近日，捷通華聲宣布推出最新版靈云語音合成技術(shù)--jTTS6.1版本，該版本語音播報(bào)更加流暢、自然，更加適合于各領(lǐng)域、各行業(yè)實(shí)時(shí)文本信息、及大眾生活中的社會新聞、閱讀等語音播報(bào)，這也是繼靈云語音識別技術(shù)jASR6.1之后，靈云智能語音交互技術(shù)再次實(shí)現(xiàn)新的跨越。
淺談?wù)Z音合成
語音合成（Speech Synthesis）就是人工合成人類的聲音，簡單地講：就是讓計(jì)算機(jī)“開口說話”。語音合成技術(shù)的學(xué)名是“文語轉(zhuǎn)換系統(tǒng)”，也常常被稱作TTS（Text To Speech）技術(shù)，是指將文本信息轉(zhuǎn)變?yōu)檎Z音數(shù)據(jù)，以語音的方式播放出來的技術(shù)。該項(xiàng)技術(shù)的目的就是讓計(jì)算機(jī)將文字“讀”出來，其追求的目標(biāo)是計(jì)算機(jī)“讀”出的聲音清晰、可懂、自然、具有表現(xiàn)力。
國內(nèi)的漢語語音合成研究雖然起步較晚，但自上世紀(jì)八十年代開始，國內(nèi)漢語語音合成研究基本與國際研究同步發(fā)展，為中國語音合成技術(shù)后來的廣泛應(yīng)用奠定了堅(jiān)實(shí)的基礎(chǔ)。
創(chuàng)建于2000年的北京捷通華聲語音技術(shù)公司，是國內(nèi)最早從事中文TTS研究與應(yīng)用的企業(yè)，2001年，捷通華聲推出了具有國際領(lǐng)先水平的TTS世紀(jì)版，是國內(nèi)第一項(xiàng)基于大容量真實(shí)錄音庫和韻律層級分析技術(shù)的語音合成技術(shù)，在自然度和流暢度上達(dá)到了一個嶄新的水平，標(biāo)示著中國中文語音合成技術(shù)開始進(jìn)入商品實(shí)用化階段。如今，捷通華聲中文語音合成（TTS）技術(shù)在國內(nèi)已處于絕對領(lǐng)先地位，市場占有率超過50%。十幾年來，捷通華聲始終堅(jiān)持自主研究語音合成（TTS）、語音識別（ASR）等智能人機(jī)交互（HCI）技術(shù)，并不斷推出粵語、維吾爾語等方言與少數(shù)民族語音合成技術(shù)，為保證我國中文智能語音技術(shù)始終處于世界領(lǐng)先地位做出了主要貢獻(xiàn)，也成為推動語音合成技術(shù)在CTI等領(lǐng)域中廣泛應(yīng)用的主要力量。
語音合成：CTI系統(tǒng)中不可或缺的關(guān)鍵技術(shù)
現(xiàn)在在CTI產(chǎn)業(yè)中廣泛應(yīng)用的智能語音交互技術(shù)包含了語音合成、語音識別和自然語言理解等智能人機(jī)交互技術(shù)（HCI），如上所述，語音合成技術(shù)在我國HCI技術(shù)領(lǐng)域中起步最早，并叩開了語音絢爛多彩的應(yīng)用大門。語音合成技術(shù)解決的主要問題是如何將文本信息轉(zhuǎn)化為聲音信息，并能夠讓機(jī)器輸出清晰、流暢的連續(xù)語音。在語音合成技術(shù)應(yīng)用之前，呼叫中心主要采用錄音回放的方式進(jìn)行語音服務(wù)。錄音存在高成本、靈活性差、信息滯后等問題，急需尋求一種替代方案。在這一背景下，語音合成技術(shù)獲得飛速發(fā)展及大規(guī)模產(chǎn)業(yè)應(yīng)用，在這一時(shí)期，國內(nèi)以捷通華聲為代表的高新技術(shù)企業(yè)迅速切入市場，在金融、電信、能源、交通等行業(yè)的呼叫中心中使語音合成技術(shù)形成商品化的全面應(yīng)用。
良好的客服播報(bào)聲音是獲得用戶好感的首要因素，當(dāng)你在撥通客服電話時(shí)卻不會感覺到電話那端是機(jī)器合成的播報(bào)聲音，這就是靈云語音合成的精彩之處。歷經(jīng)十幾年的發(fā)展，捷通華聲的“靈云TTS”已經(jīng)發(fā)展到支持英、法、德、俄等十三種世界語言。在建設(shè)銀行中，靈云粵語、英語、韓語等多語種語音合成技術(shù)在流暢地為用戶服務(wù)，而國家電網(wǎng)電話端的語音播報(bào)則全程通過靈云語音合成來完成。新版靈云語音合成平臺將把朗讀能力進(jìn)一步強(qiáng)化，在具備近似真人發(fā)聲的基礎(chǔ)上，配合呼叫中心進(jìn)行多元化發(fā)展，適應(yīng)呼叫中心多方面的業(yè)務(wù)需求。作為呼叫中心最基礎(chǔ)、最重要的技術(shù)，語音合成在未來依然能與時(shí)俱進(jìn)，發(fā)揮其中流砥柱的作用。
智能語音交互：呼叫中心的前景與未來
語音合成雖然發(fā)展得比較成熟，但語音對話是一個來往通信的過程，單一的技術(shù)無法形成環(huán)路，也滿足不了日益發(fā)展的呼叫中心的需要。于是，語音技術(shù)開始由“說”向“聽”發(fā)展，作為實(shí)現(xiàn)人機(jī)語音交互的另一種重要支撐--語音識別開始從實(shí)驗(yàn)室走向前臺。在清華大學(xué)科研力量的幫助下，捷通華聲的語音識別已取得了突破性的進(jìn)展，新版靈云語音識別和語音合成組成的“雙能力平臺”將為國內(nèi)呼叫中心提供更全面的智能語音解決方案。
系統(tǒng)集成商及軟件企業(yè)可以在客服質(zhì)檢、IVR導(dǎo)航等系統(tǒng)中將語音合成、語音識別等技術(shù)自由組合應(yīng)用，在語音質(zhì)檢中，企業(yè)可以通過靈云語音識別平臺實(shí)現(xiàn)客戶和客服的話者分離，同時(shí)把語音轉(zhuǎn)寫成文本，再通過自然語言理解對海量語音的內(nèi)容進(jìn)行全方位的深入分析，利用數(shù)據(jù)分析手段達(dá)到完善客服質(zhì)量、分析輿情走向、提升用戶體驗(yàn)、增強(qiáng)業(yè)務(wù)拓展成功性等目的。而在IVR導(dǎo)航中則是用語音合成、語音識別形成一個穿針引線的過程，一方面讓用戶在流暢自然的播報(bào)中獲得良好的聽覺體驗(yàn)，一方面還可以通過自助語音服務(wù)快速獲取所需要的內(nèi)容，節(jié)省了企業(yè)大量的成本，提高企業(yè)和用戶雙方的溝通效率。捷通華聲通過多項(xiàng)智能語音技術(shù)為呼叫中心開拓了全新的發(fā)展思路，企業(yè)可以將多項(xiàng)技術(shù)結(jié)合，全面提升呼叫中心智能化水平，為業(yè)務(wù)部門決策、流程制定提供更加有效的支撐。
未來發(fā)展，捷通華聲將聯(lián)合清華大學(xué)科研力量，更加專注智能語音等HCI技術(shù)研究與產(chǎn)業(yè)化應(yīng)用，堅(jiān)持秉承“合作共贏”的理念，不斷為產(chǎn)業(yè)界提供最先進(jìn)的智能語音交互技術(shù)。
