Nuance：汽車導航迎來個性化語音時代

    隨著汽車導航迎來語音時代，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人們的駕駛操作習慣，作為全球領先的語音技術提供商——Nuance在語音識別技術上的突破和發展，有力的推動個性化語音時代的到來。

張亞昕博士（左2 ）與Nuance汽車業務部各地代表合影

    Nuance語音識別及其技術原理

    Nuance中國區研發總監張亞昕博士告訴筆者：“目前在嵌入式系統中，Nuance語音識別能處理的數量是全球最多的。Nuance的技術特點不僅僅是最多，而且它在較少條數和大量條數之間的識別率變化十分穩定。在一些演示系統中，普通識別器經常會放上幾個人或者十來個人名字做普通識別，但是當數目條數上到一萬甚至是十萬基礎時候，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嵌入式系統的處理條數已經超過百萬，識別率穩定地保持在90%以上的水準。”

    Nuance錯誤率減少的標準是以百分比來體現。比如Nuance在汽車應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據是由各種實際環境采集的數據組合而來的，如相對安靜環境下的數據，相對噪聲下的數據等等。在相對噪聲下的數據中，比如在運行的汽車中的數據，Nuance將其分為發動機開著車輛靜止的環境、在高速公路上行駛的環境、低速行駛的環境等等，基本上可以這么理解。將來這項語音識別器要應用在哪個領域，Nuance就會在相應領域的環境下進行采集錄音。這些音的錄制有若干人完成，通常測試數據庫的人數不低于百余人。性別年齡等分布均勻，年齡分布在18-60歲之間。在實際應用環境中，每一個人的應用環境中至少要說幾句，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該是到100-200句之間，句子根據不同的應用來定句子的內容，盡可能考慮把實際應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的數據庫進行測試，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語音技術在中國市場的應用

      針對中國區域的語音識別，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。

    語音技術在歐美應用面更大。在中國，目前是呼叫中心中會有一些應用，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，而且語音識別系統永遠不會“煩躁”，這樣會更大幅度地提高服務滿意度。

    在語音技術嵌入式應用里面，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用是最激進的，全線汽車采用了Nuance的語音識別技術。在中國市場，新?？怂共捎玫牡谝淮鶶YNC系統也是采用了Nuance的語音識別技術。當然，第一代SYNC已經不能代表語音識別技術的最新發展前沿，而在北美的第二代SYNC亦采用了Nuance前沿的技術，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。

    其實語音技術與汽車應用本身存在矛盾。按照理想狀態，汽車應用應該是語音識別應用的最佳環境，因為語音識別能夠降低越來越多的車內車載電子設備操作時帶來的駕駛風險，所以從理想狀態而言，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用環境，汽車的聲學環境又阻礙了語音識別技術的應用。在汽車內應用時，噪聲高、識別率低導致使用率不高。

    Nuance在與汽車結合時注意到這一點，已經研發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有所應用。其應用原理是，在語音識別系統中裝若干個麥克風，通過配套的數字信號處理模塊，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在數字電視處理方面也會應用這項原理，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出語音命令。這其中起到關鍵因素還有一個SSE技術，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技術部分解決了相對遠距離（只要麥克風超過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技術相應地能夠更好地降低這部分距離的干擾。

    Nuance語音技術的研發重心

    張亞昕博士：SSE是Nuance語音技術的研發重心之一。從準確性角度而

聲明:

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