[說明]訊飛語音平臺

1、 說明 訊飛語音平臺1. 什么是 MSP移動互聯(lián)網(wǎng)已迅速成為當(dāng)今世界發(fā)展最快、規(guī)模最大和市場前景最好的行業(yè)，已吸引眾多知名IT 公司進軍該領(lǐng)域。由于現(xiàn)有移動終端設(shè)備交互方式存在諸多局限，如鍵盤太小，輸入文字不便; 屏幕太小，閱讀信息不便; 以及無法處理特定場景下的交互，如開車和步行情形。語音技術(shù)是人機交互最自然的方式，可以給以上缺陷提供完美的解決方法，移動互聯(lián)網(wǎng)對語音技術(shù)有著天然的需求。科大訊飛擁有全球領(lǐng)先的中文智能語音技術(shù)，多年來一直致力于研發(fā)將語音技術(shù)應(yīng)用到千家萬戶， MSP(iFLY Mobile Speech Platform) 便在此背景下誕生。通過MSP，移動互聯(lián)網(wǎng)的終端用戶可以隨

2、時隨地的使用語音服務(wù)。語音技術(shù)帶來品質(zhì)生活，始終是 MSP團隊所堅持不懈的理念。1.1 主要功能iFLY Mobile Speech Platform(以下簡稱 MSP)是一個應(yīng)用于移動互聯(lián)網(wǎng)的語音服務(wù)平臺，其主要目標(biāo)是:1) 實現(xiàn)可面向移動 2G/3G網(wǎng)絡(luò)及互聯(lián)網(wǎng)提供語音服務(wù)的服務(wù)器，在現(xiàn)有科大訊飛電信級語音服務(wù)平臺 ISP 基礎(chǔ)上為移動終端應(yīng)用程序提供多路并發(fā)的語音合成、語音識別、語音聽寫功能，通過架設(shè)在互聯(lián)網(wǎng)的語音應(yīng)用服務(wù)器，用戶可以隨時隨地獲得高質(zhì)量的語音服務(wù) ;2) 實現(xiàn)基于移動終端以及桌面平臺的語音應(yīng)用客戶端，提供統(tǒng)一的語音應(yīng)用開發(fā)接口，通過該接口用戶可以方便、快速地開發(fā)語音應(yīng)用

3、; 同時， MSP也將開放一些基于移動以及桌面平臺的語音應(yīng)用，用于展示 MSP語音服務(wù)平臺的功能和使用方法，讓用戶直接體驗到最新的語音技術(shù) ;MSP最終提供了架構(gòu)于互聯(lián)網(wǎng)的語音云服務(wù)和一套移動互聯(lián)網(wǎng)語音解決方案、應(yīng)用示例，把語音服務(wù)的應(yīng)用范圍拓寬到移動互聯(lián)網(wǎng)領(lǐng)域，為語音服務(wù)產(chǎn)品走向移動互聯(lián)網(wǎng)市場開辟全新的應(yīng)用模式。MSP平臺整合了科大訊飛研究院、中國科技大學(xué)訊飛語音實驗室以及清華大學(xué)訊飛語音實驗室在語音識別、語音合成等技術(shù)上多年的技術(shù)成果，語音核心技術(shù)上達(dá)到了國際領(lǐng)先水平。MSP系統(tǒng)采用分布式架構(gòu)，繼承了科大訊飛成熟的電信級語音平臺高穩(wěn)定的特點，可以滿足電信級應(yīng)用的高可靠性、高可用性要求。針對

4、傳統(tǒng)語音應(yīng)用集成開發(fā)困難，業(yè)務(wù)設(shè)計繁瑣的問題，MSP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。1.2 語音技術(shù)介紹語音是智能人機交互的最直接最便捷的手段，近些年來，語音正在日益影響和改變?nèi)藗兊娜粘Ｉ?。隨著移動互聯(lián)網(wǎng)時代的到來，移動終端由于本身輸入手段的限制，語音技術(shù)帶來的交互優(yōu)勢更加明顯，可以大大提高移動終端的交互體驗和交互效率。智能語音技術(shù)包含語音識別和語音合成技術(shù)，這兩個技術(shù)使得終端具備了能聽會說的能力。語音識別 (Auto Speech Recognize ，ASR)技術(shù)，是讓機器通過識別和理解過程使之聽懂人類語言的技術(shù)。語音識別

5、技術(shù)是信息技術(shù)中人機交互的關(guān)鍵技術(shù)，目前已經(jīng)在呼叫中心、電信增值業(yè)務(wù)、企業(yè)信息化系統(tǒng)中有了廣泛的應(yīng)用。隨著語音識別在語音搜索、語音控制等全新應(yīng)用領(lǐng)域的深入應(yīng)用，語音識別技術(shù)被業(yè)界權(quán)威人士譽為有可能引發(fā)人機界面領(lǐng)域革命的關(guān)鍵技術(shù)。自動語音識別技術(shù)所要解決的問題是讓計算機能夠“聽懂”人類的語音，將語音中包含的文字信息“提取”出來。ASR技術(shù)在“能聽會說”的智能計算機系統(tǒng)中扮演著重要角色，相當(dāng)于給計算機系統(tǒng)安裝上“耳朵”，使其具備“能聽”的功能，進而實現(xiàn)信息時代利用“語音”這一最自然、最便捷的手段進行人機通信和交互。語音合成 (Text To Speech ， TTS)技術(shù)能夠自動將任意文字實時轉(zhuǎn)換

6、為連續(xù)的自然語音，是一種能夠在任何時間、任何地點，向任何人提供語音信息服務(wù)的高效便捷手段，非常符合信息時代海量數(shù)據(jù)、動態(tài)更新和個性化查詢的需求。近年來，語音識別、語音合成等語音技術(shù)取得了長足的進步，科大訊飛語音技術(shù)歷經(jīng)20 年不懈創(chuàng)新，自90 年代中期以來，在歷次的國內(nèi)國外評測中，各項關(guān)鍵指標(biāo)均名列第一。 MSP移動語音平臺是科大訊飛針對日益豐富多樣的移動互聯(lián)網(wǎng)應(yīng)用需求，向移動互聯(lián)網(wǎng)推出“即開即有、按需取用”的語音服務(wù)能力，為快速構(gòu)建各種各樣移動語音應(yīng)用程序提供強大、穩(wěn)定、易用的互聯(lián)網(wǎng)動力引擎。1.3 系統(tǒng)架構(gòu)MSP訊飛語音云平臺采用基于互聯(lián)網(wǎng)的C/S 架構(gòu)，基本拓?fù)浣Y(jié)構(gòu)如下圖:從上圖可以看到

7、，MSP系統(tǒng)部署在互聯(lián)網(wǎng)上，通過運營商的三網(wǎng)接入，無論是傳統(tǒng)的互聯(lián)網(wǎng)終端還是移動互聯(lián)網(wǎng)終端都能夠通過網(wǎng)絡(luò)獲得語音服務(wù)。MSP在互聯(lián)網(wǎng)上建立多個云服務(wù)中心，每個服務(wù)中心能夠獨立提供穩(wěn)定的互聯(lián)網(wǎng)語音服務(wù)，云服務(wù)中心之間自動同步數(shù)據(jù)。通過這種機制，用戶可以獲得高度可用、流暢的語音功能支持。下圖是 MSP產(chǎn)品的主要功能組成模塊和組成結(jié)構(gòu):上圖藍(lán)色區(qū)域為MSP系統(tǒng)的實現(xiàn)范圍，淺色區(qū)域是與MSP密切相關(guān)的組件或第三方角色。MSP系統(tǒng)主要包括語音應(yīng)用接口(Speech Programming Interface，SPI) 、客戶端 (Mobile Speech Client，MSC)、服務(wù)器 (Mobile

8、 Speech Server，MSS)和基礎(chǔ)支撐 (MSP Infrastructure)四個層次，這四個邏輯層從用戶到服務(wù)器操作系統(tǒng)底層，共同構(gòu)成了完整的MSP系統(tǒng)架構(gòu)。應(yīng)用接口是 MSP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。 MSC負(fù)責(zé)實現(xiàn)這些接口，同時封裝了網(wǎng)絡(luò)通訊、音頻編解碼(Audio Codec) 、語音檢測 (VAD)、協(xié)議解析 (MSSP)等功能，同時為了便于開發(fā)和使用，系統(tǒng)在這一層提供了一系列高效、易用的工具。MSS提供語音服務(wù)的服務(wù)端實現(xiàn)，使用服務(wù)端的識別引擎提供語音功能，同時提供管理和維護功能; 基礎(chǔ)支撐層是 MSP的服務(wù)基礎(chǔ)，負(fù)責(zé)提供適合

9、云計算架構(gòu)的負(fù)載均衡、并行計算、數(shù)據(jù)存儲等功能。 1.4 集成開發(fā)MSP作為一個向互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)開放的語音引擎，提供了功能完善、簡單易用的集成開發(fā)接口，以便開發(fā)人員能夠?qū)⑵渑c應(yīng)用程序進行集成，實現(xiàn)具有完整語音能力的應(yīng)用。 MSP提供的主要開發(fā)接口從提供功能考慮可以分為語音識別 ( 包含語音聽寫 ) 、語音合成開發(fā)接口和語音檢測開發(fā)接口 :1) 語音識別開發(fā)接口語音識別接口 (QISR 接口 ) 是應(yīng)用開發(fā)者使用識別引擎和語音聽寫引擎進行語音應(yīng)用開發(fā)所必需使用的接口，該接口接受用戶輸入的語音，把語音識別結(jié)果返回給應(yīng)用程序。2) 語音合成開發(fā)接口語音合成接口 (QTTS)可以讓應(yīng)用開發(fā)者在應(yīng)用程序中集成訊飛語音合成引擎的功能，該接口接受應(yīng)用程序傳入的文本內(nèi)容，返回符合應(yīng)用要求格式的音頻數(shù)據(jù)。3) 語音檢測開發(fā)接口語音檢測 (VAD)是語音識別一個重要的輸入環(huán)節(jié)，用于判斷用戶語音何時開始、何時結(jié)束，該接口集成在MSC客戶端內(nèi)部，通過QISR接口的參數(shù)來返回語音狀態(tài)。有關(guān) MSP語音開發(fā)接口的使用請參考MSP開發(fā)手冊。移動互聯(lián)網(wǎng)應(yīng)用程序需要使用在成千上萬各式各樣的用戶終端之上，用戶終端類型從