Nuance OSR3.0語(yǔ)音識(shí)別產(chǎn)品
2006/09/13
2004年9月，捷通華聲在中國(guó)市場(chǎng)正式推出由Nuance公司開發(fā)的具有國(guó)際最高水平語(yǔ)音識(shí)別技術(shù)——OSR（OpenSpeech Recognizer
)。
之所以稱之為OSR，是因?yàn)榇隧?xiàng)語(yǔ)音識(shí)別技術(shù)是一種基于開放標(biāo)準(zhǔn)、可擴(kuò)展、高性能和高識(shí)別率的識(shí)別引擎，提供大詞匯量、非特定人、連續(xù)的語(yǔ)音識(shí)別功能，尤其是在各種無(wú)線環(huán)境之中對(duì)于噪雜音的處理功能強(qiáng)大。最新版本的OSR產(chǎn)品是集成了OpenSpeech語(yǔ)音識(shí)別以前版本的多種高級(jí)功能，它所包括的有限狀態(tài)轉(zhuǎn)換器（Finite
State Transducer）專利技術(shù)不僅能夠顯著地節(jié)省內(nèi)存和CPU的使用，而且還能夠支持包含數(shù)百萬(wàn)單詞的應(yīng)用詞匯表。
OSR產(chǎn)品將以SDK的方式提供給集成商，可廣泛應(yīng)用在呼叫中心、自動(dòng)總機(jī)、語(yǔ)音電話本、旅行預(yù)定、信息檢索、語(yǔ)音門戶和客戶自助服務(wù)等系統(tǒng)中。在語(yǔ)音核心技術(shù)、語(yǔ)音應(yīng)用和服務(wù)領(lǐng)域，Nuance的語(yǔ)音產(chǎn)品已占有最大的市場(chǎng)份額，所提供的解決方案成功的將每年約500百萬(wàn)的電話服務(wù)轉(zhuǎn)化成自動(dòng)化服務(wù)，并具有能與所有主要的語(yǔ)音平臺(tái)廠商集成應(yīng)用以及能支持多語(yǔ)種的產(chǎn)品特色，使之成為財(cái)富100強(qiáng)首選的語(yǔ)音提供商。
一、OSR3.0主要特點(diǎn)
1、高識(shí)別率
語(yǔ)音識(shí)別產(chǎn)品的識(shí)別率與產(chǎn)品核心、呼叫者使用環(huán)境、呼叫人群口音、IVR平臺(tái)流程設(shè)計(jì)等都有密切的關(guān)系，OSR產(chǎn)品在雜音消除、改善核心算法、提高信心得分的準(zhǔn)確度等方面進(jìn)行了大量的工作，使OSR在實(shí)際應(yīng)用中識(shí)別率均達(dá)到95%以上，對(duì)于小詞匯量的應(yīng)用識(shí)別率則更高。
2、強(qiáng)大的語(yǔ)法分析功能
OSR產(chǎn)品支持百萬(wàn)詞匯的復(fù)雜語(yǔ)法應(yīng)用，利用SpeekFreely技術(shù)還可支持自然語(yǔ)言問(wèn)答式的語(yǔ)法識(shí)別。利用OSR的先進(jìn)語(yǔ)法處理能力，用戶可以利用ECMA腳本語(yǔ)言書寫更復(fù)雜的語(yǔ)法，可以創(chuàng)建動(dòng)態(tài)的應(yīng)用，并具支持共享語(yǔ)法，大幅度提高系統(tǒng)效率。
- 自由問(wèn)答式對(duì)話（SpeakFreely）
SpeakFreely功能模塊，能夠?qū)崿F(xiàn)一組基于口語(yǔ)統(tǒng)計(jì)模型的高級(jí)語(yǔ)音識(shí)別功能。SpeakFreely簡(jiǎn)化了復(fù)雜語(yǔ)音應(yīng)用的創(chuàng)建，允許用戶使用自己的詞匯說(shuō)出自己的需要，從而提高了交互的效率（在傳統(tǒng)系統(tǒng)中，要求用戶回答一系列答案數(shù)量有限的提問(wèn)）。
在一個(gè)單獨(dú)的應(yīng)用程序中OSR可以動(dòng)態(tài)訪問(wèn)多個(gè)語(yǔ)法，而且不需要有“組標(biāo)識(shí)符”。使用者可以用編譯前的語(yǔ)法（這些是每個(gè)呼叫者共有的）和實(shí)時(shí)編輯的每個(gè)呼叫者特有的語(yǔ)法結(jié)合，來(lái)建造應(yīng)用程序。在呼叫者和應(yīng)用之間的共享語(yǔ)法大幅度增加了系統(tǒng)效率。
這些模塊可以嵌入一個(gè)語(yǔ)法或在多個(gè)語(yǔ)法之間共享。也允許開發(fā)者去寫更多的復(fù)雜的語(yǔ)法。通過(guò)這個(gè)途徑，修改一個(gè)單獨(dú)的ECMAscript腳本模塊可以影響整個(gè)應(yīng)用程序，不論這個(gè)腳本是否被使用。
3、獨(dú)特的語(yǔ)音端點(diǎn)檢測(cè)技術(shù)
OSR擁有一套獨(dú)特的端點(diǎn)檢測(cè)算法，可以依據(jù)振幅和頻譜特征來(lái)進(jìn)行檢測(cè)，從而有效地區(qū)分背景噪音和通話者的語(yǔ)音。OSR端點(diǎn)檢測(cè)的“靈敏度”可以手動(dòng)調(diào)整，以適應(yīng)安靜或喧鬧的不同環(huán)境。
4、適應(yīng)性強(qiáng)(E-learn自調(diào)節(jié)功能)
通過(guò)Nuance具有專利技術(shù)的自動(dòng)調(diào)節(jié)機(jī)制“LEARN”學(xué)習(xí)功能，系統(tǒng)可以自動(dòng)調(diào)節(jié)識(shí)別參數(shù)和聲學(xué)模型，以適應(yīng)呼叫人群的本地方言、區(qū)域口音和電話信道等特點(diǎn)。通過(guò)“LEARN”自動(dòng)調(diào)節(jié)機(jī)制，識(shí)別錯(cuò)誤率最多可下降70%。
無(wú)需修改，OSR就可以在廣泛的應(yīng)用中很好地工作，并適應(yīng)廣泛的通話人群。但是，使用某種應(yīng)用的人群經(jīng)常會(huì)偏向某個(gè)特定的通道類型（有線或者無(wú)線）、口音（上�？谝艋蚝幽峡谝簦┗蛘攮h(huán)境（安靜的或者嘈雜的）。甚至應(yīng)用領(lǐng)域本身都會(huì)偏向某種發(fā)音或者偏向某種習(xí)慣短語(yǔ)。OSR包括一種被稱作“LEARN”的管理工具，該工具可以分析通話者的發(fā)音特征，并用來(lái)優(yōu)化系統(tǒng)，以提高識(shí)別率。
5、高性能、低資源消耗
獨(dú)特的音頻分析方法及具有專利的有限狀態(tài)轉(zhuǎn)換技術(shù)，使OSR產(chǎn)品在實(shí)際應(yīng)中，內(nèi)存占用和CPU的消耗極低。對(duì)于復(fù)雜的語(yǔ)法應(yīng)用可以節(jié)約90%的資源。
OSR結(jié)合了多種技術(shù)以達(dá)到高性能，包括曾經(jīng)提到過(guò)的明確分段方法。它也包括享有專利的有限狀態(tài)轉(zhuǎn)換機(jī)（FST）技術(shù)，該技術(shù)通過(guò)共享冗余段，簡(jiǎn)潔地表現(xiàn)語(yǔ)法。通過(guò)減少那些必須經(jīng)過(guò)處理來(lái)判斷識(shí)別結(jié)果的音素的數(shù)量，可以除去冗余從而節(jié)省內(nèi)存和計(jì)算。它也可以使語(yǔ)法更快地編譯和加載，速度可以提高到5倍。這種節(jié)省是非常顯著的：一個(gè)消耗170兆字節(jié)的、包含40，000詞的語(yǔ)法，通過(guò)FST技術(shù)可以僅僅消耗15兆字節(jié)。
每個(gè)語(yǔ)音識(shí)別器通過(guò)應(yīng)用更多的計(jì)算資源，可以提供更高的識(shí)別率。OSR與同類競(jìng)爭(zhēng)識(shí)別器相比，對(duì)于這種變化的靈敏度要低一些，因?yàn)樗懈咝У脑O(shè)計(jì)。但是，OSR結(jié)合了負(fù)荷靈敏算法，這可以使所有的可用計(jì)算資源發(fā)揮地最好。事實(shí)上，Nuance是第一家開發(fā)這種技術(shù)的公司。
OSR可以自動(dòng)地允許語(yǔ)音識(shí)別程序在所有的通道上共享被加載到內(nèi)存的一份語(yǔ)法。這對(duì)于許多通道上運(yùn)行同樣應(yīng)用的、大規(guī)模的使用而言，可以非常顯著地減少內(nèi)存使用。
6、支持開放標(biāo)準(zhǔn)
OSR產(chǎn)品是根據(jù)VoiceXML設(shè)計(jì)的，對(duì)SRGS（Speech Recognition Grammar Specification,語(yǔ)音識(shí)別語(yǔ)法規(guī)范）的支持等特點(diǎn)使VoiceXML
和 SALT 應(yīng)用達(dá)到最優(yōu)狀態(tài)。
7、支持多種應(yīng)用方式
- 單機(jī)應(yīng)用（本地應(yīng)用）：用戶可以直接在運(yùn)行IVR的機(jī)器上加載OSR；
- 客戶端/服務(wù)器（C/S結(jié)構(gòu)）：用戶可以直接在服務(wù)器端加載OSR，客戶端通過(guò)網(wǎng)絡(luò)發(fā)送語(yǔ)音信號(hào)并獲取識(shí)別結(jié)果，這種方式主要用于實(shí)現(xiàn)大規(guī)模應(yīng)用需要；
- VoIP：用戶也可以在一個(gè)基于VoIP的客戶端/服務(wù)器架構(gòu)中配置OSR，在這種情況下，客戶端是一個(gè)VoIP媒體網(wǎng)關(guān)或媒體服務(wù)器，服務(wù)器是MRCP版本的OpenSpeech服務(wù)器，它提供了帶有標(biāo)準(zhǔn)的VoIP協(xié)議接口的OSR。
8、支持多語(yǔ)言，包括多語(yǔ)言混合識(shí)別
OSR產(chǎn)品目前提供15種語(yǔ)言和方言，包括：普通話（中國(guó)大陸、臺(tái)灣）、粵語(yǔ)（香港地區(qū)）、英語(yǔ)（澳大利亞、新西蘭、英國(guó)、美國(guó)、新加坡）、法語(yǔ)（法國(guó)、加拿大）、德語(yǔ)（德國(guó)）、日語(yǔ)（日本）、韓語(yǔ)（韓國(guó)）、西班牙語(yǔ)（美國(guó)、墨西哥）。
OSR產(chǎn)品的WorldAware功能支持多語(yǔ)種的混合識(shí)別，甚至允許單個(gè)語(yǔ)句中的任意語(yǔ)言混合，可以用于構(gòu)造更加復(fù)雜的語(yǔ)音解決方案。
9、支持多種操作系統(tǒng)
OSR可在下列操作系統(tǒng)下使用單機(jī)和客戶端/服務(wù)器配置：
客戶端操作系統(tǒng)：RedHat 7.2、RedHat AS 2.1、Windows 2000、Windows 2003。
服務(wù)端操作系統(tǒng)：RedHat 7.2、RedHat AS 2.1、Windows 2000、Windows 2003、Solaris。
二、硬件配置要求
三、應(yīng)用案例
- 美國(guó)聯(lián)合航空（United Airlines）：客戶通過(guò)致電1（800）824-6200，應(yīng)用OSR語(yǔ)音識(shí)別技術(shù)可方便查詢聯(lián)合航空公司每天2400個(gè)航班的狀態(tài)，每天有8萬(wàn)多人使用這一系統(tǒng)。
- AOL電話服務(wù)：采用Nuance OSR等語(yǔ)音技術(shù)，為America Online的2400萬(wàn)客戶開發(fā)和部署了語(yǔ)音門戶服務(wù)。
- Thrifty汽車租賃：Thrifty租車公司是全球最大的的租車公司之一，通過(guò)撥打Thrifty的1-800-THRIFTY預(yù)訂電話號(hào)碼，客戶在應(yīng)用OSR語(yǔ)音識(shí)別技術(shù)獲得高效服務(wù)的同時(shí)，也獲得最優(yōu)惠的汽車租用費(fèi)率。
捷通華聲公司供稿 CTI論壇編輯
相關(guān)鏈接: