主题论坛-呼叫中心技术发展及应用实录(5)

　　为推动客户关怀及管理(Customer Care & Management)理论和实践在中国的发展，促成新思想的深度撞击，客户世界机构(CCMworld Group)发起并联合客户中心技术领域的世界级顶级供应商Avaya公司于3月15日在北京举办了“呼叫中心技术发展及应用专题研讨会”。就“语音门户”和“主动服务”两大前沿技术应用分别设立专场进行研讨。

　　下文是科大迅飞的副总裁吴晓如先生所做的主题演讲“新一代语音自助服务：语音识

别与合作技术应用”。

　　各位嘉宾、各位朋友，大家上午好！我想听我报告的时候大家可能稍微的轻松一点，我们的同声翻译也可以稍微的休息一下。非常高兴有这么一个机会和我们的合作伙伴NUANCE一起参加Avaya和客户世界举行这次关于“呼叫中心的论坛”，我们的NUANCE的合作伙伴经理也来到了现场。

　　Avaya作为全球

　　在介绍之前首先请大家看一个短片，在大家看完这个短片之后就会对整个智能语音技术怎么在呼叫中心里面发挥作用会有进一步的了解和感受。相信各位看了这个短片以后，对于整个智能语音技术是如何在呼叫中心发挥它的应用有一个直观的了解。下面我就开始我今天的介绍，我今天介绍的内容和PPT的内容稍微有一些差别，主要是由于时间问题，对有些内容做了一些压缩。

　　首先我还是想简单的介绍一下什么是智能语音技术，它到底在网络环境中怎么在自助服务方面发挥作用的？语音技术简单的来说使我们各种信息时代的各种智能机器像人一样“能听会说”。可以分成两个方面：

　　语音合成：能够把各种文字信息实时转化为标准流畅的语音朗读出来，相当于给智能机器设备装上了人工嘴巴。

　　语音识别：刚好是和语音合成技术相对应。相当于给机器装上了人工耳朵，有了人工的耳朵之后，机器可以自动去听语音命令，可以对人的声音进行一个变数，可以进行语音的听写。因此大家，大家可以看到因为语音技术是解决了能听会说的问题，可以用在我们的信息时代社会生活的方方面面。

　　也许大家说了我知道智能语音技术它有着非常广泛的应用，目前智能语音技术水平能不能满足我们应用的需求呢？我跟一些行业的伙伴在沟通的时候，第一次沟通的时候，很多朋友他对语音合成技术的认识还停留在十年前的阶段，那个时候的语音合成的还像《星球大战》一样，基本上一字一顿，如果是这个语音的应用确实在现在，整个我们应用的需求还有非常大的限制。实际上，语音合成技术经过了差不多十多年的发展，有了突飞猛进的发展。目前我们的语音合成技术已经完全满足实用的需要。这样也可以请大家感受一下最近、最新我们中文语音合成合成的效果。 这是国家863对语音合成技术评测标准的文本，从上面来看，目前以信息播报为主体的语音合成效果完全可以满足任何需要。对这种语音合成的水平做了这么一种评测的对比，由机器合成的语音和播音员播报的语音进行对比评测，当时评测我们选了三个播音员，一般的自然人还有一个机器合成语音，七个语音送到后台由学生试听，学生并不知道哪一组是由机器合成的，哪一组是人练出来的。对于七组声音我们以5分制打分，如果认为它最好是打五分，如果基本自然是打四分。从上面的表我们可以看出，我们20个学生对七种声音合成的结果基本上打成了四分，已经完全可以满足应用的需求了。

　　对于语音识别技术来说，可能很多人认为机器听起来不见得能听懂，它能不能满足我们实用的阶段呢？现在每个人的手机上都已经或多或少的用到炫铃这款业务，现在当你通过炫铃的业务你只需对电话说出想要炫铃下载的铃声就可以简单的下载到炫铃的过程。05年我们NUANCE的共同努力，我们生动炫铃已经在联通领域差不多有18个省已经推出这项服务，而且应用也非常成功。同时我们也看到目前的语音识别技术并不是放到任何一个行业中，经过一些简单的应用就可以满足应用需求了，主要就是整个语音识别的应用还是有非常高的技术门槛。也就是说我们需要选用最好的技术，而且我们需要对针对最好的技术进行优化，使它成为成功的自助式语音服务。

　　我们看到在Avaya介绍过程中，整个在网络时代，中国普通老百姓通过电话、手机等获取互联网以及各种行业信息，包含了通过我们呼叫中心和各种企业需求不断提高。因此我们电信、银行、保险等等不同的领域，都非常有这种急迫的需求。也就是说通过一些先进的技术手段提高我们的用户满意度，提高服务的差异化。正是由于这种技术突破了技术的门槛，而且各行各业对语音技术有非常迫切的需求，经过这些年的发展语音技术已经成功的运用到电信、银行、保险等各个行业。

　　下一步我们也想让大家通过各个行业的应用，让我们知道语音技术在社会各个应用中有进一步的了解。大家可以看到，现在智能语音技术什么渗透到社会生活的方方面面，渗透到了我们各个行业和各个领域中。

　　下面我们我再以一些比较典型的案例，进一步展示智能语音技术在各个行业中是怎么应用的。大家知道，中国电信重头戏领域的业务也就是电话号码百事通，中国电信现在立志于把我们的114，我们所有老百姓都非常熟悉的号码资源，它通过网络设备可以获取各种信息的非常方便的服务平台。在这个服务平台中，目前智能语音发挥着越来越重要的作用，通过这种智能语音，各种用户可以和我们的系统进行智能的交往，可以进行自动查号，也可以通过这种智能系统访问宾馆、餐饮等各种信息，也可以通过我们的系统进行订票。

　　从这里可以看到目前浙江地区等系统正式上线以后，它常用电话号码可以通过114的平台进行自动接入。你如果到浙江去对某一个地市不熟悉，你想入住一个宾馆可以通过114系统进行相关的查询。整个系统的应用过程中可以全程支持语音识别和按键，用户可以在任何一个时候你想说出来你希望提交的申请。同时语音合成也在中间发挥非常大的作用，传统的114服务可能只是向你播报一个简单的号码，未来查询企业号码的时候，还可以告诉你这个企业的地理位置等等各种各样的信息。

　　刚才介绍了生动产业实际上也是一个非常典型的语音识别，可以发挥重大作用的服务，用户可以基于10151联通的自动服务进行铃声的下载。大家知道以前在下载铃声的时候，可能你需要下载的铃声非常有限，推荐的铃声在语言界面里面差不多只有10个、8个，而且通过按键的操作也非常烦琐。现在就可以非常简单的说出你需要下载铃声的系统来帮你完成你所想做的事情。目前整个系统可以全程识别和按键，目前支持的铃声可以下载到3000多首。不像按键式的语音系统只能选择10首或者很少的歌曲。

　　我们再看有一个相应的FLASH让大家对生动彩铃的应用有更进一步的了解。大家可以通过刚才的语音演示可以看到，可以通过简单的语音识别命令可以下载自己喜欢的音乐。另外我们的合作伙伴NUANCE在香港推出了通过电话助理的服务，通过这个电话助理相当于给你一个自动秘书，通过秘书可以说出来你想拨打的电话，语音识别系统可以帮你完成语音识别，并且帮你完成电话的转接。

　　整个NUANCE在香港电信盈科推出了通信助理之后，在04年底推出这项服务，整个电信盈科差不多有300多客户，目前有30%都使用了这项服务。可以看到之前我们想通过一个固定电话去拨打一个朋友电话的时候，因为大家现在使用手机比较多，你需要把自己的电话号码找出来，才去到固定电话上拨打电话，这也是为什么现在很多人不愿意使用固定电话的原因。有了自动的通信助理大家可以很方便的完成各种电话的拨打和转接。

　　这几年来我们在电信领域其他应用中也形成了非常多的自助式的语音服务。比如说在中国网 通在河北省开通的服务，大家可以通过自动语音识别的方式去提交。比如说想听政治新闻、生活广告、财经广告你可以说出来任何你想听的声音合成，系统可以理解你所提出的请求，并且通过语音合成把新闻信息给你播报出来。显然可以通过自助式的语音服务，向我们的高端的商业客户提高更有价值的服务，提高客户满意度和忠诚度，达到更好的效果。

　　比如说联通的山东公司也开通了类似的服务，整个通话时间基本有3万多分钟，收到了非常好的效果。其他的一些相关应用，比如说像中国在2008年举办奥运会，科技部曾经为奥运会从02年到05年立了一个项目，“面向2008年奥运的多语言信息服务系统”。其中智能语音技术起了非常重要的作用，可以在人和机器之间语音通话的通道，通过电话我们用户就可以实现旅游信息、交通信息以及各种信息的查询。目前奥组委已经正式立了项目，也就是把科技部的项目面向2008年奥运的应用中去。到了2008年奥运的时候，来自世界各地的来宾就可以通过系统去访问各自需要的信息。

　　此外，自助式语音交互服务它在旅游业有非常广泛的服务。比如说在合肥开通了合肥旅游热线，如果外地的朋友到合肥去想访问当地的各种旅游景点，各种饮食资料信息就可以拨打这个热线。这里面有一个相关的演示。我们可以看到，如果外地的朋友到合肥去，通过这么一个接入电话号码可以通过自助式的语音服务，获取你所需要的信息。

　　在国外目前自助式语音服务在航空领域应用非常广泛，最近NUANCE和科大讯飞也和中国的各大航空公司正在进行接触，很快我们也会把自助式语音技术推广到航空公司去。这里我们有NUANCE在英国航空公司的案例。大家可以看到，通过自助式的语音识别，大家可以非常方便的查询各个航班的信息，并且进行自己的航班确认等等。

　　目前NUANCE推出的一种“随意说”的技术，可以把我们自助式语音服务推向更加便捷的应用。所谓随意说就是可以让我们的用户感觉到对方和你进行交互，不再是一个冷冰冰的系统，而是一个像人工一样的灵活和方便。

　　在香港政府有应用的演示，也可以请大家感受一下。大家可以看到用户并不知道发生问题的时候，想解决问题去找哪个部门。有了随意说的系统之后，用户只需要说出自己的问题，系统可以说出这个问题对应的解决部门。有了这个系统以后我们随意说让我们整个自助式系统像人一样的聪明，帮我们解决各种各样的问题查询各种各样的问题，了解各种各样的信息。

　　科大讯飞从04年开始，已经把我们的语音识别合成技术部署到全国的各大银行去。比如说中国的工商银行已经在04年底已经把语音识别系统部署到银行应用中去。同样语音系统在工商银行、电话银行，比如说卡业务已经开通了，它未来很快在银证通以及外汇买卖系统提供更加方便的服务。此外像建行、招行、交行都已经全面的运用了语音合成技术。

　　我们的合作伙伴NUANCE，已经把语音识别成功的运用到各种金融领域。目前科大讯飞已经把我们的语音合成技术应用到各个领域推向深化。随着应用的深化，自助式语音服务将会更大的把语音识别、语音合成在所有的金融领域的业务中推向深化。

　　大家可以看到，对于花旗银行关于自助式语音服务，在当时没有用到自助式语音服务的时候，整个工作量还是非常大，每周为了应付差不多两万的来电需要一万的雇员，成本非常高。有了自助式语音识别服务以后，通过自动转机可以显著的降低成本，而且整个工作效益差不多提高了300%以上。目前NUANCE的语音识别技术除了在花旗银行的使用，也已经渗透到整个美国、欧洲各大顶级银行业务中。我想随着应用的深化，所有的关键技术也会进一步在中国的各大银行中形成越来越多的应用。

　　刚才介绍什么是智能语音技术，以及在自助式语音服务系统中怎么样发挥它的作用的。下面我介绍科大讯飞以及NUANCE在自助式语音服务以及在智能语音技术以及在自助式语音推广中做了哪些工作。

　　科大讯飞是1999年在由国家智能语音评测中心和中科大合作共同组建的科大人机语音实验室基础上组建起来的。目前发展到员工约400人，注册资金7000万。除了科技大学之外，我们的股东还包括联想以及信息产业部的盈富太科等等。经过了差不多将近七年的发展，科大讯飞已经成为国内第一家专注于智能语音技术的研发和应用的企业，此外也是中国在智能语音研发领域专业最多、规模最大的企业。同时国家级的进步奖以及青年科学技术奖，一系列的国家级的荣誉也花落讯飞，因此它也是中国语音核心技术获得国家级奖励最多的企业。此外，中国一些大规模具有示范效应的所有的大的智能语音技术的应用很多也是科大迅飞和合作伙伴共同推向应用领域的。应该讲，科大讯飞在80年代中期开始一直受到国家各方面重大基金的支持，在这些基金的支持下我们在98年之后，关于国际、国内，权威关于中文语音合成的指标中都名列第一。目前在中国已经拥有80%的关于中文语音系统的合成技术的市场份额。此外我们通过和NUANCE的合作，目前我们在电话领域在差不多整个市场有80%的应用都是由科大讯飞和NUANCE的合作共同推向市场的。

　　在04年的时候，国家863专家组曾经对语音合成做过一个比较有意思的评测。当时选了国内、国外一共有七个系统，通过两两评测来借鉴整个技术水平。也就是两个系统同样合成一些文本，合成的效果如果差不多就是各得0分。如果比较出来优势的话，好的得1分，不好的得-1分。经过这次评测之后，对于合成语音最关键的指标就是自然度，也就是说我们合成的语音像不像一个自然人的语音，合成的自然度最关键的指标上，科大讯飞遥遥领先，也只有科大迅飞在目前的系统中有正分的表现。

　　科大讯飞在去年推出了第四代合成系统，第四代合成系统除了支持中文之外，还可以支持英文、粤语，请大家简单的感受一下我们粤语和英文的合成效果。另外，第四代合成系统也可以自由的合成粤语。因此整个第四代合成系统可以支持多个音色，比较活泼轻快的女声，比较沉稳正式的女声，比较成熟浑厚的男生等多个语音，让用户使用这个系统可以获取它需要的各种语音。

　　在今年五月份我们会很快的推出第五代合成系统，这里也有一些相应的演示，应该是更加自然，支持更多的不同的翻译的音色和风格，具有更加的个性化。只要用户希望的语音效果提供一些他所希望的训练语气，我们就可以合成他所需要的合成的效果。第五代合成系统还可以合成美式的女士的发成合音。第五代合成系统将会支持新的特性，也就是刚才介绍的个性化的合成系统。个性化的合成系统是什么意思呢？之前我们要产生一个新的音色可能要找一个人，需要练几十个小时，我们才有一个新的个性音色系统。有了个性化语音合成系统之后，我可能只需要你10几句话，或者几十句话就可以产生合成系统，这个合成系统所产生的语音像你的音色，这里我们有一个相应的演示。我们请了一个小朋友差不多练了几十句语音，我们就可以让我们的系统去模拟他的语音去合成任何文本。此外，目前我们的合成系统还可以模拟各种名人的发音，目前模拟名人发音的系统还存在其他的问题。我不知道大家能不能听出来这是谁的声音。实际上刚才听的后面的模拟声音，是使用前一段女声的声音，经过了声道转换就成了另外一种语音，因此我们未来个性化的合成语音是非常方便、非常灵活。

　　科大讯飞向所有的客户承诺，我们每年都会在核心技术上做出重大的改善，这也是因为我们有非常好的产、学、研的机制。我们除了自己有迅飞研究院进行语音技术的研发之外，我们在科技大学、语言所和清华大学分别有三个联合实验室。我们的联合实验室，整个的迅飞研究架构专门有一个语音在网络上的产品研发部门，也就是提供当年我们所需要的产品。我们的研究院同时在平台产品中提供当年的产品，同时我们的研究院也会为一年以后所用的关键技术进行核心的研发。我们在全国的实验室在更基层、更基础的语言技术突破，为两到三年以后的产品提供更加深入的技术支持。

　　除了我们刚才展示的核心技术效果之外，目前科大讯飞已经有超过5万线的语音合成应用在电信、金融、电力等不同重点应用行业中，经受住重大复杂应用环境的考验。由于科大讯飞产品的稳定性，这么多年也是作为华为和中兴唯一的语音识别合成技术的提供商。

　　由于科大讯飞所在核心技术以及在核心技术应用上所做的成果，由国家信息产业部在04年正式确认了由科大讯飞和国内其他的研究和产业机构一起推进中文人级语音的交换标准。它分别制定了关于识别、语音的评测、数据库、生文的不同的标准。经过差不多一年多的时间，科大讯飞提交的《关于中文语音合成系统通过技术规范》已经通过了国家标准工作组验收，目前正式的形成了国家标准。比如说利用关于中文语音合成的标志语言就可以对语音合成的各种应用进行自由的标记，我们可以对语音合成的各种应用进行自由的标记，对应用的效果灵活的调整，使应用效果更加贴近我们的需要。

　　在2000年5月，科大讯飞被科技部认定为全国迄今唯一语音领域的“国家863计划成果产业化基地”；03年的10月份正式牵头制定《中文语音识别技术的标准》；05年的时候，国家发改委也正式确认迅飞作为中国优秀的国家高新技术产业化示范基地中30家基地的一家。

　　公司成立之后，由于语音技术它整个应用的广泛性，还得到了非常多的国家领导的关注。吴邦国委员长以及贾庆林主席分别到科大讯飞视察，也是对整个语音技术下一步的发展给出了非常多的支持。目前科大讯飞的合作伙伴已经遍布各个不同领域，有500多家厂商。目前应用案例超过4000个，每天都有超过五万线的语音合成技术在各个行业中提供服务。目前在迅飞第一步关于语音技术的合成伙伴中，已经有越来越多的厂商开始关注，并且开始应用语音识别的技术。截止到2005年中期的时候，我们整个合作伙伴使用语音识别技术总数超过了80多家，目前总数有将近200左右。语音识别已经在电信、金融、银行、交通各个领域形成了广泛的应用。

　　NUANCE公司整个自助式语音服务，大家都已经很熟悉它了，目前的新NUANCE是由原来全世界最大的四家语音公司以及其他的在语音技术方面有特点的语音公司进行合并产生的。合并以后NUANCE目前是全球首屈一指的语音解决方案供应商，在全球语音市场方面已经稳居第一，可以提供从网络到IVR的应用，提供非常广泛的语音解决方案。NUANCE自从成立以后发展非常稳健，从01年开始连续四年它的营业额增长率超过了20%。目前新NUANCE在全球已经超过有30家的分支机构，员工总数超过1200多人，NUANCE对各种语种的支持也超过50个语种以上。

　　从这个图上我们可以看出，目前NUANCE在语音识别领域还是稳居全球第一位，在04年NUANCE在全球语音识别的市场占有率超过75%以上。此外，对于现在语音识别领域最重要的领域也就是电信领域自动查号台的应用，由于NUANCE在核心技术方面还是遥遥领先，并且提交一系列在自动查号方面非常重要的专利和技术。全球目前关于自动查号台像浙江114自动查号服务有95%以上的市场份额都是NUANCE推向查号台。

　　如果要选用语音识别技术的时候，为什么要选择NUANCE的语音识别技术呢？因为它是全球语音技术的领导者。差不多语音技术的专利和一些新技术的出现都是NUANCE引导语音技术的发展。同时NUANCE目前在各个行业形成了非常多的应用案例，这些案例成功的应用和实施，也证明NUANCE在设计和实现语音业务方面有非常强的能力。同时，NUANCE在各个行业都有非常多的积累。因此我们在这样一个行业中，如果新开始实施语音应用服务的时候，我们使用NUANCE的技术可以得到非常多的已有的技术支持。同时NUANCE技术在部署、设计、语音集成的时候可以提供非常灵活的方案。在这些技术支持方面我们可以非常方便非常稳健的应用在各个行业的系统环境中去。

　　另外，这个地方说一下NUANCE除了在核心技术方面的成果之外，最近推出关于随意说的技术，还是对未来语音技术的应用深化起到了非常好的促进作用。随意说技术首先可以提高更加准确的语音识别效果，同时还可以和自然语言理解的能力绑定。刚才展示的香港政府应用的案例当中，你只要说出来你需要解决的问题，并不需要说出来准备的转接到哪个单位去，随意说也可以帮你解决你想要完成的事情。随意说整个系统架构非常灵活，浓缩性非常好，而且非常易维护。通过语音识别的架构可以把语音引擎应用到各种应用中去，包含在未来得IVP应用中。

　　目前可能有人了解语音识别在电话上的应用或者在网络方面的应用，更多是基于关键的应用。比如说想转接哪个单位号码的时候，要说单位名称，说的更自由一些需要我们在语法上定义。有了随意说技术就不需要人工写很多约定的语法，我们可以训练出来很多自由的语法的方式。这个语法可以把说话语音写成你所需要向用户提交的命令。另外，在我们自然语言理解的支持下，可以把这些命令定位到最后我们想要做的工作，可以准确的把用户的意图转换成系统的命令。

　　NUANCE能够在核心技术方面遥遥领先，能够在市场占有率高居榜首，和在技术方面驱动是分不开的。从第一代的语音引擎的推出到ASR的推出，一直到整个语音优化解决方案，各种解决工具的提出，把语音识别、自助式的语音识别不断地推向深化。

　　正是由于NUANCE在核心技术方面处于遥遥领先的状况，目前在全球一些重量级的电信、金融等各个领域中，一些顶级的运营商都使用了NUANCE的核心技术。随着应用地深化，随着智能语音技术本身的推展，应用会越来越深入，应用的范围也会越来越大。

　　要做好真正的自助式语音解决方案，除了我们要使用更好的平台之外。在核心技术方面，我们要使用最好的语音识别产品，我们要使用具有最高自然度、最好语音合成度的引擎，我们要使用一个便捷式的用户交互的界面。此外，我们科大迅飞和NUANCE的语音识别系统可以提供非常好的核心技术的支持。此外，可以从应用系统的设计、集成提供非常专业的服务。同时，我们还可以针对实际应用不同的场景进行搜集，帮助用户把整个语音引擎更好的应用到它的环境中去。

　　科大讯飞和NUANCE正是基于这样优势互补的需要，我们强强联合。NUANCE作为全球最大的应用技术提供商，科大讯飞作为最大的中文制作提供商，基于国内唯一的863语音技术成果转换基地，有着国内最大的语音识别数据库制作队伍和语音识别技术应用优化队伍。大家知道这个地方说的语音资源优化，中国是个多方言地区，南方人和北方人说话有不同的特点，怎么使我们的语音识别系统自由的准确职别各种方言普通话，也就是说我们需要把各地语音的特点都能够准确的识别？也就是说怎么去告诉我们的语音识别系统呢？我们之前要做很多工作。科大讯飞和NUANCE合作之后整个语音资源的提供方面有了这么一个基础，目前科大迅飞和NUANCE合作之后差不多80%的中国重点语音别项目的部署以及技术的应用。基于这种应用，我们已经积累了非常多的经验，在下一步的应用过程中，我们把之前在语音技术上的优化以及语言技术上的经验应用到未来的项目中去。

　　在2005年的时候科大讯飞和NUANCE共建联合实验室，针对中文方面核心效果的提升提供更多的优化，同时我们也将为语音识别在中国提供最专业的技术支持和技术服务。刚才所说的我们科大讯飞也是基于全国唯一的语音成果转换基地，我们建立了一个专业数据制作队伍。把各种应用场景中可能会面临的语音的实际环境告诉语音识别系统，让我们的语音识别系统可以适应不同复杂的应用业务环境的需要。在04年的时候，国家语委也正式支持，通过支持非标准普通话的项目支持，科大迅飞进行进一步的积累和优化。在这个数据库的支持下，我想未来语音识别技术针对中国中文语音识别的效果优化会起到非常好的促进作用。也就是说，在未来非常海量的非普通话的支持下，我们未来语音识别的技术会越来越高，识别的准确率会越来越高，对各种语音的环境会越来越适应。

　　我们通过和NUANCE的深度合作，我们可以提供从最开始的应用系统的需求分析阶段，到客户在设计自助式语音系统的设计阶段，以及把语音引擎集中到他们的系统中去。同时在最后的优化阶段，我们都会提供全程的服务。通过最优的语音引擎产品的融入，以及我们在整个语音识别优化服务的提供，我相信所有的使用科大讯飞和NUANCE语音系统的应用都可以取得非常好的成功。

　　最后，目前呼叫中心也对智能语音技术应用的越来越广泛，NUANCE和科大讯飞也会一如既往的把智能语音技术研发工作做的更好，也会和我们的合作伙伴把智能语音技术更好的应用到各种应用场景中去，包括自助式呼叫中心去。我相信通过我们和各个行业的合作伙伴的共同努力，未来的智能语音技术在呼叫中心方面会发挥越来越大的作用。今天我的介绍就到这里，谢谢大家！