云知聲康恒：語音讓互聯(lián)網(wǎng)服務(wù)更貼心

隨著人工智能技術(shù)近年來的發(fā)展，語音識(shí)別與合成技術(shù)的成熟度已經(jīng)達(dá)到了可以日用的程度，越來越多地融入了人們的日常生活。無論是在電話查詢、購票等商務(wù)領(lǐng)域用以代替人工服務(wù)的角色，還是在計(jì)算機(jī)、電視機(jī)及移動(dòng)設(shè)備上進(jìn)行語音搜索、語音輸入、語音音頻資料文本化、程序界面的語音操控等方面，語音技術(shù)都得到了廣泛的應(yīng)用。在這一技術(shù)的應(yīng)用中，云知聲語音云由于其平臺(tái)開放、可擴(kuò)展性好，向普通開發(fā)者免費(fèi)，因此非常易于推廣和使用。在剛剛過去的第六屆云計(jì)算大會(huì)上，CSDN采訪了云知聲的聯(lián)合創(chuàng)始人、COO康恒。

云知聲聯(lián)合創(chuàng)始人、COO康恒

CSDN：請您介紹一下云知聲語音云平臺(tái)以及它當(dāng)下的規(guī)模。

康恒：云知聲語音云從2012年9月開始運(yùn)營，主要面向開發(fā)者和第三方客戶，為他們提供語音識(shí)別與理解的功能。

通過云知聲語音云，開發(fā)者能夠在應(yīng)用程序中添加一些語音交互能力。例如，在一個(gè)機(jī)票查詢應(yīng)用中，用戶可以直接說，“我想查一下今天晚上從北京飛往上海的飛機(jī)”。我們提供的的SDK和API應(yīng)用起來很容易。不超過10行代碼，就可以在應(yīng)用里面添加語音交互能力，從而讓用戶得到便捷易用的應(yīng)用程序。

云知聲語音云的能力可以概括成三點(diǎn)：一，把用戶的語音轉(zhuǎn)換成文字；二，理解用戶文字的真正含義和意圖；三，把用戶的意圖轉(zhuǎn)換成答案，然后通過文字、圖形，或者網(wǎng)頁、聲音再把它表達(dá)出來。整個(gè)過程包括語音識(shí)別、語義理解、語音合成這三方面技術(shù)。

規(guī)模方面，云知聲語音云發(fā)展到現(xiàn)在不到兩年，日調(diào)用量已經(jīng)超過一千萬。考慮到我們的平臺(tái)是個(gè)專業(yè)平臺(tái)，這個(gè)量是比較大的。我們的用戶不僅來自全國各個(gè)地區(qū)，也來自全球100多個(gè)國家和地區(qū)，而且，從這些用戶的使用情況來說，反應(yīng)速度和可用性都是非常好的。我們的語音云平臺(tái)部署在全國各地高質(zhì)量的IDC環(huán)境下，因此穩(wěn)定性非常好，也能夠容災(zāi)。

CSDN：語音識(shí)別技術(shù)的正確率是怎么控制的呢？

康恒：云知聲的語音識(shí)別非常準(zhǔn)確。用戶說一句話時(shí)，不希望識(shí)別結(jié)果有很多錯(cuò)別字或者完全不正確。云知聲語音識(shí)別的技術(shù)在兩年的運(yùn)營過程中，我們不斷改進(jìn)識(shí)別引擎的算法，通過線上運(yùn)營中獲得的用戶習(xí)慣、環(huán)境、場景等數(shù)據(jù)，持續(xù)地對系統(tǒng)進(jìn)行迭代。通過數(shù)據(jù)和算法的持續(xù)迭代，不斷改進(jìn)語音識(shí)別的性能。

云知聲語音云的平均識(shí)別率已經(jīng)超過95%，這是針對所有用戶而言的。對于普通話比較標(biāo)準(zhǔn)的用戶來說，識(shí)別率可達(dá)99%。只有在完全說的是家鄉(xiāng)話，或者環(huán)境非常嘈雜的情況下，才會(huì)造成識(shí)別率的降低。總體來說，平均95%意味著對于大部分用戶來說，可用性是非常強(qiáng)的。

另外一方面，通過算法和機(jī)器學(xué)習(xí)，我們屏蔽了特定類型的背景噪聲，提高了識(shí)別率。并且只要有足夠多的數(shù)據(jù)，在理論上還能做到鄉(xiāng)音的識(shí)別。

CSDN：云知聲怎樣能夠保證服務(wù)的高質(zhì)量？

康恒：云知聲的識(shí)別率很高，但我們還需要保證用戶的可用性。如果它的系統(tǒng)環(huán)境不好，用戶可能會(huì)遇到服務(wù)器死機(jī)之類問題。處理大量的請求時(shí)如果系統(tǒng)很繁忙，用戶使用起來就會(huì)非常難受。為此，我們采用了語音云架構(gòu)，提供一整套服務(wù)器集群來做語音識(shí)別，這樣一來，即使出現(xiàn)個(gè)別的服務(wù)器因?yàn)檐浻布收铣霈F(xiàn)宕機(jī)，也不會(huì)影響最終用戶得到的服務(wù)。我們還有非常好的動(dòng)態(tài)負(fù)載均衡技術(shù)，可以保證每個(gè)地區(qū)的用戶直接訪問一臺(tái)最近、最快的服務(wù)器，保證最終的用戶體驗(yàn)。我們提供了大規(guī)模的服務(wù)的集群，能容納每天數(shù)千萬次的調(diào)用，并且隨時(shí)可以擴(kuò)展。

CSDN：為了方便開發(fā)者，云知聲提供了永久免費(fèi)的開放云平臺(tái)。這種永久免費(fèi)的開放平臺(tái)和收費(fèi)服務(wù)相比有哪些區(qū)別？云知聲的盈利模式是怎樣的？

康恒：免費(fèi)提供開放云平臺(tái)是我們運(yùn)營模式的選擇。從服務(wù)質(zhì)量和核心的服務(wù)內(nèi)容來說是沒有任何差別的。為什么我們要用免費(fèi)的方式來運(yùn)作語音云，而不是像其它供應(yīng)商那樣通過收費(fèi)的方式運(yùn)營呢？是因?yàn)槲覀兛紤]到以下幾點(diǎn)：

第一，語音行業(yè)目前在發(fā)展期，我們希望降低其使用門檻，讓越來越多的開發(fā)者和用戶意識(shí)到這個(gè)技術(shù)正在走進(jìn)他們的生活，而不會(huì)因?yàn)閮r(jià)格或者其它資源的限制，讓他們對語音技術(shù)的使用有所顧慮。

第二，從語音技術(shù)的使用場景來說，我們更希望把語音技術(shù)和移動(dòng)互聯(lián)網(wǎng)應(yīng)用場景結(jié)合起來。移動(dòng)互聯(lián)網(wǎng)的環(huán)境除了手機(jī)之外，還包括智能終端、車載、可穿戴、智能家具等各種各樣的領(lǐng)域。除了我們常見的觸摸之外，語音是非常自然的操作方式。只有跟這些移動(dòng)互聯(lián)網(wǎng)技術(shù)結(jié)合起來，語音技術(shù)才能發(fā)揮它應(yīng)該發(fā)揮的能力，所以我們希望通過免費(fèi)的運(yùn)營模式來推廣語音技術(shù)。

移動(dòng)互聯(lián)網(wǎng)的商業(yè)模式不一定是收費(fèi)的。我們可以通過其他方式來獲得對語音云的成本的投入。我們希望運(yùn)營模式能夠互聯(lián)網(wǎng)化，而不是像傳統(tǒng)的模式那樣收取語音費(fèi)用。

第三，語音云也有大量的付費(fèi)用戶，付費(fèi)的用戶和免費(fèi)的用戶相比，其服務(wù)質(zhì)量和核心服務(wù)內(nèi)容是沒有差別的。為什么有大量的用戶愿意付費(fèi)使用呢？主要是因?yàn)槲覀兊脑鲋禈I(yè)務(wù)，如影視劇的搜索、地圖的導(dǎo)航、音樂的搜索、醫(yī)療領(lǐng)域等。同時(shí)又有一些不在這些服務(wù)領(lǐng)域里的用戶，他希望也使用我們的開放語音云，我們就可能就需要幫助用戶來進(jìn)行定制。一方面是針對他們的特定業(yè)務(wù)來提升他們語音識(shí)別的準(zhǔn)確程度，二是這些行業(yè)的用戶也有可能會(huì)有接入方面的要求或者接口方面的要求。

我們針對用戶這部分特殊的需求進(jìn)行收費(fèi)，滿足他們，幫助他們更好地接入我們的語音云平臺(tái)，他們就能獲得這部分增值的業(yè)務(wù)。

總體而言，我們的盈利模式如下：

第一，剛才提到公有云增值服務(wù)，我們對特殊的用戶提供對應(yīng)的領(lǐng)域優(yōu)化，收取服務(wù)費(fèi)用。

第二，針對一些特定的客戶，給這些客戶部署一些私有服務(wù)。像政府、金融機(jī)構(gòu)等對于數(shù)據(jù)的使用是非常敏感的，所以，它們可能并不直接使用我們的公有服務(wù)，而是由我們把服務(wù)部署在客戶那里，并向它們收取授權(quán)費(fèi)。

第三，針對特定的行業(yè)開發(fā)整體的解決方案。比如針對客服中心這個(gè)領(lǐng)域，我們推出了智能語音導(dǎo)航服務(wù)和智能客服。比方說用戶直接撥打電話，說，“我想查我這個(gè)月的信用卡帳單”，通過語音他就直接獲得了他的帳單信息，而不需要像傳統(tǒng)的方式通過按鍵聽提示，周期非常長而且也不一定真正找到自己想要的服務(wù)。通過我們智能語音導(dǎo)航，非常自然、非常方便地直達(dá)他要的服務(wù)。

智能客服的背景是，客戶服務(wù)會(huì)占用大量的人力資源來處理業(yè)務(wù)。我們的智能客服用語音識(shí)別、自然語音理解、語音合成這樣的技術(shù)，自動(dòng)回答客戶的問題，自動(dòng)處理客戶業(yè)務(wù)的請求，包括訂單等業(yè)務(wù)。這樣整體的解決方案，對于我們來說都是有成熟的客戶和應(yīng)用案例的，這也是一項(xiàng)重要的收入來源。

未來通過開放的語音云，還可以做大量的數(shù)據(jù)業(yè)務(wù)，比如說通過大量語音云用戶獲得用戶的一些使用習(xí)慣、年齡、性別、使用地點(diǎn)、習(xí)慣，這些信息。最直接的例子是，它可以幫助我們的廣告用戶提升廣告推送的準(zhǔn)確程度。比如如果有一個(gè)手機(jī)廠商，他主打的是30--40歲之間的、有一定支付能力的、有一定的欣賞品位的、可能是男性或者女性的用戶，他推送廣告的時(shí)候要獲取用戶，就可以直接從我們的語音云平臺(tái)上得到這一目標(biāo)人群，這也是未來很大的價(jià)值。云和大數(shù)據(jù)結(jié)合可以產(chǎn)生更多的化學(xué)反應(yīng)，這是未來很大的方向。

CSDN：云知聲目前有哪些比較大型的客戶呢？

康恒：云知聲到目前為止，已經(jīng)有超過3000家客戶和合作伙伴。傳統(tǒng)的有通用汽車、清華同方、聯(lián)想、華為、中興等。互聯(lián)網(wǎng)業(yè)有樂視、小米等。汽車、影視、電視、音樂、醫(yī)療等，我們生活中涉及的方方面面都用到我們的服務(wù)，這是我們客戶的大概情況。

CSDN：我們剛才談到的是跟用戶之間的關(guān)系，那我們和開發(fā)者之間又是什么樣的關(guān)系？

康恒：云知聲的開放平臺(tái)，承擔(dān)了開發(fā)者和最終用戶之間的橋梁，我們幫助開發(fā)者形成一個(gè)人機(jī)交互的中間層，這個(gè)中間層負(fù)責(zé)把用戶的自然語音翻譯成對應(yīng)的意圖，然后交給應(yīng)用開發(fā)者，應(yīng)用開發(fā)者獲得這樣的意圖之后，處理請求，再交給我們的語音交互層，以一種自然的方式返回給最終用戶。打比方就是翻譯官，翻譯了用戶的自然語音，把它轉(zhuǎn)換成機(jī)器可以理解的指令，再相反地把機(jī)器的指令轉(zhuǎn)換成自然語音，交給用戶，這就是云知聲的角色。

CSDN：云知聲是否因?yàn)?/b>4G的出現(xiàn)做出一些戰(zhàn)略調(diào)整？其中又存在者什么樣的機(jī)遇？哪類型的服務(wù)可以從4G獲益？

康恒：4G的出現(xiàn)將使得中國的移動(dòng)互聯(lián)網(wǎng)有本質(zhì)的改變。移動(dòng)互聯(lián)網(wǎng)的業(yè)務(wù)是高度依賴于網(wǎng)絡(luò)的，而第三方的統(tǒng)計(jì)報(bào)道得出的結(jié)論是，中國大部分用戶日常使用的網(wǎng)絡(luò)是WiFi。之所以不采用移動(dòng)互聯(lián)網(wǎng)的原因是網(wǎng)速問題，因?yàn)橹袊蟛糠钟脩舳际侵袊苿?dòng)的用戶，而中國移動(dòng)因?yàn)榧夹g(shù)原因，它的3G技術(shù)并沒有得到廣泛普及，所以大量的移動(dòng)互聯(lián)網(wǎng)的用戶還是處于2G或者2.5G這樣的區(qū)間，其網(wǎng)速限制使得他們使用的業(yè)務(wù)出現(xiàn)一些限制。比如圖片、音樂、視頻、聲音等一些業(yè)務(wù)，因?yàn)榫W(wǎng)速限制而不能得到完整的能力。

帶寬對于語音的交互方式尤其重要，因?yàn)檎Z音希望做到的就是讓用戶隨時(shí)隨地方便使用移動(dòng)互聯(lián)網(wǎng)進(jìn)行交互。語音的使用，對網(wǎng)絡(luò)會(huì)有比較高的要求。傳統(tǒng)的移動(dòng)網(wǎng)絡(luò)不夠好，限制了語音的使用，4G技術(shù)的出現(xiàn)則會(huì)對整個(gè)行業(yè)，包括語音行業(yè)都有很好的促進(jìn)作用，讓我們真正享受到隨時(shí)隨地使用語音交互帶來的便利。

CSDN：除了云知聲之外，國內(nèi)還有其它許多優(yōu)秀的語音云供應(yīng)商，比如科大訊飛。我想請您簡單介紹一下，跟競爭對手相比，云知聲的核心競爭力在哪里？還存在哪些不足？

康恒：從國內(nèi)來說，我們同行業(yè)有科大訊飛，國際上也有一些比較大的巨頭，像Nuance，或者軟件行業(yè)有Google、蘋果、微軟這些非常巨型的公司。

云知聲目前來說雖然已經(jīng)有大量的客戶，但我們還是給自己定位為一個(gè)創(chuàng)業(yè)公司。因?yàn)橄啾染揞^，我們規(guī)模相對較小，同時(shí)要想在語音行業(yè)獲得我們的生存之地和更大發(fā)展，就要有自己的特色。可以概括為兩個(gè)方面：

第一，云知聲的技術(shù)特色。我們對技術(shù)方面的自信心很強(qiáng)，無論是客戶的反饋還是和與競爭對手相比較的測試，都表明我們有很大的優(yōu)勢，所以技術(shù)是我們的生存之本。這是因?yàn)槲覀冇蟹浅：玫募夹g(shù)團(tuán)隊(duì)，在語音、語義技術(shù)上都有十年以上的積累，基礎(chǔ)技術(shù)團(tuán)隊(duì)里博士的比例已經(jīng)超過80%，這個(gè)比例相當(dāng)高。對于其它行業(yè)，博士的比例不一定非常重要，但是因?yàn)槲覀冞@個(gè)行業(yè)則要求從業(yè)經(jīng)驗(yàn)和對技術(shù)的掌握程度都非常高，如果不是在這個(gè)行業(yè)里面有長時(shí)間的積累，是很難做出成績來的。

除此之外，我們還有一些很不錯(cuò)的特色功能。例如，我們提供用戶的畫像，這是什么呢？在很多用戶的使用過程中，我們的平臺(tái)會(huì)描繪出他大概的特征，比如他是年輕人還是中老年人，他是男性還是女性等等，我們把這樣的信息返回給開發(fā)者，讓應(yīng)用程序利用這些信息增強(qiáng)它的體驗(yàn)，針對特定的人群做特定的優(yōu)化。這是我們技術(shù)方面提供的非常獨(dú)特的能力。

第二，我們有著優(yōu)質(zhì)的服務(wù)。云知聲從成立之初就被定義為一個(gè)移動(dòng)互聯(lián)網(wǎng)公司。雖然我們用語音識(shí)別這樣的技術(shù)切入市場，但仍希望用移動(dòng)互聯(lián)網(wǎng)的方式去服務(wù)用戶。有人說過，移動(dòng)互聯(lián)網(wǎng)的特點(diǎn)就是“唯快不破”。在向客戶提供服務(wù)的時(shí)候，快是我們很好的特點(diǎn)。比如針對大型合作伙伴樂視，我們從樂視的意向開始，到對它需求的整理，到產(chǎn)品的開發(fā)、上市，整個(gè)過程非常短，我們大概用一個(gè)月的時(shí)間就完成了，這在其它的企業(yè)來說是完全不可想象的，這可以從一個(gè)側(cè)面看出我們對用戶服務(wù)的好和快。

CSDN：云知聲和樂視的合作，幫助它解決了什么問題呢？

康恒：我們在他們的產(chǎn)品上提供了語音交互功能。舉例來說，我們時(shí)常在電視上搜索視頻。樂視背后有海量的視頻庫，用戶在庫里搜索他想看的視頻。在傳統(tǒng)的交互界面上，搜索視頻是非常困難的，一般來說有兩種方式：一是分類搜索，比如戰(zhàn)爭片，戰(zhàn)爭片下面有美國片，美國片下面有斯皮爾伯格導(dǎo)演的等等，分層分目錄的方式瀏覽、查找。還有一種是鍵盤輸入的方式，智能電視上會(huì)提供虛擬鍵盤，用搖控器輸入。

這兩種方式對于客戶來說都是非常困難、不自然的，用戶想看《甄

生活不易，碼農(nóng)辛苦
如果您覺得本網(wǎng)站對您的學(xué)習(xí)有所幫助,可以手機(jī)掃描二維碼進(jìn)行捐贈(zèng)