Nuance通訊公司大中華區(qū)總經(jīng)理鄭裕慶先生(Daniel Cheng)
Nuance通訊公司上海研發(fā)中心總監(jiān)張亞昕博士(Yaxin Zhang )
5月15日，由工業(yè)和信息化部指導(dǎo)，人民郵電報社主辦、中國信息產(chǎn)業(yè)網(wǎng)承辦的第三屆 “車聯(lián)網(wǎng)”產(chǎn)業(yè)鏈合作研討會于北京召開。Nuance公司在會上獲得“聲控導(dǎo)航產(chǎn)品優(yōu)秀成果獎”榮譽，并接受了新華網(wǎng)專訪。
接受訪問的兩位嘉賓分別為Nuance通訊公司大中華區(qū)總經(jīng)理鄭裕慶 (Daniel Cheng)和Nuance通訊公司上海研發(fā)中心總監(jiān)張亞昕博士 (Yaxin Zhang )。
關(guān)于Nuance公司的基本業(yè)務(wù)情況，鄭裕慶先生做了簡要的介紹。
鄭裕慶先生：
Nuance是家全球領(lǐng)先的語音和語言解決方案提供商，為世界各地的企業(yè)和消費者提供服務(wù)。我們的語音解決方案支持50多種語言，超過80種語言輸入。對于需要拓展全球業(yè)務(wù)的企業(yè)來說， Nuance是最佳的選擇。
關(guān)鍵詞：在華業(yè)務(wù)
2008年在中國建立了研發(fā)中心，由張博士負(fù)責(zé)管理研發(fā)團隊。主要針對中國客戶本地化方案開發(fā)，目前在北京和上海都設(shè)有技術(shù)支持及售后服務(wù)（Professional Services）隊伍和研發(fā)中心，北京隊伍主要負(fù)責(zé)文字輸入的售后服務(wù)，上海隊伍主要負(fù)責(zé)語音方面的技術(shù)支持，以及用戶界面、語音合成引擎及其他模塊的研發(fā)工作。另外，香港和臺灣也設(shè)有銷售人員和服務(wù)團隊，可以給我們的客戶提供服務(wù)。我們在中國的業(yè)務(wù)包括：一是給企業(yè)呼叫中心提供解決方案，包括銀行、電信、金融等公司的呼叫中心，為其提升自助客戶服務(wù)體驗。另一個是移動設(shè)備，包括手機、PC等，還有電視、空調(diào)等家電。另外，汽車及導(dǎo)航廠商提供移動解決方案現(xiàn)在我們已經(jīng)和一些國內(nèi)廠家在合作，將來會陸陸續(xù)續(xù)看到我們的成果。現(xiàn)時中興Grand Memo智能手機提供的車載模式應(yīng)用，便是使用Nuance的語音技術(shù)，你在開車的時候可以通過語音控制你的手機去撥電話或者聽音樂。新款的 HTC One汽車模式應(yīng)用也整合了 Nuance 語音技術(shù)。 還有，三星Galaxy S4的S Voice Assistant，也是使用Nuance 的語音技術(shù)。
關(guān)鍵詞：Nuance與“車聯(lián)網(wǎng)”
在汽車應(yīng)用方面，我們跟國內(nèi)本土車廠有比較緊密的接觸。比如比亞迪最近出了一款車叫做思銳，其車載系統(tǒng)就整合了 Nuance的車載語音識別技術(shù)，通過語音控制命令可以實現(xiàn)對電臺、碟片、空調(diào)系統(tǒng)等進行控制，而且支持普通話指令，給駕駛者帶來更智能、更安全的車載體驗。Nuance 的車載解決方案包括嵌入式和互聯(lián)解決方案，嵌入式方案不需要網(wǎng)絡(luò)連接可以提供最基本功能如撥電話、聽音樂、調(diào)空調(diào)、收音機轉(zhuǎn)臺等等。而通過遠程云端，能讓用戶借助自然語音命令與車載系統(tǒng)實現(xiàn)互動，并從移動互聯(lián)網(wǎng)輕松獲得所需內(nèi)容，比如附近的電影院在播什么電影、交通狀況怎么樣，這些可以在云端實時更新。
過去十多年里，Nuance 一直在推動著汽車市場的創(chuàng)新發(fā)展。其車載解決方案涵蓋了語音識別、語音合成、信號增強和預(yù)測文本輸入等技術(shù)，提供了當(dāng)今最先進的車內(nèi)導(dǎo)航系統(tǒng)、娛樂和車輛通訊系統(tǒng)的用戶交互界面，能顯著提高駕駛安全性。駕駛者在駕車時就能通過語音指令安全地與外界保持聯(lián)系，操控導(dǎo)航系統(tǒng)、汽車信息娛樂系統(tǒng)等車載系統(tǒng)和設(shè)備，最大程度避免了手動操作導(dǎo)致失誤和分神，從而釋放雙手和眼睛，為駕駛者提供了更加安全和更為直觀的“互聯(lián)汽車”體驗。
關(guān)于Nuance語音識別技術(shù)的精度問題，一直是用戶和廣大消費者關(guān)心的問題。就這一問題，張亞昕博士進行了詳盡的解釋。
張亞昕博士：
這個問題也是目前很多客戶關(guān)心的事情，通常我們?nèi)ソ榻B語音技術(shù)的時候都會被問到，所以剛才的演講當(dāng)中也專門提到這個話題，就是如何解決一種目的、多種表達方式的問題，如何解決中國分布這么廣泛、這么復(fù)雜的方言和口音的問題，這確實是語音識別的難點。還有剛才提到的精度，語音識別精度比較復(fù)雜，因為語音識別的精度跟太多的因素有關(guān)系了，不能泛泛地說，給你一個語音識別器，自己在那里念一百條句子看看對了多少條，就說識別精度到了多少，這絕對是不科學(xué)的。首先它應(yīng)該是一個統(tǒng)計的結(jié)果，其次應(yīng)該是在一個實際使用環(huán)境下的統(tǒng)計結(jié)果。
比如車載環(huán)境下的語音識別，這個測試一定要在車載環(huán)境下去測試，�，F(xiàn)在我可以拿數(shù)據(jù)來佐證，我的系統(tǒng)就可以達到99%，但是實際應(yīng)用測下來可能就是80%，因為我可以針對性采集語音數(shù)據(jù)，發(fā)音很標(biāo)準(zhǔn)，說的所有東西跟我的設(shè)計是嚴(yán)絲合縫地匹配，這樣識別率會非常非常高，所以單獨談這個東西是沒有意義的。首先是一個接受環(huán)境的問題，而且語音識別真正做到產(chǎn)品以后，不光是語音識別引擎可以達到百分之多少，還有UI設(shè)計好不好的問題。
談到意義和目的、多種表達方式的問題。我們目前在積極推動自然語言理解技術(shù)。如果我們退到五年以前，語音識別可能就是，我設(shè)計了一個語音識別，所有的命令都按照設(shè)計程式設(shè)計好了以后就放在系統(tǒng)里面。我的測試可以達到98%的準(zhǔn)確率，用戶使用呢？我說的東西和你設(shè)計的詞不一樣，便無法準(zhǔn)確識別。我們現(xiàn)在就要引入自然語言技術(shù)，就是在我的語音識別基礎(chǔ)上再加一個模板，這個模板叫做自然語言理解。引入自然語言理解技術(shù)后，人們不再是用特定的指令，例如：你想撥打張三的手機，只要說撥打張三的電話就能幫你進行操作。先把你說的一句話中關(guān)鍵詞提出來以后,看你的目的是什么，然后再找這個目的，找到目的以后再把關(guān)鍵詞里的東西朝著目去靠，最后發(fā)現(xiàn)你是想撥打張三的手機，這個任務(wù)才能完成。
每個人常用的詞不一樣，每個人表達方式和語法結(jié)構(gòu)也不一樣，整個自然語言理解模塊需要處理的問題確實比較多，難度也很大。我們要做到完全跟人腦一樣，現(xiàn)在的科學(xué)技術(shù)和目前的系統(tǒng)資源實際上是做不到的。好在我們在車?yán)锏某霈F(xiàn)的應(yīng)用場景是有限的，無非就是定義10-20種應(yīng)用場景，這樣需要的句法就有限了，機器資源就可以處理了，而且精度也會比較高。
現(xiàn)在這個技術(shù)已經(jīng)相對成熟，已經(jīng)到了應(yīng)用階段。用戶基本可以得到一個比較滿意的結(jié)果。
談到Nuance最近與全球領(lǐng)先的導(dǎo)航地圖公司高德開展商業(yè)合作，體現(xiàn)了那些戰(zhàn)略要點，鄭裕慶先生進行了深度的解讀。
鄭裕慶先生：
我們已經(jīng)跟國內(nèi)兩家導(dǎo)航地圖和信息服務(wù)提供商有合作，分別是高德和四維圖新。我們跟他們合作共同開發(fā)語音導(dǎo)航地圖產(chǎn)品。助力汽車廠商和導(dǎo)航設(shè)備提供商迅速革新中國語音導(dǎo)航市場新體驗，為中國車載導(dǎo)航用戶帶來更加安全、更加智能的駕車新體驗。
關(guān)于汽車內(nèi)運用的語音技術(shù)和其它場景有什么不同，怎樣解決行車過程中的噪音干擾問題，張亞昕博士也做了專業(yè)的介紹。
張亞昕博士：
抗噪性是車?yán)锸紫刃枰鉀Q的問題，抗噪性的硬件配置既可以便宜也可以貴。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Microphone 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。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。
寶馬的7系列在去年的第一季度首先發(fā)布全球第一個應(yīng)用Nuance的Dragon Drive!Messaging語音短信服務(wù)，這個應(yīng)用在全世界的車?yán)锼堑谝患�，可以一邊開車一邊通過語音發(fā)短信、編寫e-Mail和文本信息�；A(chǔ)識別率高除了引擎好還要在硬件上配合，通過麥克風(fēng)的陣列配合接收聲音，這樣就把噪聲都抗掉了，但是成本也高起來了。
最后，就大家比較關(guān)心的行業(yè)發(fā)展問題，鄭裕慶先生也給出了自己的判斷和建議。
鄭裕慶先生：
我們接觸的廠家比較多的，所以我們會汲取客戶的一些反饋和意見。Nuance以技術(shù)和服務(wù)質(zhì)量為先，為我們的客戶提供最好的技術(shù)服務(wù)，通過我們的語音技術(shù)提升消費者滿意度，為客戶帶來更多的市場份額。現(xiàn)在的市場就是“一窩蜂”，很多人覺得語音是一個很熱的話題，他們也要去做語音產(chǎn)品，但是很多情況下他們的產(chǎn)品只是實驗室里的試驗品。Nuance公司在這方面，我們是可以做才去做，我不可以的就說不可以。
Nuance擁有領(lǐng)先的語音技術(shù)，強大的研發(fā)團隊、豐富的經(jīng)驗和無數(shù)的成功案例。在車載業(yè)務(wù)方面，我們開發(fā)的革命性語音產(chǎn)品和技術(shù)令駕駛者，僅借助語音命令就能和廣泛的車載系統(tǒng)和設(shè)備互動，為駕駛者提供了極大的便捷和提升了駕駛安全。我們會堅持通過我們強大研發(fā)團隊，結(jié)合本土化的研發(fā)及提供優(yōu)質(zhì)的服務(wù)，繼續(xù)推動汽車市場的創(chuàng)新發(fā)展，為中國消費者帶來更直觀的互聯(lián)汽車體驗。
