語音交互

機器要與人實現(xiàn)語音交互，那就需要完成三個步驟：ASR/NLP/TTS,對應(yīng)的是“耳”、“腦”、“口”工作的內(nèi)容：機器要聽到人類說話，就離不開語音識別技術(shù)（ASR）；要讓機器理解人類說話，需要將用戶的指令轉(zhuǎn)換為結(jié)構(gòu)化的、機器可以理解的語言，就離不開自然語言處理（NLP）；讓機器說話，即將從文本轉(zhuǎn)換成語音，就離不開語音合成（TTS）。

 ASR——語音識別技術(shù)

語音識別技術(shù)，也被稱為自動語音識別 Automatic Speech Recognition，(ASR)，其目標是將人類的語音中的詞匯內(nèi)容轉(zhuǎn)換為計算機可讀的輸入，例如按鍵、二進制編碼或者字符序列。與說話人識別及說話人確認不同，后者嘗試識別或確認發(fā)出語音的說話人而非其中所包含的詞匯內(nèi)容。

語音識別已經(jīng)成為人們?nèi)粘Ｉ钪谐Ｓ玫囊环N技術(shù)：例如小愛同學(xué)等語音助手運用的就是語音識別，微信里有一個功能是”文字語音轉(zhuǎn)文字”，還有智能音箱這類以語音識別為核心的產(chǎn)品都是語音識別的應(yīng)用。

NLP——自然語言處理

NLP（Natural Language Processing）的工作邏輯是：將用戶的指令進行Domain(領(lǐng)域)→Intent(意圖)→Slot(詞槽)三級拆分。

“幫我定一個明早8：00的鬧鐘”為例：該指令命中的領(lǐng)域是“鬧鐘”，意圖是“新建鬧鐘”，詞槽是“明天8點”。這樣，就將用戶的意圖拆分成機器可以處理的語言。

TTS——語音合成

TTS是Text To Speech的縮寫，即“從文本到語音”，是人機對話的一部分，讓機器能夠說話。業(yè)內(nèi)普遍使用兩種做法：一種是拼接法，一種是參數(shù)法。

1. 拼接法

從事先錄制的大量語音中，選擇所需的基本發(fā)音單位拼接而成。

2  參數(shù)法

根據(jù)統(tǒng)計模型來產(chǎn)生每時每刻的語音參數(shù)（包括基頻、共振峰頻率等），然后把這些參數(shù)轉(zhuǎn)化為波形。

portant;overflow-wrap:break-word="" !important;"="">TTS是語音合成應(yīng)用的一種，它將儲存于電腦中的文件，如幫助文件或者網(wǎng)頁portant;overflow-wrap:break-word="" !important;"="">，轉(zhuǎn)換成自然語音輸出。TTS不僅能幫助有視覺障礙portant;overflow-wrap:break-word="" !important;"="">的人閱讀計算機上的信息，更能增加文本文檔portant;overflow-wrap:break-word="" !important;"="">的可讀性。TTS應(yīng)用包括語音驅(qū)動的郵件以及聲音敏感系統(tǒng)，并常與聲音識別程序一起使用。

云蝠智能自研ASR

對語音進行實時轉(zhuǎn)寫識別，讓機器能夠聽懂人類的語言。適用于各類普通話識別場景，如語音搜索、語音指令、語音短消息、呼叫中心質(zhì)檢等，云蝠智能自研技術(shù)，支持本地化部署。

產(chǎn)品優(yōu)勢

支持普通話/中英混合等多語種及方言

海量數(shù)據(jù)不斷更新，語音識別準確率持續(xù)提升。

高準確的識別率

基于先進的深度學(xué)算法，安靜環(huán)境下近場語音識別，中文普通話字準確率超過96%。

靈活的接入方式

支持不同設(shè)備端安卓、iOS系統(tǒng)的SDK接入，同時也支持HTTP協(xié)議的API接入。

毫秒級低延時識別速度

識別結(jié)果響應(yīng)時間低于300毫秒。的系統(tǒng)響應(yīng)，提升用戶交互體驗。

專業(yè)的業(yè)務(wù)領(lǐng)域

針對8K\16K的呼叫、客服場景，進行大量的業(yè)務(wù)場景優(yōu)化。

針對呼叫的VAD及降噪進行定位優(yōu)化。

聲紋識別

基于聲紋能力，實現(xiàn)對發(fā)音人進行有效區(qū)分。

基于自研SAAS平臺，可以構(gòu)建高效識別，審核，數(shù)據(jù)分析的本地化平臺。由于自研ASR的優(yōu)勢，云蝠智能的質(zhì)檢平臺，可以實現(xiàn)對一天1000小時、5000小時的數(shù)據(jù)分析，并高效反饋數(shù)據(jù)。

云蝠智能TTS語音識別

語音合成及音庫定制，將輸入的文字通過網(wǎng)絡(luò)發(fā)送到服務(wù)器，通過深度學(xué)技術(shù)，合成高音質(zhì)、更飽滿的音色效果，效果更接近人聲，同時提供多種音色選擇。

支持個性化、多語種、多音色的本地化部署，滿足私有化、數(shù)據(jù)隱私需求。

產(chǎn)品優(yōu)勢

領(lǐng)先的技術(shù)方案

基于Transformer機制的高音質(zhì)語音合成，綜合利用聲學(xué)和語言學(xué)參數(shù)，達到更自然的韻律合成目的。

靈活的接入方式

支持SDK 、流式/非流式API 、MRCP協(xié)議等各種對接形式，接口同步/異步調(diào)用

多語種多音色

男聲、女聲以及童聲，支持中文、英文、中英文混等多語種合成，音量、語速隨意調(diào)節(jié)。

自然的聽感

使用海量的音頻合成數(shù)據(jù)訓(xùn)練，生成更真實飽滿音質(zhì)、抑揚頓挫、富有表現(xiàn)力，MOS評分達到業(yè)內(nèi)領(lǐng)先水準。

個性化的調(diào)節(jié)

支持多音字標注，手動校對發(fā)音。支持語速停頓調(diào)節(jié)，滿足不同場景實際的表現(xiàn)需要。

定制發(fā)音人

支持真人語音克隆，人機協(xié)同對話“以假亂真”

你們點點“分享”，給我充點兒電吧~

云蝠智能免費在線版CRM客戶管理系統(tǒng)（不限坐席）老魏的云蝠智能小店0.01購買【云蝠智能】企業(yè)微信SCRM老魏的云蝠智能小店0.01購買【云蝠智能】語音電話機器人老魏的云蝠智能小店0.01購買