您现在的位置是:首页 > 汽车

千锤百炼 增强型灵云语音识别让车载语音交互更流畅

2020-09-01 02:04:37

  伴随着车联网的快速发展,为了进一步提升智能车载的语音交互体验,捷通华声推出了增强型灵云语音识别技术。该技术采用了捷通华声最新研发的针对抗噪的深度学习算法,通过对行车环境噪音信息进行建模,有效处理车外胎噪、风噪,车内空调声、引擎声等行车环境噪音,并利用大量实际行车噪音数据,对算法进行了进一步训练和优化,拥有极强的抗噪能力,即使在车速80km/h的情况下,也能具有极高的语音识别率。

  增强型灵云语音识别让车载语音交互更流畅

  捷通华声表示,增强型灵云语音识别技术已整合到灵云远场语音交互解决方案中,通过与多麦克风阵列完美结合,可“过滤”掉绝大多数车载环境噪音,实现远距离的语音识别,经过实践测试,其极高的识别率完全满足了行车环境对远场语音识别的要求,实现人对智能车载设备流畅、自然的语音控制。同时,捷通华声与国内广大智能车载设备厂商、解决方案提供商、软件开发商等行业伙伴精诚合作,坚持“合作共赢”的发展理念,通过为合作伙伴提供麦克风阵列、云+端语音交互、内容服务等软硬件一体的车载语音解决方案,共同推动智能语音交互技术在车载领域的普及化应用!

  增强型灵云语音识别+麦克风阵列 轻松应对行车环境噪音

  长期以来,语音交互技术受行车环境的背景噪音、回声、混响等多重复杂因素影响,驾驶者必须要近距离对着麦克风“咬耳朵”讲话,且识别率较低,无法满足驾车途中车载设备识别司机命令的要求,严重制约了语音交互技术在智能车载领域的应用。

  捷通华声灵云远场语音交互解决方案能很好的解决这一问题,该方案包含了多麦克风阵列与增强型语音识别技术。多麦克风阵列能精准拾取说话人的语音信号,抑制噪声和混响,增强型语音识别技术,对残余的车载噪音进行进一步处理,大幅提高行车噪音环境中的语音识别率。

  多麦克风阵列能根据声音到达的时间差,准确计算出声源与阵列模块之间的角度和距离,实现对目标声源的定位与跟踪,并利用麦克风阵列的空域滤波特性,在目标说话人方向形成拾音波束,仅拾取波束的信号,抑制波束之外的噪声和混响(反射声),同时,通过回声消除技术,过滤掉音频设备发出的声音,让语音识别引擎获取的用户声音更为清晰纯净。

  由于麦克风阵列会不可避免的拾取部分行车环境噪音,影响语音识别率,对此,捷通华声综合考虑车内物理结构和车速变化,对驾车过程中的车外胎噪、风噪,车内空调声、引擎声等车载环境噪音信息进行建模,并用大量的实际行车噪音数据进行训练,进一步优化语音识别引擎,推出了针对智能车载的增强型灵云语音识别技术,轻松应对常见车载环境噪音。该技术采用深度神经网络算法(DNN)算法,可在用户的使用过程中,通过利用积累的语音数据来训练、优化算法,不断提升语音识别率。通过这一系列的技术,让车载噪音环境中的语音识别率大幅提高,充分满足实际行车过程中人机交互对语音识别技术的要求。

  增强型语音识别 让语音交互真正满足司机需求

  融合了增强型灵云语音识别技术的灵云远场语音交互解决方案,为合作伙伴提供麦克风阵列、云+端语音交互、内容服务等软硬件一体的车载语音解决方案。该方案对外提供统一接口,可快速建立语音命令与车载系统以及各种应用之间的连接,搭配开放的服务扩展、灵活的能力支持,让智能车载具备语音唤醒、声源定向、远场降噪、回声消除、语音打断、语音纠错、多轮对话等功能,打造“能听会说、能理解、会思考”的智能车载设备,彻底打破车载设备应用语音交互技术的产业瓶颈,真正实现自然、流畅的人机语音交互。

  在驾车过程中,当司机被堵车、等待、红灯等烦扰时,只要随口说出想听的音乐、歌曲,车载设备便会自动检索并播放音乐,缓解司机等待的焦躁情绪;当有电话打进来,而司机正在开车时,只需说出“接听”,即可接通电话,真正实现“君子动口不动手”,再也不必在开车过程中用手“按啊按、找啊找”,把司机的双手和眼睛还给驾驶,保证行车安全。

  灵云远场语音交互解决方案在智能车载领域,已全面支持打电话、收发短信、听音乐、听广播、地图导航、POI、车况查询、天气查询、服务查询、设备控制、交通制度问答等多种功能,并为用户免费提供天气、交通、新闻、故事、股票、音乐、火车、航班、餐饮、酒店等日常生活常用的30多种信息与内容服务,充分满足车载场景下司机的各种需求。同时,灵云远场语音交互解决方案支持随时打断,只听司机真正想表达的信息,并通过语音纠错和多轮对话,让语音交互更加流畅、自然,真正满足司机的需求。

  捷通华声坚持合作共赢 与广大合作伙伴共享产业机遇

  增强型灵云语音识别技术源自于捷通华声于2011年推出的首个全方位人工智能开放平台——灵云平台(hcicloud.com),历经四年发展,灵云平台已成为国内提供人工智能能力最多、服务用户最广的人工智能开放平台。灵云平台自推出以来面向产业全面开放,包括个人开发者在内的所有合作伙伴,都可以通过灵云平台获取智能语音、智能图像、智能语义、生物特征等技术能力。

  伴随着IOT的快速发展,2014年,为让国内智能车载,以及智能家居、家电、机器人等终端设备厂商、集成商、开发商更方便地使用灵云平台(hcicloud.com)全方位人工智能能力,捷通华声推出了企业级开发商专用的灵云智能终端交互方案:灵云种子。灵云种子全面整合了灵云平台多项人工智能技术能力,包括灵云语音识别、语音合成、语义理解、声纹识别、人脸识别、指纹识别、光学字符识别等能力,并为开发商提供简单易用的开发接口。开发商通过应用灵云种子,结合多麦克风阵列模块,可以轻松实现智能语音交互、语音唤醒、语音导航、文字与证照图像识别、声纹解锁、人脸识别等多种人机交互功能,全方位、多角度满足车载、家居、家电、机器人等终端设备对人工智能技术能力多样化的市场需求。

  一花开放不是春,捷通华声将坚持 “合作共赢”的发展理念,与广大合作伙伴共同分享人工智能产业机遇,共同创建良好的人工智能产业生态。为更好服务全国智能终端设备合作伙伴,捷通华声将进一步加快在全国各地建立分公司与办事处的进程,比如在中国华南地区,智能车载、智能家居、机器人开发与生产厂商云集,并拥有创新力强、科技水平高等独特优势。为做好合作伙伴的技术支持,2015年捷通华声相继在深圳、厦门等地成立了分公司,为合作伙伴提供更及时、更完善的技术支持。

  未来发展,捷通华声将继续以清华大学人工智能研究力量为依托,更加专注智能语音等人工智能技术研究与产业化的推广与应用,通过与产业内合作伙伴的精诚合作,共同推动中国智能终端设备全面服务社会大众,共同加快智能化生活时代到来的步伐!