到目前為止，供應商主要專(zhuān)注于創(chuàng )建消費者語(yǔ)音應用程序。“Alexa擁有超過(guò)10萬(wàn)種技能，但其中很少有用于嚴肅業(yè)務(wù)用例的，”會(huì )話(huà)技術(shù)負責人、萬(wàn)維網(wǎng)聯(lián)盟多模式交互工作組主席Deborah Dahl解釋道。“很多技能都是學(xué)生項目和各種類(lèi)型的實(shí)驗。在構建工業(yè)級應用程序方面投入的精力還不夠多。”
年度回顧
事實(shí)上，亞馬遜、蘋(píng)果和谷歌等頂級供應商通過(guò)創(chuàng )建消費者解決方案來(lái)打造自己的業(yè)務(wù)。2020年，一個(gè)企業(yè)平臺出現了。通過(guò)Nuance Communications'Mix，公司現在可以構建自己的企業(yè)智能助理。
該解決方案包括許多組件，使組織能夠創(chuàng )建通過(guò)應用程序編程接口（APIs）與企業(yè)軟件集成的語(yǔ)音應用程序。通過(guò)Mix。nlu，一個(gè)自定義自然語(yǔ)言理解（NLU）系統，公司編寫(xiě)從Mix項目?jì)x表板部署的語(yǔ)音模型。Mix的自動(dòng)語(yǔ)音識別（ASR）功能由Krypton提供支持，Krypton是一個(gè)用于轉錄音頻的實(shí)時(shí)語(yǔ)音到文本引擎。Krypton使用域語(yǔ)言模型和詞集來(lái)定制特定環(huán)境的識別。
Dahl指出：“Nuance Mix與Alexa Skills Kit在功能上非常相似，它為希望構建語(yǔ)音應用程序的第三方提供了這些功能。”由于Nuance解決方案剛剛開(kāi)始發(fā)布，它在可用技能的數量和豐富性方面遠遠落后于更大、更成熟的消費者平臺。
大多數企業(yè)開(kāi)發(fā)人員都使用過(guò)傳統的文本應用程序，需要熟悉語(yǔ)音APIs中提供的功能。Nuance似乎意識到了這種需要。Dahl說(shuō)：“Nuance創(chuàng )造了非常精良和有用的培訓材料。一個(gè)視頻引導新手完成開(kāi)發(fā)過(guò)程，最佳實(shí)踐和技巧提供了額外的指導。
供應商還繼續調整他們的語(yǔ)音引擎。例如，今年10月，Artificial Solutions更新了Teneo語(yǔ)言，該語(yǔ)言以Teneo NLU本體和語(yǔ)義網(wǎng)絡(luò )為特征，并將語(yǔ)言映射到聲音。
Teneo現在也應用句法條件，比如理解一個(gè)詞在句子中何時(shí)被用作名詞或動(dòng)詞。附加的會(huì )話(huà)模塊提供了預構建的解決方案，具有用于常見(jiàn)對話(huà)的后端集成，例如實(shí)時(shí)聊天切換或預訂會(huì )議室。
即使在用戶(hù)保持沉默的情況下，該產(chǎn)品仍能繼續進(jìn)行對話(huà)；保持與公司品牌價(jià)值相一致的個(gè)性；即使在用戶(hù)偏離主題的情況下，該產(chǎn)品也能保持動(dòng)力。
另一家開(kāi)發(fā)平臺提供商Voiceitt首先通過(guò)與具有非典型語(yǔ)音模式的人合作，建立了自己的語(yǔ)音識別算法和語(yǔ)音數據庫。去年12月，供應商讓殘疾人可以使用Alexa。Voiceitt移動(dòng)應用程序應用機器學(xué)習和語(yǔ)音識別技術(shù)，幫助因中風(fēng)、退行性疾病或發(fā)育障礙導致的語(yǔ)音障礙患者進(jìn)行交流。
此前，Inglis House是一個(gè)長(cháng)期護理輪椅社區，它的試點(diǎn)取得了成功。兩者開(kāi)發(fā)了一個(gè)應用程序，幫助腦癱患者使用自己的聲音獨立完成常見(jiàn)任務(wù)，比如控制電視頻道或播放音樂(lè )。
不過(guò)，總的來(lái)說(shuō)，語(yǔ)音解決方案在很大程度上是自主發(fā)展的，盡管企業(yè)希望將它們相互連接起來(lái)。
8月份，Genesys加強了Engage，它的云聯(lián)絡(luò )中心語(yǔ)音解決方案，因此它在多云部署中運行。
Engage的容器化體系結構支持私有、公共或混合云部署。該產(chǎn)品與領(lǐng)先的基礎設施即服務(wù)提供商合作，如Amazon Web Services（AWS）、GoogleCloud和MicrosoftAzure。有了它，組織可以在不同的云之間移動(dòng)他們的軟件，或者使用多個(gè)提供者來(lái)滿(mǎn)足不同的系統需求、地理需求或數據主權法規。
展望未來(lái)
到目前為止，語(yǔ)音開(kāi)發(fā)平臺主要是由大型成功技術(shù)公司推出的專(zhuān)有解決方案。有很多產(chǎn)品可用，但它們有不同的目標、設計基礎和接口，而且很少在緊密結合的生態(tài)系統之外工作。
因此，企業(yè)無(wú)法輕松地將在其中一個(gè)平臺上完成的工作應用到在另一個(gè)平臺上運行的具有類(lèi)似需求的應用程序。慢慢地，這個(gè)行業(yè)正以幾種不同的方式轉向標準的、開(kāi)放的系統。
其中一個(gè)重點(diǎn)領(lǐng)域是開(kāi)源解決方案。Rasa是一家通過(guò)風(fēng)險投資籌集了4000萬(wàn)美元的初創(chuàng )公司，它開(kāi)發(fā)了一個(gè)開(kāi)源的語(yǔ)音開(kāi)發(fā)平臺。供應商提供程序員用來(lái)創(chuàng )建聊天機器人、語(yǔ)音應用程序和會(huì )話(huà)服務(wù)的基礎設施和編程工具。
Rasa在其會(huì )話(huà)AI套件中提供三種產(chǎn)品。Rasa Open Source于2019年發(fā)布，創(chuàng )建了語(yǔ)音AI軟件。RasaX是一個(gè)免費的工具集，幫助開(kāi)發(fā)人員在Rasa開(kāi)源平臺上構建智能語(yǔ)音助手。RasaEnterprise提供企業(yè)級IVA開(kāi)發(fā)平臺。
Dahl認為，開(kāi)源軟件有優(yōu)缺點(diǎn)。價(jià)格始終是部署的考慮因素，開(kāi)源解決方案幾乎總是免費提供的。此外，這些產(chǎn)品是柔韌的，人們可以用任何他們想要的方式使用它們。他們反應迅速。有了自己動(dòng)手的工具包，企業(yè)可以立即更改軟件，而不是等待供應商添加所需的功能。
但開(kāi)源解決方案也有其局限性。核心升級通常需要一段時(shí)間，因為它們需要獲得社區的同意，而社區對如何改進(jìn)功能可能有很大不同的看法。通常，這些系統很復雜，企業(yè)缺乏部署和維護它們所需的專(zhuān)業(yè)知識。如果出現問(wèn)題，用戶(hù)通常無(wú)法拿起電話(huà)并獲得技術(shù)支持。
另一個(gè)新興趨勢是推動(dòng)行業(yè)標準的發(fā)展，這也使得組織構建和連接語(yǔ)音軟件變得更加簡(jiǎn)單。開(kāi)放語(yǔ)音網(wǎng)絡(luò )（OVN）是由麻省理工學(xué)院（MIT）汽車(chē)識別實(shí)驗室、凱捷咨詢(xún)公司和英特爾公司在2016年夏天進(jìn)行的研究開(kāi)發(fā)出來(lái)的。”我們認識到語(yǔ)音用戶(hù)界面有可能改變人類(lèi)與計算機系統的交互方式，“開(kāi)放語(yǔ)音網(wǎng)絡(luò )的執行董事JonStine解釋說(shuō)。
OVN是Linux基金會(huì )的一個(gè)定向基金，去年春天推出。目前，大約有十幾家企業(yè)和150多名設計師、開(kāi)發(fā)人員和戰略家正在研究創(chuàng )建通用語(yǔ)音軟件體系結構的方法。它們有四個(gè)目標：安全；提供用戶(hù)、生態(tài)系統和體系結構選擇；具有包容性和可訪(fǎng)問(wèn)性；支持開(kāi)放式軟件和硬件，但仍能實(shí)現商業(yè)差異化。
該集團計劃解決一個(gè)市場(chǎng)限制。”目前，企業(yè)沒(méi)有辦法注冊他們的語(yǔ)音產(chǎn)品。“Stine指出：“沒(méi)有用于語(yǔ)音的DNS[域名服務(wù)]。”
OVN已經(jīng)開(kāi)始研究如何建立一個(gè)數據庫和流程，這樣公司就可以注冊，比如他們的名字。有了它，例如，消費者可以區分Delta Airlines和Delta Dental語(yǔ)音技能。
到目前為止，消費類(lèi)應用已經(jīng)推動(dòng)了語(yǔ)音開(kāi)發(fā)市場(chǎng)。新的以企業(yè)為中心的平臺已經(jīng)開(kāi)始出現，向開(kāi)源和基于標準的系統的轉移有可能使公司在2021年更容易創(chuàng )建更多業(yè)務(wù)質(zhì)量的語(yǔ)音應用程序。
聲明:版權所有 非合作媒體謝絕轉載
作者：Paul Korzeniowski
原文網(wǎng)址：
https://www.speechtechmag.com/Articles/ReadArticle.aspx?ArticleID=145091
