這些耳熟能詳?shù)腣R語音技術(shù)方案 您都了解過嗎？

近期，Oculus為三星Gear VR虛擬現(xiàn)實(shí)頭盔增加了兩項(xiàng)分別名為“Parties”和“Rooms”功能，旨在提高用戶在使用VR設(shè)備時(shí)進(jìn)行更多的互動(dòng)交流。2016年FaceBook創(chuàng)始人扎克伯格在VR計(jì)劃會(huì)上也講到，“VR將成為下一個(gè)計(jì)算平臺(tái)，將帶領(lǐng)人們完全顛覆現(xiàn)有的網(wǎng)絡(luò)社交模式?！盫R社交概念被炒得如火如荼，但VR路途卻并不那么美好，首先，現(xiàn)今面臨的問題就是語音交互的問題。今天，小編就來為大家講講VR語音交互的這個(gè)問題。

一、科大訊飛語音引擎系統(tǒng)

InterReco語音識(shí)別系統(tǒng)

科大訊飛推出全球領(lǐng)先的InterReco語音識(shí)別系統(tǒng)，InterReco驅(qū)動(dòng)自助語音服務(wù)和語音搜索業(yè)務(wù)，是語音商務(wù)（V-Commerce）的核心動(dòng)力引擎。目前，InterReco語音識(shí)別系統(tǒng)已經(jīng)能夠利用先進(jìn)的自助語音服務(wù)解決方案來處理日益增長的信息咨詢、電子交易和客戶的服務(wù)需求?；贗nterReco的解決方案幫助用戶在任何時(shí)候、任何地點(diǎn)通過隨處可得的電話輕松自然的獲得信息與服務(wù)，享受高效、穩(wěn)定、便捷的應(yīng)用體驗(yàn)。

InterReco語音識(shí)別系統(tǒng)采用分布式架構(gòu)，繼承了科大訊飛久經(jīng)考驗(yàn)的電信級語音平臺(tái)高穩(wěn)定的特點(diǎn)，可以滿足電信級應(yīng)用的高可靠性、高可用性要求。針對傳統(tǒng)語音識(shí)別產(chǎn)品集成開發(fā)困難，業(yè)務(wù)設(shè)計(jì)繁瑣的問題，InterReco產(chǎn)品大大簡化了集成開發(fā)和業(yè)務(wù)開發(fā)的復(fù)雜度，為系統(tǒng)集成人員和業(yè)務(wù)開發(fā)人員提供了便捷、高效的開發(fā)環(huán)境。

InterReco產(chǎn)品的主要功能組成模塊及結(jié)構(gòu)

InterReco語音識(shí)別系統(tǒng)主要包括應(yīng)用接口、識(shí)別引擎和操作系統(tǒng)適配三個(gè)層次，這三個(gè)邏輯層共同構(gòu)成完整的InterReco系統(tǒng)架構(gòu)。

應(yīng)用接口是InterReco系統(tǒng)提供的開發(fā)接口，集成開發(fā)人員應(yīng)關(guān)注這些接口的定義、功能和使用方法。識(shí)別引擎提供核心的語音識(shí)別功能，并作為應(yīng)用接口的功能實(shí)現(xiàn)者；同時(shí)

為了便于開發(fā)和使用，系統(tǒng)在這一層提供了一系列高效、易用的工具。操作系統(tǒng)適配層屏蔽了多操作系統(tǒng)的復(fù)雜性，為識(shí)別引擎提供操作系統(tǒng)相關(guān)的底層支持。

InterReco語音識(shí)別系統(tǒng)按照邏輯組成可以分為識(shí)別語法（Grammar）、識(shí)別引擎核心（Recognizer Core）、語音端點(diǎn)檢測（Voice Activation Detector）、音頻輸入（Audio Source）四個(gè)子系統(tǒng)，系統(tǒng)的主要設(shè)計(jì)和開發(fā)將按照這些子系統(tǒng)進(jìn)行。

嵌入式語音Aisound系列產(chǎn)品

同樣，科大訊飛還提供了電信級及嵌入式語音合成技術(shù)，嵌入式語音Aisound系列是公司一款全球領(lǐng)先的語音合成技術(shù)，其尺寸小，資源占用低，效率高，主要應(yīng)用于嵌入式領(lǐng)域的語音合成軟件模塊。適用于不同行業(yè)的語音播報(bào)和應(yīng)用需求。

科大訊飛嵌入式語音方案主要提供：XFS3031CNP中文語音合成芯片、XFS4243CE中英文語音合成模塊、XFS5152CE中英文語音合成芯片、XF-S4240中文語音合成模塊等四套語音合成方案，目前已成功應(yīng)用于車載調(diào)度儀、信息機(jī)、氣象預(yù)警機(jī)、考勤機(jī)、排隊(duì)機(jī)、手持智能儀表、稅控機(jī)等各類信息終端產(chǎn)品上。另外，語音引擎還提供輕量級語音合成軟件Aisound，支持的嵌入式平臺(tái)和支持功能應(yīng)用均非常廣泛。

XFS3031CNP中文語音芯片系統(tǒng)構(gòu)成圖

科大訊飛語音合成系統(tǒng)框架圖

二、云知聲“遠(yuǎn)場語音識(shí)別技術(shù)”方案

在語音云平臺(tái)方面，云知聲主要在語音識(shí)別、語義理解以及語音合成等三方面具備自身的技術(shù)優(yōu)勢。語音交互作為VR領(lǐng)域的一個(gè)交互入口，云知聲更是強(qiáng)調(diào)適應(yīng)各種不同日常場景的交互技術(shù)，目前，云知聲主要針對語音云平臺(tái)、智能車載、智能家居、教育等四個(gè)垂直領(lǐng)域的語音識(shí)別技術(shù)提供解決方案。

云知聲研發(fā)的最新語音技術(shù)——“基于雙麥克風(fēng)陣列的遠(yuǎn)場語音識(shí)別方案”。 這款方案采用了世界領(lǐng)先的SSP技術(shù)可以有效抑制用戶語音之外的噪聲和混響效應(yīng)，做到在95%以上的場景中可以有效地進(jìn)行遠(yuǎn)場拾音，配合云知聲的遠(yuǎn)場語音識(shí)別引擎，保證了5米距離內(nèi)，達(dá)到精準(zhǔn)的識(shí)別效果。同時(shí)，由于該方案只需要2只麥克風(fēng)，安裝位置靈活，也無需考慮設(shè)備朝向。

云知聲“云端芯”生態(tài)

云知聲提供語音識(shí)別、語義理解、語音合成、聲紋識(shí)別等多項(xiàng)語音核心技術(shù)，云知聲開放平臺(tái)支持一站式語音應(yīng)用開發(fā)，可自主創(chuàng)建語音應(yīng)用、并可添加相應(yīng)的匹配需求方案，通過平臺(tái)類型設(shè)置完成SDK集成包開發(fā)，并完成語音產(chǎn)品上線發(fā)布。

三、聲網(wǎng)Agora.io實(shí)時(shí)語音系統(tǒng)

聲網(wǎng)Agora.io語音SDK采用全球獨(dú)有的32khz超寬頻音質(zhì)，是普通電話音質(zhì)的4倍，并提供多聲道音效系統(tǒng)，實(shí)現(xiàn)VR體驗(yàn)中的“聽聲辯位”，堪比3D音效。更重要的是，實(shí)時(shí)語音還可以完美的與游戲背景音樂融合，大大增加了用戶的臨場感。

除了音頻處理上的優(yōu)化，聲網(wǎng)Agora.io依托全球部署的虛擬通信網(wǎng)絡(luò)，確保為游戲應(yīng)用提供不卡、不掉線、超低延遲的體驗(yàn)，特別針對網(wǎng)絡(luò)狀況不好情況下的獨(dú)特優(yōu)化，可極大提高游戲應(yīng)用和游戲直播的互動(dòng)性。這一“重量級武器”，開發(fā)者只需要30分鐘集成即可輕松完成。

針對無法實(shí)現(xiàn)基本的聽音辨位問題，聲網(wǎng)Agora.io推出了多聲道音效系統(tǒng)解決方案。通過集成語音通話SDK，可獲得擁有實(shí)時(shí)高清音質(zhì)、32khz超帶頻的語音編解碼器NOVA，實(shí)現(xiàn)VR畫面中聲音的立體化環(huán)繞，讓用戶感受到來自四面八方環(huán)繞的聲音，同時(shí)通過智能化回聲消除和降噪功能，讓用戶可以通過聲音精準(zhǔn)定位空間位置，實(shí)現(xiàn)良好的畫面沉浸感受。