霍娜

在基礎(chǔ)研究、語音技術(shù)及服務(wù)、網(wǎng)絡(luò)服務(wù)運(yùn)營、知識庫和應(yīng)用及服務(wù)構(gòu)成的智能語音產(chǎn)業(yè)鏈中，語音技術(shù)服務(wù)是最為關(guān)鍵的環(huán)節(jié)。在技術(shù)方面，其中，語音識別和自然語言理解是技術(shù)突破重點(diǎn)，無論是語料采集、模型訓(xùn)練、抗噪處理，還是語義理解都需要以開放機(jī)制來積累海量語音數(shù)據(jù)，進(jìn)行深度學(xué)習(xí)。因此，語音云服務(wù)模式備受青睞，以其為基礎(chǔ)的智能語音技術(shù)開放平臺在我國發(fā)展迅猛?？拼笥嶏w、捷通華聲、云知聲、百度、中科模識等都推出了語音云的開放平臺。

選擇語音云，廠商的理由無外乎以下三點(diǎn)：第一，這是一種新的服務(wù)方式，以更低成本提供更高效便利的語音服務(wù)；第二，可

以通過這種方式吸引更多的用戶，積累更多的語音數(shù)據(jù)，豐富語料庫，提高識別率；第三，只要有用戶量，很多商業(yè)機(jī)會就有了。

記者通過采訪發(fā)現(xiàn)，科大訊飛、捷通華聲、百度、云知聲都做語音云，但因運(yùn)營思路不同，各自的語音云特點(diǎn)也各不相同。

科大訊飛：全方位立體語音云

科大訊飛于2012年10月28日發(fā)布首個(gè)提供移動互聯(lián)網(wǎng)智能語音交互能力的“訊飛語音云”平臺，并持續(xù)升級優(yōu)化，于2012年推出了新一代語音云平臺。新一代“全智能語音云開放平臺”專門針對廣大開發(fā)者的開發(fā)需求進(jìn)行了深度優(yōu)化，除具備語音合成、語音搜索、語音聽寫、語音評測等基礎(chǔ)能力外，還進(jìn)一步集成了自然語言理解、個(gè)性化語音識別、個(gè)性化語音合成、聲紋識別等創(chuàng)新語音能力，將能夠?yàn)楦黝愐苿踊ヂ?lián)網(wǎng)創(chuàng)業(yè)者和創(chuàng)新性企業(yè)提供無門檻、更全面、更全能的語音技術(shù)服務(wù)。迄今為止，基于訊飛語音云平臺已相繼誕生了“訊飛輸入法”、“訊飛語點(diǎn)”、“靈犀”等一系列示范性應(yīng)用，圍繞平臺的開發(fā)伙伴超過1萬個(gè)，并推動了各類語音應(yīng)用深入到手機(jī)、電腦、汽車、家電、玩具等各大領(lǐng)域，服務(wù)數(shù)億用戶。

“訊飛語音云用戶總量已經(jīng)超過四億，活躍用戶規(guī)模也在不斷的提升。我們自建語音云平臺，在北京、合肥、廣州三個(gè)物理節(jié)點(diǎn)，目前共有2000多臺服務(wù)器，是現(xiàn)在業(yè)界容量最大，響應(yīng)最快，開發(fā)規(guī)模最大的語音交互智能平臺。”

——科大訊飛信息科技股份有限公司副總裁 江濤

云知聲：動態(tài)靈巧語音云

云知聲2012年9月發(fā)布云知聲語音云，是完全免費(fèi)開放的語音云。它支持大詞匯量連續(xù)語音在線識別，在云計(jì)算平臺下，借助深度神經(jīng)網(wǎng)絡(luò)、自適應(yīng)訓(xùn)練、大規(guī)模網(wǎng)絡(luò)動態(tài)解碼等技術(shù)和大規(guī)模語料支持，中文連續(xù)語音識別的準(zhǔn)確率達(dá)95%以上，實(shí)時(shí)率0.2倍實(shí)時(shí)。基于云知聲語音云平臺開發(fā)的包括搜狗語音助手、聯(lián)想樂云記事、觸寶輸入法、酷我音樂、易信、微信語音輸入等在內(nèi)的各類應(yīng)用每日為數(shù)以百萬計(jì)的移動互聯(lián)網(wǎng)用戶提供順暢的語音服務(wù)。

“云知聲語音云已經(jīng)有幾千萬用戶，可支持上億用戶?，F(xiàn)在云知聲語音云平臺上每天都至少新增幾百小時(shí)的語音數(shù)據(jù)，極大地豐富了我們的語料庫。我們自己搭建了一套比較完整的云服務(wù)平臺，包括負(fù)載均衡、處理運(yùn)算、備份等。在識別性能、識別速度、穩(wěn)定性和動態(tài)擴(kuò)展能力方面，云知聲語音云都表現(xiàn)出色。特別值得一提的是，作為對開發(fā)者的一個(gè)開放平臺，云知聲語音云為開發(fā)者提供的SDK只有幾十K，這對開發(fā)者來說是很重要的一點(diǎn)，因?yàn)橛脩羧绻吹綉?yīng)用太大就會放棄下載。”

——北京云知聲信息技術(shù)有限公司CEO 黃偉

捷通華聲：靈云套餐

捷通華聲2011年推出全方位人機(jī)交互感知云——靈云。靈云不止是語音云，而是一個(gè)全方位人機(jī)交互感知云，整合了語音交互、圖像識別、語義理解、生物特征識別等HCI技術(shù)，終極目標(biāo)是讓人機(jī)交互就像人和人的交互一樣簡單自然。靈云語音合成（TTS）技術(shù)卓越，合成效果自然流暢、清晰，支持中文普通話、粵語、維語、英語、日語、德語、法語等多語種，支持平臺級和嵌入式語音合成；靈云語音識別（ASR）技術(shù)的識別率達(dá)95%以上，識別速度快，可定制，支持云端和本地識別；靈云手寫識別（HWR）技術(shù)支持單字識別，中文識別率高達(dá)99%，單字識別支持92種語言，支持混合輸入中文、字母、數(shù)字；靈云光學(xué)字符識別（OCR）技術(shù)支持文檔識別、票據(jù)識別、證照識別、條碼識別、車牌識別等多種應(yīng)用領(lǐng)域；靈云自然語言理解（NUL）技術(shù)中文分詞準(zhǔn)確率達(dá)97%以上，已廣泛應(yīng)用于智能客服、車載導(dǎo)航、智能家居、可穿戴式設(shè)備等領(lǐng)域。

“基于我們自建云平臺的捷通華聲靈云是一個(gè)全方位的智能交互云，是套餐，不是只有語音。它可以用語音、手寫、拍照、手勢，將來甚至可以用腦波等智能識別手段來實(shí)現(xiàn)與手機(jī)、計(jì)算機(jī)等數(shù)字設(shè)備的交互?！?/p>

——北京捷通華聲語音技術(shù)有限公司董事長 張連毅

百度：開放語音云

2013年8月，百度正式宣布向開發(fā)者開放語音生態(tài)系統(tǒng)，包括底層的語音識別技術(shù)應(yīng)用程序開發(fā)接口（API）、百度語音助手軟件開發(fā)工具包（SDK）。百度的語音識別技術(shù)采用數(shù)萬小時(shí)聲學(xué)訓(xùn)練語料，百度搜索引擎技術(shù)積累的海量文本語料，線上語言模型體積達(dá)100G，百度有更精準(zhǔn)的基于聽覺感知DNN聲學(xué)建模技術(shù)，識別率更高，另外百度高速動態(tài)WFST一遍解碼技術(shù)是中國最快的語音輸入法產(chǎn)品技術(shù)。在語義理解方面，百度語義理解開放平臺支持語義意圖理解，支持語義結(jié)構(gòu)化表示，支持天氣、日歷、音樂等35個(gè)垂直領(lǐng)域的定制化解析，準(zhǔn)確率平均85%，支持用戶上傳語料，輔助改善解析效果。百度開放的語音云更有豐富的后端資源支持，可集成搜索、地圖、音樂、百科、知道、貼吧、文庫、開放平臺等百度所有產(chǎn)品和服務(wù)。百度語音已經(jīng)有小米系統(tǒng)級語音引擎方案、中興駕駛助手、京東全系統(tǒng)企業(yè)級語音解決方案、去哪兒語音訂票、陌陌語音閱讀功能、魅族語音輸入法和海爾智能家電等多項(xiàng)應(yīng)用。

“我們的語音識別可以實(shí)現(xiàn)你說我聽，解決輸入問題，效率更高，聲紋識別、語音喚醒，打造不一樣的人機(jī)交互；語義理解可以實(shí)現(xiàn)你說我想，理解用戶意圖，完成需求分發(fā)，整合系統(tǒng)資源；而后臺資源則可以實(shí)現(xiàn)你說我做，滿足用戶需求，形成用戶行為閉環(huán)?！?/p>

——百度語音首席研究員 賈磊endprint