廣大消費者關(guān)心的問(wèn)題。就這一問(wèn)題，張亞昕博士進(jìn)行了詳盡的解釋。
張亞昕博士：
這個(gè)問(wèn)題也是目前很多客戶(hù)關(guān)心的事情，通常我們去介紹語(yǔ)音技術(shù)的時(shí)候都會(huì )被問(wèn)到，所以剛才的演講當中也專(zhuān)門(mén)提到這個(gè)話(huà)題，就是如何解決一種目的、多種表達方式的問(wèn)題，如何解決中國分布這么廣泛、這么復雜的方言和口音的問(wèn)題，這確實(shí)是語(yǔ)音識別的難點(diǎn)。還有剛才提到的精度，語(yǔ)音識別精度比較復雜，因為語(yǔ)音識別的精度跟太多的因素有關(guān)系了，不能泛泛地說(shuō)，給你一個(gè)語(yǔ)音識別器，自己在那里念一百條句子看看對了多少條，就說(shuō)識別精度到了多少，這絕對是不科學(xué)的。首先它應該是一個(gè)統計的結果，其次應該是在一個(gè)實(shí)際使用環(huán)境下的統計結果。
比如車(chē)載環(huán)境下的語(yǔ)音識別，這個(gè)測試一定要在車(chē)載環(huán)境下去測試，。現在我可以拿數據來(lái)佐證，我的系統就可以達到99%，但是實(shí)際應用測下來(lái)可能就是80%，因為我可以針對性采集語(yǔ)音數據，發(fā)音很標準，說(shuō)的所有東西跟我的設計是嚴絲合縫地匹配，這樣識別率會(huì )非常非常高，所以單獨談這個(gè)東西是沒(méi)有意義的。首先是一個(gè)接受環(huán)境的問(wèn)題，而且語(yǔ)音識別真正做到產(chǎn)品以后，不光是語(yǔ)音識別引擎可以達到百分之多少，還有UI設計好不好的問(wèn)題。
談到意義和目的、多種表達方式的問(wèn)題。我們目前在積極推動(dòng)自然語(yǔ)言理解技術(shù)。如果我們退到五年以前，語(yǔ)音識別可能就是，我設計了一個(gè)語(yǔ)音識別，所有的命令都按照設計程式設計好了以后就放在系統里面。我的測試可以達到98%的準確率，用戶(hù)使用呢？我說(shuō)的東西和你設計的詞不一樣，便無(wú)法準確識別。我們現在就要引入自然語(yǔ)言技術(shù)，就是在我的語(yǔ)音識別基礎上再加一個(gè)模板，這個(gè)模板叫做自然語(yǔ)言理解。引入自然語(yǔ)言理解技術(shù)后，人們不再是用特定的指令，例如：你想撥打張三的手機，只要說(shuō)撥打張三的電話(huà)就能幫你進(jìn)行操作。先把你說(shuō)的一句話(huà)中關(guān)鍵詞提出來(lái)以后,看你的目的是什么，然后再找這個(gè)目的，找到目的以后再把關(guān)鍵詞里的東西朝著(zhù)目去靠，最后發(fā)現你是想撥打張三的手機，這個(gè)任務(wù)才能完成。
每個(gè)人常用的詞不一樣，每個(gè)人表達方式和語(yǔ)法結構也不一樣，整個(gè)自然語(yǔ)言理解模塊需要處理的問(wèn)題確實(shí)比較多，難度也很大。我們要做到完全跟人腦一樣，現在的科學(xué)技術(shù)和目前的系統資源實(shí)際上是做不到的。好在我們在車(chē)里的出現的應用場(chǎng)景是有限的，無(wú)非就是定義10-20種應用場(chǎng)景，這樣需要的句法就有限了，機器資源就可以處理了，而且精度也會(huì )比較高。
現在這個(gè)技術(shù)已經(jīng)相對成熟，已經(jīng)到了應用階段。用戶(hù)基本可以得到一個(gè)比較滿(mǎn)意的結果。
談到Nuance最近與全球領(lǐng)先的導航地圖公司高德開(kāi)展商業(yè)合作，體現了那些戰略要點(diǎn)，鄭裕慶先生進(jìn)行了深度的解讀。
鄭裕慶先生：
我們已經(jīng)跟國內兩家導航地圖和信息服務(wù)提供商有合作，分別是高德和四維圖新。我們跟他們合作共同開(kāi)發(fā)語(yǔ)音導航地圖產(chǎn)品。助力汽車(chē)廠(chǎng)商和導航設備提供商迅速革新中國語(yǔ)音導航市場(chǎng)新體驗，為中國車(chē)載導航用戶(hù)帶來(lái)更加安全、更加智能的駕車(chē)新體驗。
關(guān)于汽車(chē)內運用的語(yǔ)音技術(shù)和其它場(chǎng)景有什么不同，怎樣解決行車(chē)過(guò)程中的噪音干擾問(wèn)題，張亞昕博士也做了專(zhuān)業(yè)的介紹。
張亞昕博士：
抗噪性是車(chē)里首先需要解決的問(wèn)題，抗噪性的硬件配置既可以便宜也可以貴。比如，我們在抗噪性處理方面，初級方案里在算法中會(huì )增加一些抗噪模塊，再進(jìn)一步比如增加定向性好的麥克風(fēng)進(jìn)行處理，再進(jìn)一步我們就有比較完整的解決方案Microphone array and beam-forming ,一些在歐洲的高端車(chē)比如戴姆勒奔馳中已經(jīng)有所應用。其應用原理是，在語(yǔ)音識別系統中裝若干個(gè)麥克風(fēng)，通過(guò)配套的數字信號處理模塊，來(lái)進(jìn)行定向的交叉，從而更好地將聲源控制在駕駛員腦袋周?chē)浇@樣會(huì )非常大幅度地抑制周?chē)胍魩?lái)的干擾。這其中起到關(guān)鍵因素還有一個(gè)SSE技術(shù)，配備Microphone array 軟硬件共同處理，極大提高抗噪性，而且能夠屏蔽掉聲源里的噪音干擾。SSE技術(shù)部分解決了相對遠距離（只要麥克風(fēng)超過(guò)30厘米）的問(wèn)題， 實(shí)際上在汽車(chē)中目前也存在這個(gè)距離，一般汽車(chē)的語(yǔ)音識別器安裝在倒視鏡位置，距離駕駛員也有30-50厘米。SSE技術(shù)相應地能夠更好地降低這部分距離的干擾。
寶馬的7系列在去年的第一季度首先發(fā)布全球第一個(gè)應用Nuance的Dragon Drive!Messaging語(yǔ)音短信服務(wù)，這個(gè)應用在全世界的車(chē)里它是第一家，可以一邊開(kāi)車(chē)一邊通過(guò)語(yǔ)音發(fā)短信、編寫(xiě)e-Mail和文本信息。基礎識別率高除了引擎好還要在硬件上配合，通過(guò)麥克風(fēng)的陣列配合接收聲音，這樣就把噪聲都抗掉了，但是成本也高起來(lái)了。
最后，就大家比較關(guān)心的行業(yè)發(fā)展問(wèn)題，鄭裕慶先生也給出了自己的判斷和建議。
鄭裕慶先生：
我們接觸的廠(chǎng)家比較多的，所以我們會(huì )汲取客戶(hù)的一些反饋和意見(jiàn)。Nuance以技術(shù)和服務(wù)質(zhì)量為先，為我們的客戶(hù)提供最好的技術(shù)服務(wù)，通過(guò)我們的語(yǔ)音技術(shù)提升消費者滿(mǎn)意度，為客戶(hù)帶來(lái)更多的市場(chǎng)份額。現在的市場(chǎng)就是“一窩蜂”，很多人覺(jué)得語(yǔ)音是一個(gè)很熱的話(huà)題，他們也要去做語(yǔ)音產(chǎn)品，但是很多情況下他們的產(chǎn)品只是實(shí)驗室里的試驗品。Nuance公司在這方面，我們是可以做才去做，我不可以的就說(shuō)不可以。
Nuance擁有領(lǐng)先的語(yǔ)音技術(shù)，強大的研發(fā)團隊、豐富的經(jīng)驗和無(wú)數的成功案例。在車(chē)載業(yè)務(wù)方面，我們開(kāi)發(fā)的革命性語(yǔ)音產(chǎn)品和技術(shù)令駕駛者，僅借助語(yǔ)音命令就能和廣泛的車(chē)載系統和設備互動(dòng)，為駕駛者提供了極大的便捷和提升了駕駛安全。我們會(huì )堅持通過(guò)我們強大研發(fā)團隊，結合本土化的研發(fā)及提供優(yōu)質(zhì)的服務(wù)，繼續推動(dòng)汽車(chē)市場(chǎng)的創(chuàng )新發(fā)展，為中國消費者帶來(lái)更直觀(guān)的互聯(lián)汽車(chē)體驗。
