Nuance：汽車導(dǎo)航迎來個性化語音時代

    隨著汽車導(dǎo)航迎來語音時代，人們從繁瑣的手動操作中解放出來，出行更為舒心、便捷。目前，各大汽車廠商紛紛表示要將語音識別放入汽車里改變?nèi)藗兊鸟{駛操作習(xí)慣，作為全球領(lǐng)先的語音技術(shù)提供商——Nuance在語音識別技術(shù)上的突破和發(fā)展，有力的推動個性化語音時代的到來。

張亞昕博士（左2 ）與Nuance汽車業(yè)務(wù)部各地代表合影

    Nuance語音識別及其技術(shù)原理

    Nuance中國區(qū)研發(fā)總監(jiān)張亞昕博士告訴筆者：“目前在嵌入式系統(tǒng)中，Nuance語音識別能處理的數(shù)量是全球最多的。Nuance的技術(shù)特點不僅僅是最多，而且它在較少條數(shù)和大量條數(shù)之間的識別率變化十分穩(wěn)定。在一些演示系統(tǒng)中，普通識別器經(jīng)常會放上幾個人或者十來個人名字做普通識別，但是當數(shù)目條數(shù)上到一萬甚至是十萬基礎(chǔ)時候，基本上識別率下降就會很快。當然，Nuance的客戶拿Nuance做對比測試的時候，比如地理地名識別，31個省市的地區(qū)名稱的識別點在90%以上，深入到31個省市增加到十萬條的興趣點，它的識別率仍然保持在90%以上，識別率下降不多。目前來講，Nuance嵌入式系統(tǒng)的處理條數(shù)已經(jīng)超過百萬，識別率穩(wěn)定地保持在90%以上的水準。”

    Nuance錯誤率減少的標準是以百分比來體現(xiàn)。比如Nuance在汽車應(yīng)用的嵌入式引擎叫做VoCon。VoCon 3到最新推出的VoCon 4，VoCon 4會比VoCon3針對不同的語音在錯誤率減少會有15%—25%的提升，也就是說如果在VoCon 3中有100個識別錯誤，在VoCon 4中會減少到75到85個錯誤。

    對于每一個語言，我們都有一個標準的測試板。每一個測試板上的數(shù)據(jù)是由各種實際環(huán)境采集的數(shù)據(jù)組合而來的，如相對安靜環(huán)境下的數(shù)據(jù)，相對噪聲下的數(shù)據(jù)等等。在相對噪聲下的數(shù)據(jù)中，比如在運行的汽車中的數(shù)據(jù)，Nuance將其分為發(fā)動機開著車輛靜止的環(huán)境、在高速公路上行駛的環(huán)境、低速行駛的環(huán)境等等，基本上可以這么理解。將來這項語音識別器要應(yīng)用在哪個領(lǐng)域，Nuance就會在相應(yīng)領(lǐng)域的環(huán)境下進行采集錄音。這些音的錄制有若干人完成，通常測試數(shù)據(jù)庫的人數(shù)不低于百余人。性別年齡等分布均勻，年齡分布在18-60歲之間。在實際應(yīng)用環(huán)境中，每一個人的應(yīng)用環(huán)境中至少要說幾句，要說一些句子、歌名、或者是命令、名字等等進行分布，總體而講，每一個人錄下來的句子應(yīng)該是到100-200句之間，句子根據(jù)不同的應(yīng)用來定句子的內(nèi)容，盡可能考慮把實際應(yīng)用中會牽扯的句子先錄下來測試。

    Nuance的嵌入式引擎每一年或者半年發(fā)布一款新的版本，每一個新版本在推出之前都會通過Nuance的數(shù)據(jù)庫進行測試，衡量錯誤率的減少會達到什么樣的程度。繼而才會推出新版本的嵌入式引擎。

    Nuance語音技術(shù)在中國市場的應(yīng)用

      針對中國區(qū)域的語音識別，Nuance主要支持普通話和廣東話，而廣東話是我們做的唯一一個方言，因為它在澳門、香港以及華南地區(qū)日常使用的語言。雖然我們不支持其他中國的方言，但Nuance在口音處理方面下了很大的功夫。Nuance的普通話口音識別覆蓋從北方到南方，以及大部分漢語地區(qū)各地不同的口音。但是，對于合格和不合格的口音沒有一個明顯的界限，Nuance針對中國普通話的算法上主要是區(qū)別什么地方的口音較重和什么地方是普通話相對標準這兩個方面進行處理。Nuance沒有特意針對某一類的方言口音做特殊的處理，而是盡可能覆蓋某個區(qū)域更大面積的口音。

    可以這么說，Nuance在中文語音識別上面充分考慮南北方口音的不同，盡可能消除口音對普通話語音識別率的影響。

    語音技術(shù)在歐美應(yīng)用面更大。在中國，目前是呼叫中心中會有一些應(yīng)用，因為用語音識別可以過濾掉大部分的問題，能夠大幅度減少坐席數(shù)，而且語音識別系統(tǒng)永遠不會“煩躁”，這樣會更大幅度地提高服務(wù)滿意度。

    在語音技術(shù)嵌入式應(yīng)用里面，包括手機和汽車。比如在歐美市場，福特汽車在語音汽車方面應(yīng)用是最激進的，全線汽車采用了Nuance的語音識別技術(shù)。在中國市場，新福克斯采用的第一代SYNC系統(tǒng)也是采用了Nuance的語音識別技術(shù)。當然，第一代SYNC已經(jīng)不能代表語音識別技術(shù)的最新發(fā)展前沿，而在北美的第二代SYNC亦采用了Nuance前沿的技術(shù)，得到的市場反饋也是非常好的。另外，奧迪、寶馬、奔馳、豐田等都是Nuance的客戶，在不遠的將來也會有配備語音識別的新車型上市。

    其實語音技術(shù)與汽車應(yīng)用本身存在矛盾。按照理想狀態(tài)，汽車應(yīng)用應(yīng)該是語音識別應(yīng)用的最佳環(huán)境，因為語音識別能夠降低越來越多的車內(nèi)車載電子設(shè)備操作時帶來的駕駛風(fēng)險，所以從理想狀態(tài)而言，用語音識別與汽車互動是最理想的。而恰恰是這個最理想的應(yīng)用環(huán)境，汽車的聲學(xué)環(huán)境又阻礙了語音識別技術(shù)的應(yīng)用。在汽車內(nèi)應(yīng)用時，噪聲高、識別率低導(dǎo)致使用率不高。

    Nuance在與汽車結(jié)合時注意到這一點，已經(jīng)研發(fā)出一整套的解決方案。比如，我們在抗噪性處理方面，初級方案里在算法中會增加一些抗噪模塊，再進一步比如增加定向性好的麥克風(fēng)進行處理，再進一步我們就有比較完整的解決方案配備Micro phone array and beam-forming,一些在歐洲的高端車比如戴姆勒奔馳中已經(jīng)有所應(yīng)用。其應(yīng)用原理是，在語音識別系統(tǒng)中裝若干個麥克風(fēng)，通過配套的數(shù)字信號處理模塊，來進行定向的交叉，從而更好地將聲源控制在駕駛員腦袋周圍附近，這樣會非常大幅度地抑制周圍噪音帶來的干擾。Nuance在數(shù)字電視處理方面也會應(yīng)用這項原理，可以不用拿遙控器甚至在開著電視聲音的情況下直接就可以對電視發(fā)出語音命令。這其中起到關(guān)鍵因素還有一個SSE技術(shù)，配備Microphone array軟硬件共同處理，極大提高抗噪性，而且能夠屏蔽掉聲源里的噪音干擾。

    SSE技術(shù)部分解決了相對遠距離（只要麥克風(fēng)超過30厘米）的問題，實際上在汽車中目前也存在這個距離，一般汽車的語音識別器安裝在倒視鏡位置，距離駕駛員也有30-50厘米。SSE技術(shù)相應(yīng)地能夠更好地降低這部分距離的干擾。

    Nuance語音技術(shù)的研發(fā)重心

    張亞昕博士：SSE是Nuance語音技術(shù)的研發(fā)重心之一。從準確性角度而

聲明:

凡文章來源標明“中國智能交通網(wǎng)”的文章版權(quán)均為本站所有，請不要一聲不吭地來拿走，轉(zhuǎn)載請注明出處，違者本網(wǎng)保留追究相關(guān)法律責(zé)任的權(quán)利；所有未標明來源為“中國智能交通網(wǎng)”的轉(zhuǎn)載文章均不代表本網(wǎng)立場及觀點，“中國智能交通網(wǎng)”不對這些第三方內(nèi)容或鏈接做出任何保證或承擔(dān)任何責(zé)任。