通話中的語(yǔ)音識(shí)別技術(shù)

李晉

【摘要】 手機(jī)是我們?nèi)粘Ｉ钪凶畛Ｊ褂玫墓ぞ咧?，但在通話過(guò)程中的語(yǔ)音技術(shù)還沒(méi)有相對(duì)成熟的解決方案，可智能識(shí)別通話過(guò)程中涉及的數(shù)字，地點(diǎn)，人名等關(guān)鍵信息，來(lái)自動(dòng)判斷你所需要的信息和安排你的行程，并可應(yīng)用于語(yǔ)音聊天、視頻通話甚至在語(yǔ)音聊天、視頻聊天中與云端大數(shù)據(jù)整合。

【關(guān)鍵詞】 語(yǔ)音識(shí)別 通話 大數(shù)據(jù) 互聯(lián)網(wǎng)

該文主要致力于解決通話中的語(yǔ)音識(shí)別技術(shù)，長(zhǎng)期可推廣至QQ語(yǔ)音聊天等即時(shí)聊天軟件中，相較于目前大多數(shù)語(yǔ)音識(shí)別軟件需要手動(dòng)打開(kāi)更為主動(dòng)，讓用戶感覺(jué)不到軟件的存在，將該技術(shù)深度整合到系統(tǒng)或QQ服務(wù)中在通話結(jié)束后針對(duì)通話中涉及的電話號(hào)碼、地點(diǎn)、時(shí)間等關(guān)鍵信息進(jìn)行信息的推送，大大提高了效率，并對(duì)聽(tīng)力有障礙的人士有更為重要的意義。

一、語(yǔ)音識(shí)別基本原理

語(yǔ)音識(shí)別系統(tǒng)本質(zhì)上是一種模式識(shí)別系統(tǒng)，包括特征提取、模式匹配、參考模式庫(kù)等三個(gè)基本單元，未知語(yǔ)音經(jīng)過(guò)話筒變換成電信號(hào)后加在識(shí)別系統(tǒng)的輸入端，首先經(jīng)過(guò)預(yù)處理，再根據(jù)人的語(yǔ)音特點(diǎn)建立語(yǔ)音模型，對(duì)輸入的語(yǔ)音信號(hào)進(jìn)行分析，并抽取所需的特征，在此基礎(chǔ)上建立語(yǔ)音識(shí)別所需的模板，然后根據(jù)此模板的定義，通過(guò)查表就可以給出計(jì)算機(jī)的識(shí)別結(jié)果。 [1]

二、通話中語(yǔ)音識(shí)別技術(shù)

2.1技術(shù)原理：

1、基本架構(gòu)：Smartalk通話系統(tǒng)基于“云之訊”開(kāi)放平臺(tái)提供的語(yǔ)音視頻通話服務(wù)和“科大訊飛”開(kāi)放平臺(tái)提供的語(yǔ)音識(shí)別服務(wù)，并加以對(duì)手機(jī)GPS位置、通訊錄、社交軟件信息的分析，在“云”的輔助下對(duì)之進(jìn)行處理和交換。Smartalk架構(gòu)分為4個(gè)部分：客戶端、語(yǔ)音視頻服務(wù)、語(yǔ)音識(shí)別服務(wù)、云數(shù)據(jù)處理分析。利用“云之訊”開(kāi)放平臺(tái)提供的語(yǔ)音視頻通話服務(wù)和“科大訊飛”開(kāi)放平臺(tái)提供的語(yǔ)音識(shí)別服務(wù)可將用戶在通話中涉及的地點(diǎn)、人名、電話號(hào)碼等關(guān)鍵詞提取出來(lái)并加以分析對(duì)行程和下一步操作提供幫助。

2、基本平臺(tái)：本系統(tǒng)基于APIcloud開(kāi)發(fā)，兼容云端和第三方SDK，可跨平臺(tái)（Android、IOS、Windows等）使用，采用標(biāo)準(zhǔn)的c++語(yǔ)言實(shí)現(xiàn)。

2.2功能實(shí)現(xiàn)：

1、基于“云之訊”開(kāi)放平臺(tái)的通話系統(tǒng)：云之訊融合通訊開(kāi)放平臺(tái)為企業(yè)及個(gè)人開(kāi)發(fā)者提供各種通訊服務(wù)，包括在線語(yǔ)音服務(wù)、短信服務(wù)、視頻服務(wù)、會(huì)議服務(wù)等，開(kāi)發(fā)者通過(guò)嵌入云通訊API在應(yīng)用中輕松實(shí)現(xiàn)各種通訊功能。

2、基于“科大訊飛”開(kāi)放平臺(tái)的語(yǔ)音識(shí)別系統(tǒng)：。訊飛開(kāi)放平臺(tái)使用戶可通過(guò)互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)，使用任何設(shè)備方便的介入訊飛開(kāi)放平臺(tái)提供的“聽(tīng)、說(shuō)、讀、寫(xiě)”等全方位的人工智能服務(wù)。目前開(kāi)放平臺(tái)向開(kāi)發(fā)者提供語(yǔ)音合成、語(yǔ)音識(shí)別、語(yǔ)音喚醒、語(yǔ)義理解、移動(dòng)應(yīng)用分析等多項(xiàng)服務(wù)。

3、語(yǔ)音識(shí)別與云端大數(shù)據(jù)結(jié)合分析：。利用基于“云之訊”通話系統(tǒng)和“科大訊飛”語(yǔ)音識(shí)別系統(tǒng)實(shí)現(xiàn)了實(shí)時(shí)的語(yǔ)音識(shí)別，加以云端大數(shù)據(jù)的結(jié)合，和實(shí)時(shí)的分析用戶當(dāng)前的需求和問(wèn)題，及時(shí)的跟用戶產(chǎn)生交流反饋，并根據(jù)用戶長(zhǎng)期的使用時(shí)間分析智能提前推送相關(guān)信息。

2.3未來(lái)展望：

基于大數(shù)據(jù)和互聯(lián)網(wǎng)+技術(shù)的日益發(fā)展與完善，并隨著通信傳輸速度的逐漸提高，可在實(shí)時(shí)的條件下分析與推送更多豐富的內(nèi)容，加以與即時(shí)聊天軟件的結(jié)合，將該技術(shù)深度整合到系統(tǒng)或QQ服務(wù)中在通話結(jié)束后針對(duì)通話中涉及的電話號(hào)碼、地點(diǎn)、時(shí)間等關(guān)鍵信息進(jìn)行信息的推送，并對(duì)聽(tīng)力有障礙的人士有更為重要的意義，未來(lái)的市場(chǎng)前景廣闊。

三、語(yǔ)音識(shí)別技術(shù)應(yīng)用

3.1 語(yǔ)音指令控制在汽車(chē)上的應(yīng)用：

語(yǔ)音控制人員只需要用嘴說(shuō)出命令控制字，就可以實(shí)現(xiàn)對(duì)系統(tǒng)的控制。在汽車(chē)上，可用于汽車(chē)導(dǎo)航、控制車(chē)載設(shè)備。如車(chē)燈、音響、天窗、座椅、雨刮器等。

3.2語(yǔ)音識(shí)別技術(shù)在醫(yī)療系統(tǒng)中的應(yīng)用：

醫(yī)療語(yǔ)音識(shí)別技術(shù)，已有廠商開(kāi)發(fā)了基于云平臺(tái)的語(yǔ)音識(shí)別系統(tǒng)，可直接內(nèi)嵌到醫(yī)院電子病歷系統(tǒng)中，讓醫(yī)生通過(guò)語(yǔ)音輸入病人信息，填寫(xiě)醫(yī)療記錄，下達(dá)醫(yī)囑信息。

四、相關(guān)市場(chǎng)調(diào)研

1、國(guó)內(nèi)外市場(chǎng)分析：2015年全球智能語(yǔ)音產(chǎn)業(yè)規(guī)模達(dá)到61.2億美元，較2014年增長(zhǎng)34.2%。其中，中國(guó)智能語(yǔ)音產(chǎn)業(yè)規(guī)模達(dá)到40.3億元，較2014年增長(zhǎng)增長(zhǎng)41.0%，遠(yuǎn)高于全球語(yǔ)音產(chǎn)業(yè)增長(zhǎng)速度預(yù)計(jì)到2016年，中國(guó)語(yǔ)音產(chǎn)業(yè)規(guī)模預(yù)計(jì)達(dá)到59億元。[2]

2、相關(guān)應(yīng)用發(fā)展：拉斯維加斯消費(fèi)電子展（CES）上展示的MindMeld。在通話中，如果參與者點(diǎn)擊應(yīng)用的一個(gè)按鈕，那么MindMeld將利用Nuance的語(yǔ)音識(shí)別技術(shù)，分析此前15至30秒對(duì)話。隨后，MindMeld將確定對(duì)話中的關(guān)鍵詞，以及其他多個(gè)信息來(lái)源，查找具有相關(guān)性的信息，并在屏幕上向用戶提供圖片和鏈接地址。[3]

參 考 文 獻(xiàn)

[1] 吳堅(jiān).基于web的salt語(yǔ)音識(shí)別技術(shù)應(yīng)用研究[D].湖北工業(yè)大學(xué)， 2006

[2] 武勤.2015中國(guó)智能語(yǔ)音產(chǎn)業(yè)發(fā)展白皮書(shū).計(jì)算機(jī)與網(wǎng)絡(luò)2016，42（8）

[3] 能監(jiān)聽(tīng)語(yǔ)音通話的智能語(yǔ)音助理MindMeld 新浪科技 2013，1