語(yǔ)音交互

機(jī)器要與人實(shí)現(xiàn)語(yǔ)音交互，那就需要完成三個(gè)步驟：ASR/NLP/TTS,對(duì)應(yīng)的是“耳”、“腦”、“口”工作的內(nèi)容：機(jī)器要聽到人類說話，就離不開語(yǔ)音識(shí)別技術(shù)（ASR）；要讓機(jī)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(jī)器可以理解的語(yǔ)言，就離不開自然語(yǔ)言處理（NLP）；讓機(jī)器說話，即將從文本轉(zhuǎn)換成語(yǔ)音，就離不開語(yǔ)音合成（TTS）。

 ASR——語(yǔ)音識(shí)別技術(shù)

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

語(yǔ)音識(shí)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(yǔ)音助手運(yùn)用的就是語(yǔ)音識(shí)別，微信里有一個(gè)功能是”文字語(yǔ)音轉(zhuǎn)文字”，還有智能音箱這類以語(yǔ)音識(shí)別為核心的產(chǎn)品都是語(yǔ)音識(shí)別的應(yīng)用。

NLP——自然語(yǔ)言處理

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

“幫我定一個(gè)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(diǎn)”。這樣，就將用戶的意圖拆分成機(jī)器可以處理的語(yǔ)言。

TTS——語(yǔ)音合成

TTS是Text To Speech的縮寫，即“從文本到語(yǔ)音”，是人機(jī)對(duì)話的一部分，讓機(jī)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(yǔ)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(jì)模型來產(chǎn)生每時(shí)每刻的語(yǔ)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(yǔ)音合成應(yīng)用的一種，它將儲(chǔ)存于電腦中的文件，如幫助文件或者網(wǎng)頁(yè)portant;overflow-wrap:break-word="" !important;"="">，轉(zhuǎn)換成自然語(yǔ)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(jì)算機(jī)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(yǔ)音驅(qū)動(dòng)的郵件以及聲音敏感系統(tǒng)，并常與聲音識(shí)別程序一起使用。

云蝠智能自研ASR

對(duì)語(yǔ)音進(jìn)行實(shí)時(shí)轉(zhuǎn)寫識(shí)別，讓機(jī)器能夠聽懂人類的語(yǔ)言。適用于各類普通話識(shí)別場(chǎng)景，如語(yǔ)音搜索、語(yǔ)音指令、語(yǔ)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(shì)

支持普通話/中英混合等多語(yǔ)種及方言

海量數(shù)據(jù)不斷更新，語(yǔ)音識(shí)別準(zhǔn)確率持續(xù)提升。

高準(zhǔn)確的識(shí)別率

基于先進(jìn)的深度學(xué)算法，安靜環(huán)境下近場(chǎng)語(yǔ)音識(shí)別，中文普通話字準(zhǔn)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(shí)也支持HTTP協(xié)議的API接入。

毫秒級(jí)低延時(shí)識(shí)別速度

識(shí)別結(jié)果響應(yīng)時(shí)間低于300毫秒。的系統(tǒng)響應(yīng)，提升用戶交互體驗(yàn)。

專業(yè)的業(yè)務(wù)領(lǐng)域

針對(duì)8K\16K的呼叫、客服場(chǎng)景，進(jìn)行大量的業(yè)務(wù)場(chǎng)景優(yōu)化。

針對(duì)呼叫的VAD及降噪進(jìn)行定位優(yōu)化。

聲紋識(shí)別

基于聲紋能力，實(shí)現(xiàn)對(duì)發(fā)音人進(jìn)行有效區(qū)分。

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

云蝠智能TTS語(yǔ)音識(shí)別

語(yǔ)音合成及音庫(kù)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(shí)提供多種音色選擇。

支持個(gè)性化、多語(yǔ)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(shì)

領(lǐng)先的技術(shù)方案

基于Transformer機(jī)制的高音質(zhì)語(yǔ)音合成，綜合利用聲學(xué)和語(yǔ)言學(xué)參數(shù)，達(dá)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(duì)接形式，接口同步/異步調(diào)用

多語(yǔ)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(yǔ)種合成，音量、語(yǔ)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(shí)飽滿音質(zhì)、抑揚(yáng)頓挫、富有表現(xiàn)力，MOS評(píng)分達(dá)到業(yè)內(nèi)領(lǐng)先水準(zhǔn)。

個(gè)性化的調(diào)節(jié)

支持多音字標(biāo)注，手動(dòng)校對(duì)發(fā)音。支持語(yǔ)速停頓調(diào)節(jié)，滿足不同場(chǎng)景實(shí)際的表現(xiàn)需要。

定制發(fā)音人

支持真人語(yǔ)音克隆，人機(jī)協(xié)同對(duì)話“以假亂真”

你們點(diǎn)點(diǎn)“分享”，給我充點(diǎn)兒電吧~

云蝠智能免費(fèi)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(gòu)買【云蝠智能】企業(yè)微信SCRM老魏的云蝠智能小店0.01購(gòu)買【云蝠智能】語(yǔ)音電話機(jī)器人老魏的云蝠智能小店0.01購(gòu)買