云計算、大數據、移動(dòng)互聯(lián)網(wǎng)、人機交互……短短一兩年時(shí)間內，IT產(chǎn)業(yè)像經(jīng)歷了一場(chǎng)大洗牌，創(chuàng )新一詞已顯老舊，跨界、顛覆成為流行詞。國內以BAT為代表的傳統互聯(lián)網(wǎng)巨頭開(kāi)始猛攻移動(dòng)互聯(lián)網(wǎng)，并購、兼并層出不窮，相互疆域犬牙交錯，進(jìn)攻防守猶如一場(chǎng)“軍閥混戰”。電子市場(chǎng)的重心也迅速由PC端迅速轉移到智能移動(dòng)終端，移動(dòng)互聯(lián)網(wǎng)已成兵家必爭之地。如此讓產(chǎn)業(yè)興奮又讓產(chǎn)業(yè)顫抖的時(shí)代，智能人機交互（HCI）技術(shù)也終于迎來(lái)了有史以來(lái)最好的階段，而該HCI領(lǐng)域中的語(yǔ)音交互技術(shù)則迎來(lái)競爭最激烈的發(fā)展時(shí)期！
縱觀(guān)國內外移動(dòng)互聯(lián)網(wǎng)發(fā)展態(tài)勢，各項炒得火熱的技術(shù)中，大數據、智能人機交互技術(shù)（簡(jiǎn)稱(chēng)HCI）并列前茅！從蘋(píng)果Siri的語(yǔ)音交互技術(shù)到谷歌眼鏡的圖像識別技術(shù)，從智能手機大戰延伸至智能電視，無(wú)一不在說(shuō)明在移動(dòng)互聯(lián)網(wǎng)時(shí)代，IT整個(gè)行業(yè)都在發(fā)生由量到“智”的聚變，語(yǔ)音交互、圖像識別、語(yǔ)義理解、生物識別。。。。HCI技術(shù)風(fēng)靡全球！
兩年前，蘋(píng)果的Siri一鳴驚人，帶動(dòng)智能語(yǔ)音產(chǎn)業(yè)進(jìn)入發(fā)展最快的時(shí)期。十幾年來(lái)一直控制國內中文語(yǔ)音合成技術(shù)市場(chǎng)的捷通華聲、科大訊飛發(fā)力語(yǔ)音識別技術(shù)；百度、搜狗、騰訊為守住入口，憑借天然優(yōu)勢，重金砸出最高水平的語(yǔ)音識別技術(shù)；中科信利、云知聲等老牌、新秀語(yǔ)音企業(yè)，迎來(lái)難得發(fā)展機遇期。國內語(yǔ)音識別技術(shù)力量集體爆發(fā)，讓美國本來(lái)在語(yǔ)音識別技術(shù)上領(lǐng)先的Nuance、Google、微軟風(fēng)光不在，語(yǔ)音識別技術(shù)群雄割據的時(shí)代已然來(lái)臨，鹿死誰(shuí)手好像尚不得而知。
語(yǔ)音識別、合成雙劍合璧，智能語(yǔ)音展露鋒芒
其實(shí)語(yǔ)音識別這個(gè)技術(shù)很早就有，雖然并不成熟。上世紀90年代末，IBM推出的“Viavoice”就號稱(chēng)能“解放雙手”，幫助讓人們實(shí)現文字錄入語(yǔ)音化。然而，伴隨全民漢字輸入能力的提高，“Viavoice”因語(yǔ)音識別率不高，加上口音、噪音的影響，黯然離場(chǎng)。
近年來(lái)，互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)的迅猛發(fā)展，帶動(dòng)大數據量的形成；國內外潛心研究的一代代科學(xué)家攻克了無(wú)數技術(shù)上的難題，大數據又為其提供了豐富的訓練語(yǔ)料；開(kāi)源技術(shù)更是促進(jìn)了技術(shù)跨越國境的交流共享，大大降低語(yǔ)音識別技術(shù)門(mén)檻；智能移動(dòng)終端功能、性能的超常規提升，為對硬件環(huán)境要求高的語(yǔ)音識別技術(shù)創(chuàng )造了“運轉”的硬件環(huán)境；所有的變化匯集一處，讓人們夢(mèng)寐以求的“自由說(shuō)”語(yǔ)音識別技術(shù)成為現實(shí)。
如果說(shuō)語(yǔ)音識別技術(shù)是“說(shuō)”，那么語(yǔ)音合成技術(shù)就是“聽(tīng)”，“能說(shuō)會(huì )聽(tīng)”形成了語(yǔ)音交互—智能語(yǔ)音的完整概念。也許是巧合，語(yǔ)音交互技術(shù)的發(fā)展，如同人都是“先學(xué)會(huì )聽(tīng)，才學(xué)會(huì )說(shuō)”的進(jìn)步過(guò)程，語(yǔ)音合成早在十年前就完成了商品化進(jìn)程，人們也早已經(jīng)生活在語(yǔ)音合成—“機器說(shuō)話(huà)”服務(wù)無(wú)處不在世界里；
應該說(shuō)，蘋(píng)果的Siri的適時(shí)出現，為智能語(yǔ)音產(chǎn)業(yè)發(fā)展做出了巨大貢獻，其貢獻在于打開(kāi)了智能語(yǔ)音應用市場(chǎng)的暢想“天窗”；雖然，當CNN公布Siri的配音者是演技派“大媽”時(shí)，導致“調戲”過(guò)Siri的眾網(wǎng)友“淚流滿(mǎn)面”，卻也讓大眾全方位感受到智能語(yǔ)音交互的魅力與力量。正如同兩把利劍，語(yǔ)音識別技術(shù)的進(jìn)步，使得語(yǔ)音合成、識別雙劍合璧，為產(chǎn)業(yè)、大眾打開(kāi)了智能語(yǔ)音服務(wù)的新世界。也讓越來(lái)越多的設備、軟件廠(chǎng)商看到了智能語(yǔ)音應用的廣闊前景，智能語(yǔ)音交互技術(shù)終于在移動(dòng)互聯(lián)網(wǎng)時(shí)代展露鋒芒。
2013年，互聯(lián)網(wǎng)搜索巨頭百度，盡管已擁有了最先進(jìn)語(yǔ)音識別技術(shù)，但正是深刻理解把握了智能語(yǔ)音應用的真諦，果斷投資捷通華聲，在其發(fā)展移動(dòng)互聯(lián)網(wǎng)進(jìn)程中以最快的速度擺脫智能語(yǔ)音曾經(jīng)的束縛，放手在移動(dòng)互聯(lián)網(wǎng)天地開(kāi)疆破土，攻城拔寨！
捷通華聲靈云演繹完美智能語(yǔ)音 人機交互前景明朗
中國智能語(yǔ)音的產(chǎn)業(yè)化進(jìn)程起步于世紀之初，捷通華聲、科大訊飛、Nuance一直是中國最主要的語(yǔ)音技術(shù)供應商。十幾年來(lái)，不同于喜歡“高打高唱”的科大訊飛，也不同于“習慣驕傲”的Nuance，由清華大學(xué)畢業(yè)的幾位同學(xué)創(chuàng )辦的捷通華聲似擁有“清華遺風(fēng)”，一直保持務(wù)實(shí)低調的風(fēng)格。盡管捷通華聲公司因過(guò)于低調不為大眾所詳知，但捷通華聲的語(yǔ)音技術(shù)務(wù)實(shí)卻從不“低調”，十幾年的專(zhuān)注與技術(shù)積累，讓捷通華聲語(yǔ)音合成技術(shù)可謂“爐火純青”，語(yǔ)音播報服務(wù)從縱貫中國的高鐵到各大飛機場(chǎng)；從各個(gè)醫院語(yǔ)音叫號到各地長(cháng)途汽車(chē)站；從各大銀行聲訊服務(wù)到各領(lǐng)域企業(yè)呼叫服務(wù)中心。。。。。自2000年到今天，捷通之聲已“高調”服務(wù)中國十三億大眾十三年之久。
這兩年來(lái)，語(yǔ)音界老牌新秀企業(yè)、國內國外企業(yè)、跨界巨頭集體猛攻語(yǔ)音識別，一時(shí)間智能語(yǔ)音概念鋪天蓋地，語(yǔ)音產(chǎn)業(yè)則風(fēng)起云涌，捷通華聲表面不為所動(dòng)，而是以“老虎打盹你以為我是病貓”的沉著(zhù)與強大實(shí)力，悄然在2011年，推出全球第一個(gè)全方位智能人機交互能力云服務(wù)平臺—靈云（hcicloud.com），從HCI產(chǎn)業(yè)高度，將語(yǔ)音云服務(wù)等各種單一HCI技術(shù)能力云服務(wù)輕松納入靈云體系。
靈云-hcicloud已從一個(gè)簡(jiǎn)單域名概述了靈云的設計與發(fā)展理念。靈云的構建不再局限于語(yǔ)音云服務(wù)等某一單一HCI技術(shù)，而是一種可以用語(yǔ)音、手寫(xiě)、拍照，手勢，將來(lái)甚至腦波識別等智能手段來(lái)操作、感知手機、計算機等數字設備的網(wǎng)絡(luò )云服務(wù)。捷通華聲期望從更寬廣的角度促進(jìn)HCI技術(shù)產(chǎn)業(yè)發(fā)展，從更完整的視野推動(dòng)智能語(yǔ)音的服務(wù)與產(chǎn)業(yè)應用。智能語(yǔ)音交互是最重要的人機交互手段，但正如同每一個(gè)人與其他人溝通，都不是只是靠說(shuō)話(huà)完成交流，文字書(shū)寫(xiě)、圖像、情感表達都是交流的組成部分，伴隨HCI技術(shù)的全面發(fā)展，人們會(huì )根據場(chǎng)景的變化去選擇最合適的HCI技術(shù)實(shí)現人與機器的自然交流。
其實(shí)，捷通華聲“低調“的本質(zhì)是尊重合作伙伴，捷通華聲多年來(lái)始終堅持讓合作伙伴的產(chǎn)品出名而從不“喧賓奪主”，靈云則承繼這一傳統并將這一理念通過(guò)與合作伙伴的技術(shù)融合推向更加完美的境界。百度語(yǔ)音識別與靈云語(yǔ)音合成完美結合，助力百度地圖、百度導航掀起導航革命；搜狗語(yǔ)音識別與靈云語(yǔ)音合成更是精心設計，支持搜狗地圖在導航領(lǐng)域獨占一方霸主地位；獨樹(shù)一幟與擁有獨特發(fā)展理念的導航犬，全面應用靈云語(yǔ)音識別、語(yǔ)音合成、語(yǔ)義理解、語(yǔ)音喚醒等功能，雙方開(kāi)發(fā)團隊如同一個(gè)企業(yè)，日夜奮戰在一起，為數以千萬(wàn)的用戶(hù)推出一項項精心設計的導航犬經(jīng)典服務(wù)。
靈云如同天空之云，靜悄悄融入中國IT產(chǎn)業(yè)的生態(tài)環(huán)境，“低調”完美演繹智能語(yǔ)音等HCI技術(shù)能力服務(wù)，“高調”為所有合作企業(yè)的經(jīng)典產(chǎn)品與市場(chǎng)進(jìn)步而喝彩！
闡述智能語(yǔ)音概念，靈云首創(chuàng )“云+端”人機交互服務(wù)模式
站在產(chǎn)業(yè)中企業(yè)的角度，每個(gè)企業(yè)的設備不同、性能不同、應用網(wǎng)絡(luò )環(huán)境不同，應用HCI技術(shù)創(chuàng )新“智”造過(guò)程中，如有更多的選擇，就能更好的滿(mǎn)足大眾用戶(hù)；站在用戶(hù)的角度，每個(gè)人都希望全面享受智能語(yǔ)音等HCI技術(shù)最好的服務(wù)，卻不希望受到網(wǎng)絡(luò )環(huán)境等因素及付出“高昂”費用。為順應并滿(mǎn)足企業(yè)與用戶(hù)需求，靈云“舍棄”云端服務(wù)可以獲取所謂寶貴數據資源與用戶(hù)資源等利益，率先推出靈云“云+端”服務(wù)模式。合作企業(yè)可根據設備與應用網(wǎng)絡(luò )環(huán)境自由選擇或讓用戶(hù)自由選擇，保證每一個(gè)產(chǎn)品都有與眾不同的特色，從而讓數以?xún)|記的大眾輕松享受智能語(yǔ)音等HCI技術(shù)能力的服務(wù)。
智能語(yǔ)音很熱，應用也很廣，靈云憑借捷通華聲十幾年的功底，語(yǔ)音合成“端”播放已輕松自然，并可讓合作伙伴選擇適合與自身應用的多種聲音；而語(yǔ)音識別因其對硬件資源的特殊要求，實(shí)現“端”識別對技術(shù)提出更高的要求，靈云離線(xiàn)式“端”識別以識別率高，定制簡(jiǎn)單等多種方式，與靈云語(yǔ)音合成一起為用戶(hù)提供完整的智能語(yǔ)音“云+端”服務(wù)。
智能語(yǔ)音的目標是完成完整的語(yǔ)音交互，針對不同的噪音環(huán)境，其實(shí)還需要一項技術(shù)來(lái)讓機器更好“讀懂”用戶(hù)的意圖，確保語(yǔ)音識別率。這個(gè)技術(shù)就是語(yǔ)義理解，靈云語(yǔ)義理解可對輸入語(yǔ)音的語(yǔ)義進(jìn)行分析，保證識別率的同時(shí)，也確保語(yǔ)音合成播報使用者需要獲得的準確信息。捷通華聲靈云在此基礎上，近期又推出“語(yǔ)音喚醒”功能，并成功應用于各種APP，導航犬應用靈云智能語(yǔ)音各項技術(shù)，可以在終端待機狀態(tài)瞬間喚醒導航軟件，并且以智能自然發(fā)聲應答用戶(hù)提問(wèn)，全程無(wú)需保持開(kāi)機狀態(tài)，各種環(huán)境下語(yǔ)音識別精度達到96%以上，旅途中的用戶(hù)與開(kāi)車(chē)中的司機想去什么地方動(dòng)動(dòng)嘴就行，輕松省心又方便。
靈云“云+端”自推出以來(lái)，迅速為產(chǎn)業(yè)所接納，不僅在導航領(lǐng)域，百度語(yǔ)音助手、搜狗語(yǔ)音助手、聚熵360、南京米果、蟲(chóng)洞語(yǔ)音助手等系列語(yǔ)音助手軟件；天行輸入法、百度輸入法、觸寶輸入法、也包括“漢字英雄”、漢字書(shū)寫(xiě)大賽更是將智能語(yǔ)音、智能圖象“云+端”及其合作模式，超乎想象地完美應用，服務(wù)智能手機用戶(hù)已達數億之眾。
靈云愿景支持企業(yè)共同服務(wù)億萬(wàn)大眾，HCI回歸純樸自然
智能人機交互技術(shù)（HCI）幫助人們更方便地與機器進(jìn)行交流，包括語(yǔ)音交互、圖像識別、生物識別等，幾十年來(lái)，因HCI技術(shù)的難度大，一直呈現螺旋式進(jìn)步發(fā)展趨勢；但大眾對方便、高效的追求與渴望，及在凡事都要快的移動(dòng)互聯(lián)網(wǎng)時(shí)代成為推動(dòng)HCI技術(shù)進(jìn)步的巨大力量。
移動(dòng)互聯(lián)網(wǎng)時(shí)代，智能語(yǔ)音、智能圖像、智能客服、包括生物識別等技術(shù)產(chǎn)業(yè)蓬勃發(fā)展，而推動(dòng)HCI技術(shù)迎來(lái)發(fā)展的巨大機遇的真正力量依然是來(lái)自IT產(chǎn)業(yè)發(fā)展與全社會(huì )的進(jìn)步。如今，智能語(yǔ)音概念如日中天，其中語(yǔ)音識別的各種“互聯(lián)網(wǎng)入口說(shuō)、關(guān)卡壁壘說(shuō)、大數據說(shuō)、資本說(shuō)”等各種說(shuō)法風(fēng)靡IT產(chǎn)業(yè)。冷靜地想：如果語(yǔ)音識別是互聯(lián)網(wǎng)入口，那么手寫(xiě)識別、拼音錄入是不是入口？如果說(shuō)語(yǔ)音識別技術(shù)高不可攀，那么百度、騰訊、搜狗等十幾家非專(zhuān)業(yè)語(yǔ)音公司1-2年“輕松”拿下語(yǔ)音識別技術(shù)，哪里還有什么技術(shù)壁壘？如果說(shuō)資本市場(chǎng)會(huì )爆發(fā)，美國Nuance公司十幾年兼并了幾乎除中國企業(yè)外所有的語(yǔ)音技術(shù)公司，擁有幾乎全世界所有國家的多語(yǔ)種智能語(yǔ)音交互技術(shù)，資本說(shuō)在納斯達克也跟著(zhù)期盼了快二十年！如果說(shuō)那家聲音數據采集多，那么誰(shuí)家的語(yǔ)音數據又能夠超過(guò)騰訊的微信、三大運營(yíng)商的語(yǔ)音數據？
其實(shí)不管怎么說(shuō)，智能語(yǔ)音還應增加一個(gè)概念就是“工具說(shuō)”，因為無(wú)論什么時(shí)候，智能語(yǔ)音最主要的核心功能還是一個(gè)聲音錄入與輸出的工具。無(wú)論今天還是未來(lái)發(fā)展，就像生活中沒(méi)有任何一種力量不讓大家說(shuō)話(huà)交流一樣，智能語(yǔ)音在充分滿(mǎn)足了大眾的好奇之后，依然會(huì )象無(wú)數為語(yǔ)音技術(shù)發(fā)展進(jìn)步做出巨大貢獻的科學(xué)家、學(xué)者、工程師一樣，安心提高語(yǔ)音識別準確率、語(yǔ)音合成自然度，回歸到自然與純樸。
相信未來(lái)發(fā)展，HCI技術(shù)依然會(huì )呈現螺旋式進(jìn)步趨勢，無(wú)論智能語(yǔ)音、還是智能圖像，只有更好，沒(méi)有最好！合作共贏(yíng)將成為HCI產(chǎn)業(yè)融入中國乃至世界IT產(chǎn)業(yè)的主旋律。捷通華聲靈云已開(kāi)始為產(chǎn)業(yè)界提供語(yǔ)音識別、語(yǔ)音合成、手寫(xiě)識別、OCR、語(yǔ)義理解、機器翻譯等多項HCI技術(shù)能力。未來(lái)發(fā)展中，靈云將在發(fā)揮自身多項HCI技術(shù)優(yōu)勢的基礎上，不斷與學(xué)術(shù)界、產(chǎn)業(yè)界合作，推出更多的HCI技術(shù)能力，靈云的目標永遠是助力中國信息產(chǎn)業(yè)，讓人機交互像人與人溝通一樣的簡(jiǎn)單自然，一起智創(chuàng )中國夢(mèng)，慧及全球心！
