首頁>>廠商>>語音識別與合成>>天朗語音

天朗分布式語音識別系統(tǒng)產(chǎn)品白皮書

2003/09/27

一．前言

　　語音識別是指從語音到文本的轉(zhuǎn)換，即讓計(jì)算機(jī)能夠把人發(fā)出的有意義的話音變成書面語言。通俗地說就是讓機(jī)器能夠聽懂人說的話。所謂聽懂，有兩層意思，一是指把用戶所說的話逐詞逐句轉(zhuǎn)換成文本；二是指正確理解語音中所包含的要求，而不要求所有詞都轉(zhuǎn)換正確。

　　語音識別技術(shù)(ASR)是以語音為研究對象，涉及到生理學(xué)、心理學(xué)、語言學(xué)、計(jì)算機(jī)科學(xué)以及信號處理等諸多領(lǐng)域，甚至還涉及到人的體態(tài)語言（如人在說話時(shí)的表情、手勢等行為動(dòng)作可幫助對方理解），目前常見的識別技術(shù)一般采用隱馬爾可夫模型HMM(Hidden Markov Model)來建模。它的基本原理是系統(tǒng)首先對大量的真實(shí)世界中的人的語音進(jìn)行分析，并建立模型。在識別時(shí)，系統(tǒng)同樣先對輸入的語音進(jìn)行分析，提取特征，然后通過一定的算法并使用已建立的模型，從而識別出用戶所說的話。

　　隨著語音識別技術(shù)的逐漸成熟，語音識別技術(shù)開始得到廣泛的應(yīng)用，涉及日常生活的各個(gè)方面如電信、金融、新聞、公共事業(yè)等各個(gè)行業(yè)，通過采用語音識別技術(shù)，可以極大的簡化這些領(lǐng)域的業(yè)務(wù)流程以及操作；提高系統(tǒng)的應(yīng)用效率。

二、語音識別的原理

2.1 語音識別的基本原理
　　圖1給出了一個(gè)語音識別系統(tǒng)的原理圖。


　　從圖1中看出，輸入的語音首先要通過端點(diǎn)檢測（也稱靜音檢測模塊），檢測得到輸入語音的有效語音數(shù)據(jù)部分（也就是去除了靜音數(shù)據(jù)、噪聲數(shù)據(jù)等）；然后進(jìn)入特征提取模塊，這里需要提取語音信號最本質(zhì)的信息，一般采用MFCC特征，它是采用復(fù)雜的數(shù)字信號處理技術(shù)來完成的；語音信號的特征信息被送入識別引擎，在聲學(xué)模型和語言模型的指導(dǎo)下進(jìn)行識別，最終得到識別結(jié)果，這里常常需要采用非常復(fù)雜的搜索算法，簡單地說，它需要根據(jù)語言模型考慮各種詞的組合（句子）及其發(fā)生概率，對于每一種可能的句子，都給出一個(gè)得分，選擇得分最大者作為識別結(jié)果。但是由于可能的搜索空間非常大，所以需要利用剪枝技術(shù)，有效地去除大量冗余空間，加快搜索速度，滿足實(shí)際系統(tǒng)的要求。

2. 2 基于語法的識別引擎
　　在語音識別中，語言模型是用來指導(dǎo)引擎進(jìn)行語音識別的，它限定了一個(gè)識別引擎所能表達(dá)的語句類型。在我們常用的圖搜索引擎中，語言模型是通過語法來表示的，語法是由一系列表示某個(gè)領(lǐng)域的語言表達(dá)方式的規(guī)則組成的（語法的具體書寫規(guī)則見引擎使用說明書）。這些規(guī)則會被被轉(zhuǎn)換成詞圖的形式然后用來指導(dǎo)語音的識別。所謂的詞圖是指由詞作為節(jié)點(diǎn)的一個(gè)圖，從該圖的開始節(jié)點(diǎn)到末尾節(jié)點(diǎn)的任一條路徑都是一個(gè)有效合法的句子。圖2給出了一個(gè)簡單的詞圖。


　　對于很多領(lǐng)域的語音識別來說，如自動(dòng)總機(jī)、火車定票系統(tǒng)、股票查詢系統(tǒng)等，他們具有一個(gè)共同的特點(diǎn)：所用的句型典型，且句型數(shù)有限，可以用規(guī)則來描述。對于這樣的系統(tǒng)，采用語法的方式來指導(dǎo)其語音識別，一方面可以得到很高的識別率，另一方面，又能達(dá)到較快的識別速度，滿足實(shí)際系統(tǒng)的需要。因此，基于語法方式的語音識別技術(shù)得到廣泛應(yīng)用。本文中我們采用的核心識別引擎也是采用語法的方式。

三、天朗分布式語音識別系統(tǒng)簡介

　　天朗分布式語音識別引擎是天朗公司針對電信級、大企業(yè)級應(yīng)用特點(diǎn)開發(fā)出來的一個(gè)基于多機(jī)的分布式語音識別引擎，它通過局域網(wǎng)連接多個(gè)識別服務(wù)器，來同時(shí)完成大量的語音識別任務(wù)，極大的拓展了單機(jī)版語音識別引擎在識別任務(wù)上的限制，可以同時(shí)支持幾百到幾千個(gè)語音識別任務(wù)并發(fā)執(zhí)行，從而滿足電信級這樣的具有大識別任務(wù)量的應(yīng)用。系統(tǒng)的主要功能有：

·支持非特定人、大詞匯量、連續(xù)語音識別，能夠達(dá)到高的識別準(zhǔn)確率；
·支持多語種識別；
·能夠提供識別結(jié)果的置信度信息；
·多臺語音識別服務(wù)器并行工作，通過局域網(wǎng)連接和傳送數(shù)據(jù)；
·有一個(gè)資源管理服務(wù)器（或多個(gè)，作備份），用來管理所有的服務(wù)器，并負(fù)責(zé)負(fù)載平衡；
·有一個(gè)License服務(wù)器，用來進(jìn)行License管理；
·任何一個(gè)服務(wù)器可以動(dòng)態(tài)地啟動(dòng)和停止，而不影響系統(tǒng)的運(yùn)行；
·系統(tǒng)可以同時(shí)啟動(dòng)任意多個(gè)服務(wù)器（或線程數(shù)），但同時(shí)最多只能用License所規(guī)定的線數(shù)；
·系統(tǒng)可以同時(shí)啟動(dòng)任意多個(gè)服務(wù)器以做備份，防止因?yàn)槟承┓⻊?wù)器當(dāng)機(jī)而對系統(tǒng)造成影響；
·對應(yīng)用層的一致性，即對應(yīng)用層開發(fā)來說，和開發(fā)單機(jī)版的程序一樣（或略有不同），用戶不需考慮后邊的識別引擎是單機(jī)和多機(jī)版。
·多平臺、多操作系統(tǒng)可混合組成系統(tǒng)，如客戶端可能是Linux版，但服務(wù)端是Windows版；
四．天朗分布式語音識別系統(tǒng)架構(gòu)原理和使用方法

4.1系統(tǒng)整體架構(gòu)和模塊功能介紹
　　下圖展示天朗分布式語音識別系統(tǒng)的架構(gòu)：
　　整個(gè)系統(tǒng)由識別服務(wù)器、資源管理器、語法服務(wù)器(可選)、License管理器、客戶端API以及連接這些服務(wù)器的局域網(wǎng)組成，除了語法服務(wù)器是可選之外，其他部分都是必須的，但是識別服務(wù)器、資源管理器已經(jīng)客戶端的個(gè)數(shù)是可變的，具體的多少和系統(tǒng)的大小和任務(wù)量有關(guān)。語法服務(wù)器在許多情況下可能是不需要的，因此，我們的系統(tǒng)把其設(shè)計(jì)成可選的，如果需要，其可以動(dòng)態(tài)加入系統(tǒng)。

　　為了方便客戶使用，我們提供了一套客戶端API給用戶，用戶在使用本系統(tǒng)時(shí)，可以在其應(yīng)用程序中調(diào)用我們的API來調(diào)用我們的識別系統(tǒng)。


4.2 天朗分布式語音識別系統(tǒng)工作原理
　　為了更好的應(yīng)用天朗分布式語音識別系統(tǒng)來開發(fā)應(yīng)用系統(tǒng)，幫助開發(fā)人員理解天朗分布式語音識別系統(tǒng)的的工作原理，下面以一次語音識別的過程來解釋天朗分布式語音識別系統(tǒng)的工作原理。圖4給出了系統(tǒng)一次語音識別的工作原理。

　　應(yīng)用程序通過DSR的API函數(shù)來調(diào)用語音識別功能，一般來說過程如下：

　　1、 當(dāng)有電話到達(dá)時(shí)，應(yīng)用程序負(fù)責(zé)接起電話，然后播放一個(gè)歡迎的提示音，提示用戶說出要做的動(dòng)作（如查詢?nèi)嗣�、股票信息等），并開始等待用戶說話；
　　2、 應(yīng)用程序啟動(dòng)錄音程序開始錄音，同時(shí)應(yīng)用程序會通過DSR API向天朗分布式語音識別系統(tǒng)（下稱"識別系統(tǒng)"）請求一個(gè)識別資源(即一個(gè)識別會話session)；
　　3、 識別系統(tǒng)的資源管理器會根據(jù)系統(tǒng)的負(fù)載情況，分配一個(gè)最空閑的識別服務(wù)器的一個(gè)空閑會話給該次任務(wù)。
　　4、 應(yīng)用程序獲得該識別會話控制權(quán)后，根據(jù)目前系統(tǒng)的任務(wù)，通過API通知對應(yīng)的識別引擎加載相應(yīng)語法，語法的來源有三種，具體的請參看下面的說明。
　　5、 應(yīng)用程序開始通過API函數(shù)把錄取的語音發(fā)送給該會話，該會話會根據(jù)系統(tǒng)的模型和加載的語法，對送入的語音進(jìn)行識別；
　　6、 如果有識別結(jié)果，系統(tǒng)會通過回調(diào)函數(shù)來通知應(yīng)用程序，應(yīng)用程序這時(shí)可以通過DSR API來得到識別結(jié)果。
　　7、 應(yīng)用程序卸載加載的語法；
　　8、 應(yīng)用程序斷開該會話連接；
　　9、 應(yīng)用程序釋放會話。
　　10、 這時(shí)應(yīng)用程序應(yīng)該根據(jù)識別結(jié)果做相應(yīng)的動(dòng)作，如繼續(xù)播放提示音，提示用戶繼續(xù)提供信息或做其他的動(dòng)作。如goto 2。


4.3 識別結(jié)果
　　語音識別完成后，天朗DSR識別引擎會通過回調(diào)函數(shù)通知應(yīng)用程序有識別結(jié)果，應(yīng)用程序可以通過API函數(shù)取得識別結(jié)果，并根據(jù)結(jié)果相應(yīng)作出響應(yīng)。天朗分布式識別引擎可以提供多個(gè)識別候選供用戶選擇。同時(shí)，系統(tǒng)還會給出每個(gè)候選句子的置信度，所有的識別候選按置信度由高到低排序。用戶可以設(shè)定引擎返回的結(jié)果最大數(shù)目，系統(tǒng)會返回用戶設(shè)定的候選的個(gè)數(shù)。

　　需要注意的是：引擎返回的句子的個(gè)數(shù)可能沒有用戶設(shè)定的數(shù)目多，另外，設(shè)定較大數(shù)目的返回結(jié)果候選會影響系統(tǒng)的效率。

4.4引擎的三種調(diào)用方式
　　對于基于對話方式的語音識別，應(yīng)用程序?qū)SR的API函數(shù)調(diào)用的時(shí)間和方式不同會對整個(gè)系統(tǒng)的穩(wěn)定性和效率產(chǎn)生很大影響。


　　下面以電信級應(yīng)用來說明不同的調(diào)用方式的差別。

　　一般來說，一個(gè)基于電話語音識別的對話系統(tǒng)(如圖5所示)，一般由識別服務(wù)器、應(yīng)用服務(wù)器、電話交換機(jī)、智能交換機(jī)設(shè)備、 IVR設(shè)備等設(shè)備組成，電話交換機(jī)與成千上萬個(gè)電話終端通過各種交換設(shè)備相連接，電信應(yīng)用軟件在這些硬件的支持下提供各種服務(wù)，如：1860查詢服務(wù)等。此時(shí)，電信應(yīng)用開通的線數(shù)視系統(tǒng)的業(yè)務(wù)需求而定，一般總是大大小于終端連接的總數(shù)。系統(tǒng)連接數(shù)與終端連接數(shù)常常是1：1000或者1：10000的級別。"一路對話"是指物理上的一條線路，對于上述的電信應(yīng)用，電信開通的每一條線路都是一路對話。

　　"一次對話"是指用戶的一次電話從打入到掛機(jī)之間一個(gè)交互服務(wù)過程稱。比如：用戶撥打1860進(jìn)行話費(fèi)查詢，在用戶撥通電話至用戶掛機(jī)這個(gè)過程中用戶和應(yīng)用程序交互的整個(gè)過程稱作一次對話。

　　"一路會話"這里是指語音識別中，一次識別從分配識別資源開始到釋放這個(gè)資源的整個(gè)過程。
對于語音識別的會話，可以對一路對話分配一個(gè)會話，也可以對一次對話分配，或者對一次對話的一句話識別進(jìn)行分配，不同的分配方式會得到不同的效果。

　　第一種：直接為每一路對話分配一個(gè)會話，用戶應(yīng)用程序在程序一開始就為每一路對話建立到引擎的連接，然后，該路對話就會一直保持該會話，再也不釋放該會話，直到程序結(jié)束。這種方式編程簡單，但是，在系統(tǒng)的穩(wěn)定性和有效性方面都是最差的。因?yàn)槊恳宦穼υ挾家恢笔褂茫乙恢豹?dú)占該會話，一旦該會話出現(xiàn)問題，則該路對話就永遠(yuǎn)不能用了，除非重啟程序。另外，由于每路對話都獨(dú)占一個(gè)會話，因此即使該路對話沒有在使用引擎，其獨(dú)占的會話也不能被別的對話使用。降低了系統(tǒng)的效率。

　　第二種：在一次對話開始時(shí)就建立到引擎的連接，然后該對話一直獨(dú)占該會話，直到該次對話結(jié)束。很顯然，這種方式和第一種方式比起來，在穩(wěn)定性和效率方面都有很大提高。主要是這種方式不再一直獨(dú)占一個(gè)會話，會話可以在多路對話之間共享，即使有一路會話出現(xiàn)問題，只會影響一次對話的一次工作，而不會影響本路對話以及其他路對話的以后的識別。

　　盡管第二種已比較優(yōu)化，但它的一個(gè)缺點(diǎn)就是仍然會影響一次對話的進(jìn)行。

　　第三種：在每一次識別開始時(shí)建立連接，識別結(jié)束后立刻釋放（這種方式與第二種不同，是因?yàn)樵谝淮螌υ掃^程中會存在多輪的識別過程）。這種方式的優(yōu)點(diǎn)除了第二種的優(yōu)點(diǎn)外，他還克服了它的缺點(diǎn)。因?yàn)椋藭r(shí)一個(gè)會話的失敗只會影響該路對話的一句的識別，通過編程我們可以在發(fā)現(xiàn)一個(gè)會話失敗后，再申請另一個(gè)會話，這時(shí)最多讓用戶重復(fù)一邊剛才的話外，對這次對話沒有影響。

　　另外，采用三種的哪一種方式還和應(yīng)用的不同有關(guān)，如果應(yīng)用是類似于股票查詢這樣的系統(tǒng)，每個(gè)識別服務(wù)器都完成相同的功能，這時(shí)采用第三種方式比較合適。而對于某些應(yīng)用系統(tǒng)如需要?jiǎng)討B(tài)改變語法的，則最好采用第一、二種方法。如果改變的語法只在一次對話中有效，可以采用第二種，如果改變的語法一直持續(xù)有效的話，第一種可能更適合。

4.5 語法
　　語法是用來指導(dǎo)識別引擎進(jìn)行語音識別的，它是由一系列語法規(guī)則組成的一個(gè)有限圖， 它用來限制系統(tǒng)可以識別的句型和詞匯，減少系統(tǒng)識別的語法空間，極大的減少系統(tǒng)的搜索時(shí)間，增加了系統(tǒng)的識別率。

　　在天朗分布式識別系統(tǒng)中，語法的使用有兩種形式：

　　1. 靜態(tài)語法，對于目前許多基于語音識別的應(yīng)用系統(tǒng)，大多數(shù)用到的語法都是固定的，在系統(tǒng)運(yùn)行中，不需要對語法進(jìn)行更改(如1860系統(tǒng)，火車訂票系統(tǒng)等)，對于這種應(yīng)用，最方便的方法就是在系統(tǒng)啟動(dòng)時(shí)就把用到的語法加載進(jìn)系統(tǒng)，用到時(shí)激活(enable)就行了。這樣可以節(jié)約大量的時(shí)間，提高系統(tǒng)的效率。為了方便用戶的使用，天朗分布式識別引擎提供了靜態(tài)語法功能，用戶只要通過對識別服務(wù)器的預(yù)加載語法進(jìn)行配置，系統(tǒng)會在啟動(dòng)時(shí)自動(dòng)把這些語法加載到系統(tǒng)中供系統(tǒng)使用。在這種情況下，整個(gè)系統(tǒng)可以不需要語法服務(wù)器，從而節(jié)約投資成本。要注意的是，靜態(tài)語法必須是已編譯過的語法格式。

　　2. 動(dòng)態(tài)語法，所謂的動(dòng)態(tài)語法是指在運(yùn)行前并不知道需要加載那些語法，或者在運(yùn)行時(shí)，需要對語法進(jìn)行編譯或修改。動(dòng)態(tài)語法常用在比較大型的復(fù)雜的系統(tǒng)中。對于動(dòng)態(tài)語法，系統(tǒng)必須要有語法服務(wù)器來支持，動(dòng)態(tài)語法可以是文本格式，也可以是編譯后的格式，系統(tǒng)會根據(jù)傳入的語法的格式自動(dòng)進(jìn)行選擇是否進(jìn)行編譯。

　　在天朗分布式識別引擎中，語法是通過一個(gè)key來唯一指定的，這個(gè)key由用戶自己指定，且必須保證不同的語法的key的唯一性。不同的語法采用相同的key可能會導(dǎo)致語法的相互覆蓋。

　　系統(tǒng)可以同時(shí)支持靜態(tài)語法和動(dòng)態(tài)語法。在加載一個(gè)語法時(shí)，系統(tǒng)首先會通知對應(yīng)的識別服務(wù)器去加載一個(gè)指定的語法，如果該語法已加載，則僅返回語法的句柄以供以后調(diào)用；否則，系統(tǒng)從識別服務(wù)器所在的硬盤上加載所指定的語法。如果識別服務(wù)器上也不存在對應(yīng)的語法，則先判斷系統(tǒng)中是否有語法服務(wù)器，如果系統(tǒng)中不存在語法服務(wù)器，返回加載失敗。否則，識別服務(wù)器會向語法服務(wù)器申請?jiān)撜Z法。如果語法服務(wù)器上無該語法或其他原因無法得到該語法，返回加載失敗。否則，下載該語法服務(wù)器到本地。并加載。返回句柄。

　　引擎在加載語法時(shí)，如果找不到指定的語法Key的語法，就會加載用戶指定的二進(jìn)制語法文件，同時(shí)將指定的語法Key作為該語法的key。最后返回語法的handle。 要注意的是，語法加載是針對會話的。

4.6 系統(tǒng)的穩(wěn)健性和效率

　　對于電信或大企業(yè)級別的的應(yīng)用系統(tǒng)來說，穩(wěn)健性和效率是系統(tǒng)成功的關(guān)鍵。天朗分布式識別系統(tǒng)通過多種有效技術(shù)，來提高系統(tǒng)的效率和穩(wěn)健性。

　　1． 系統(tǒng)通過設(shè)立資源管理器來統(tǒng)一管理整個(gè)系統(tǒng)的識別資源分配和回收，資源管理器通過一個(gè)高效的負(fù)載分析策略，根據(jù)系統(tǒng)的當(dāng)前狀態(tài)，分配負(fù)載最輕的識別服務(wù)器以提高整個(gè)系統(tǒng)的整體效率。

　　2． 一般來說，一個(gè)系統(tǒng)只要一個(gè)資源管理器就可以穩(wěn)定工作，但是，采用多個(gè)資源管理器互相備份可以更有效的保證系統(tǒng)的穩(wěn)定性。天朗分布式識別系統(tǒng)可以同時(shí)支持多個(gè)資源管理器同時(shí)工作。和其他的類似系統(tǒng)不同的是，其他類似系統(tǒng)在工作時(shí)只有主資源管理器在工作，而備份資源管理器是不工作的。而天朗的分布式識別系統(tǒng)的每個(gè)資源管理器都負(fù)擔(dān)部分的資源分配工作，因此，可以充分利用系統(tǒng)的資源，提高系統(tǒng)的效率。另外，每個(gè)資源管理器又是互相備份的，當(dāng)一個(gè)資源管理器出現(xiàn)問題，其他的資源管理器會自動(dòng)的接過出現(xiàn)問題的服務(wù)器的工作，所以對于系統(tǒng)的穩(wěn)定性有了充分的保障。

　　3． 對于識別服務(wù)器，和資源管理器一樣，備份的服務(wù)器并不是閑著不工作，它們和其他識別服務(wù)器一樣承擔(dān)識別任務(wù)，這樣可以有效的分配負(fù)載，提高系統(tǒng)的效率，同時(shí)減輕系統(tǒng)的投資。同樣的，識別服務(wù)器又是互相備份的，當(dāng)一個(gè)識別服務(wù)器出現(xiàn)故障時(shí)，該服務(wù)器會自動(dòng)的從系統(tǒng)中被剔除，其工作會由其他的識別服務(wù)器承擔(dān)。

　　4． 服務(wù)器可以動(dòng)態(tài)加入和退出，不論是資源管理器還是識別服務(wù)器，抑或是語法服務(wù)器，都可以動(dòng)態(tài)的隨時(shí)加入整個(gè)系統(tǒng)中，也可以動(dòng)態(tài)的從系統(tǒng)中退出，而對整個(gè)系統(tǒng)的穩(wěn)定運(yùn)行不會產(chǎn)生影響。因此，用戶可以根據(jù)整個(gè)系統(tǒng)的運(yùn)行情況，隨時(shí)加入新的服務(wù)器以應(yīng)付增加的呼叫量，也可以在負(fù)載變輕的時(shí)候，隨時(shí)關(guān)閉某些服務(wù)器。同時(shí)，這種特性也保證某個(gè)服務(wù)器出現(xiàn)故障時(shí)不會影響系統(tǒng)的穩(wěn)定運(yùn)行。

　　5． 由于分布式語音識別系統(tǒng)是一套比較復(fù)雜的系統(tǒng)，為了進(jìn)一步保證系統(tǒng)的穩(wěn)定性，我們還開發(fā)了一套監(jiān)控程序來監(jiān)視系統(tǒng)各個(gè)服務(wù)器的運(yùn)行，一旦某個(gè)服務(wù)器出現(xiàn)故障，監(jiān)控程序可以隨時(shí)重啟該服務(wù)器。這樣可以保證系統(tǒng)可靠運(yùn)行。

五、天朗分布式語音識別引擎系統(tǒng)架構(gòu)和識別技術(shù)的特點(diǎn)和優(yōu)勢

　　天朗分布式語音識別引擎的分布式結(jié)構(gòu)具有伸縮性強(qiáng)、成本效率高和配置靈活等特點(diǎn)，具有支持大話務(wù)量、實(shí)時(shí)性高的能力；其客戶/服務(wù)結(jié)構(gòu)使語音識別應(yīng)用程序強(qiáng)大，具有極其高效的容錯(cuò)性和負(fù)載平衡能力，保證了應(yīng)用程序的高效可靠運(yùn)行。

5.1系統(tǒng)架構(gòu)的功能特點(diǎn)：
·分布式結(jié)構(gòu) 整個(gè)系統(tǒng)由多個(gè)識別服務(wù)器通過局域網(wǎng)組成，資源管理器在語音識別服務(wù)器間進(jìn)行負(fù)載均衡，從而保證硬件的利用效率。對CPU運(yùn)算強(qiáng)度需求很大的識別被放在單獨(dú)的識別服務(wù)器上來執(zhí)行，而不用占用應(yīng)用程序的CPU資源。每個(gè)語音識別服務(wù)器可以支持多個(gè)客戶端，資源管理器可以將呼叫平均分布到多個(gè)語音識別服務(wù)器上執(zhí)行。這種結(jié)構(gòu)優(yōu)化了內(nèi)存和CPU資源的使用，使得系統(tǒng)可以支持大話務(wù)量的實(shí)時(shí)性的語音識別任務(wù)，可以支持電信級、大企業(yè)級的應(yīng)用需求。

·高密度接口 將對CPU運(yùn)算需求密集的語音識別任務(wù)從客戶端轉(zhuǎn)移到識別服務(wù)器端，使得客戶端可以抽出處理能力來支持高密度的接口，從而提高應(yīng)用程序系統(tǒng)的接入量。

·容錯(cuò)和可靠性 整個(gè)識別引擎經(jīng)過精心的設(shè)計(jì)，具有很高的容錯(cuò)和可靠性，使得各個(gè)服務(wù)器可以動(dòng)態(tài)的加入和退出系統(tǒng)，而對整個(gè)系統(tǒng)的運(yùn)行沒有影響，因此，即使個(gè)別服務(wù)器失效，也不會使系統(tǒng)崩潰。當(dāng)一個(gè)識別服務(wù)器失效時(shí)，資源管理器會自動(dòng)停止向其發(fā)送請求，當(dāng)服務(wù)器恢復(fù)時(shí)，又會自動(dòng)開始向它發(fā)送請求。另外，系統(tǒng)允許配備備份服務(wù)器來保證系統(tǒng)的可靠運(yùn)行，在平時(shí)，備份服務(wù)器和其他服務(wù)器一樣，一起工作，承擔(dān)相同的工作，當(dāng)有服務(wù)器崩潰時(shí)，其他服務(wù)器會自動(dòng)的承擔(dān)崩潰服務(wù)器的工作。不僅為系統(tǒng)的可靠運(yùn)行提供保證，而且可以充分利用備份服務(wù)器的能力。

·自動(dòng)監(jiān)控 系統(tǒng)為每個(gè)服務(wù)器都配備了一個(gè)自動(dòng)監(jiān)控程序來監(jiān)控服務(wù)器的運(yùn)行，如果監(jiān)控程序發(fā)現(xiàn)服務(wù)器崩潰后，系統(tǒng)會自動(dòng)重啟服務(wù)器，并保存崩潰時(shí)的現(xiàn)場供以后分析。這不僅大大節(jié)約維護(hù)人員的時(shí)間和精力，而且自動(dòng)監(jiān)控方式可以提供比人更快更準(zhǔn)確的維護(hù)服務(wù)，保證系統(tǒng)的穩(wěn)定運(yùn)行。
ü 維護(hù)方便 系統(tǒng)可以隨時(shí)關(guān)閉一個(gè)識別服務(wù)器進(jìn)行維修，也可以隨時(shí)把維修好的服務(wù)器加入到系統(tǒng)中，而對整個(gè)系統(tǒng)的性能沒有影響。

·可伸縮性 隨著呼叫量的增加，系統(tǒng)可以隨時(shí)動(dòng)態(tài)增加服務(wù)器，而無須停止任何運(yùn)行著的應(yīng)用程序或關(guān)閉IVR系統(tǒng)，這對那些需要常年連續(xù)運(yùn)行的系統(tǒng)特別有用。

5.2 系統(tǒng)架構(gòu)的綜合優(yōu)勢：
　　由于語音識別的特點(diǎn)以及應(yīng)用的特殊性，其對識別引擎的實(shí)時(shí)性能和穩(wěn)健性要求相對較高，對于分布式識別引擎，還要求網(wǎng)絡(luò)傳輸要穩(wěn)定可靠，且數(shù)據(jù)傳輸時(shí)間在整個(gè)任務(wù)所耗費(fèi)的時(shí)間中所占的比重要小，天朗分布式語音識別引擎經(jīng)過精心設(shè)計(jì)，優(yōu)化，具有實(shí)時(shí)、穩(wěn)定、靈活性高等的特點(diǎn)。

1. 實(shí)時(shí)性
　　實(shí)時(shí)性是語音識別的一個(gè)重要特點(diǎn)，特別是在電信級的應(yīng)用中，對于用戶說的話要實(shí)時(shí)識別處理，并能夠及時(shí)地給與回應(yīng)，才能滿足用戶的需要。特別是對于分布式的語音識別引擎，由于數(shù)據(jù)要通過網(wǎng)絡(luò)傳送，從而必然導(dǎo)致實(shí)時(shí)性的下降。因此要求分布式的識別引擎必須認(rèn)真考慮網(wǎng)絡(luò)傳輸?shù)膯栴}，確保網(wǎng)絡(luò)傳輸過程所消耗的時(shí)間在整個(gè)識別任務(wù)中所占的比重非常小，才能保證整個(gè)系統(tǒng)的實(shí)時(shí)性的性能。天朗分布式語音識別引擎通過對識別算法和網(wǎng)絡(luò)通訊進(jìn)行優(yōu)化，保證了系統(tǒng)的實(shí)時(shí)性。

2. 穩(wěn)定性
　　穩(wěn)定性是語音識別在電信級中應(yīng)用的另一個(gè)重要特征，一般要求系統(tǒng)能夠長期穩(wěn)定的運(yùn)行，才能滿足這種長時(shí)間大負(fù)荷的任務(wù)的要求。由于分布式引擎運(yùn)行在局域網(wǎng)上，因此，必須采取有效機(jī)制，確保整個(gè)系統(tǒng)的長期穩(wěn)定的運(yùn)行。

　　穩(wěn)定性的另一個(gè)方面反映在強(qiáng)健的容錯(cuò)能力和快速的錯(cuò)誤修復(fù)能力，容錯(cuò)能力是指當(dāng)一個(gè)識別服務(wù)器宕機(jī)后，不會導(dǎo)致整個(gè)系統(tǒng)的崩潰�？焖俚男迯�(fù)能力是指系統(tǒng)在一個(gè)識別服務(wù)器出問題后，可以很容易的通過重起服務(wù)器，或用一個(gè)新的識別服務(wù)器替代問題服務(wù)器，而不需要系統(tǒng)整個(gè)重起。

　　天朗分布式語音識別引擎通過精心設(shè)計(jì)，使得整個(gè)引擎在穩(wěn)定性上取得重大突破，系統(tǒng)可以長時(shí)穩(wěn)定運(yùn)行。另外，系統(tǒng)的優(yōu)異的架構(gòu)設(shè)計(jì)使得系統(tǒng)中的任意一個(gè)服務(wù)器出現(xiàn)問題后，其任務(wù)會被其他同類服務(wù)器承擔(dān)，而不會對整個(gè)系統(tǒng)造成影響。另外，為了保證萬無一失，我們還開發(fā)了自動(dòng)監(jiān)控程序來監(jiān)視各個(gè)服務(wù)器的運(yùn)行，從而保證當(dāng)服務(wù)器宕機(jī)后，能很快恢復(fù)，從而保證系統(tǒng)的穩(wěn)定運(yùn)行。

3. 靈活性
　　靈活性是擴(kuò)大引擎的應(yīng)用面和減少后期支持的一個(gè)重要特征，靈活性包括系統(tǒng)支持多種操作系統(tǒng)平臺的混合網(wǎng)絡(luò)，能夠支持單機(jī)運(yùn)行到多服務(wù)器網(wǎng)絡(luò)的配置。這種靈活性可以逐步分階段來實(shí)現(xiàn)。天朗分布式語音識別引擎的經(jīng)過精心設(shè)計(jì)的架構(gòu)使得這個(gè)引擎可以支持多種操作系統(tǒng)平臺的混合運(yùn)行。

5.3識別引擎的技術(shù)特點(diǎn)：
·連續(xù)語音 在講話的時(shí)候不需要刻意地逐字講話，而是可以連續(xù)地說話。
·自然語言 用戶可以用自然的方式講話，而不是象錄音對比系統(tǒng)那樣必須按照錄音時(shí)的講話方式來講。
·與說話人無關(guān) 天朗分布式語音識別引擎在進(jìn)行語音識別時(shí)，不受說話人的限制，所以說話人在使用前不需要進(jìn)行語音訓(xùn)練和適應(yīng)準(zhǔn)備。
·多語言 天朗分布式語音識別引擎支持多種語言的混合識別。
·準(zhǔn)確率高 語音識別的準(zhǔn)確性是考察一個(gè)識別引擎的一個(gè)重要參數(shù)，天朗分布式語音識別引擎是在連續(xù)三次獲得863競賽第一名的清華大學(xué)電子工程系系語音識別實(shí)驗(yàn)室研究的核心識別技術(shù)的基礎(chǔ)上開發(fā)的，具有國內(nèi)領(lǐng)先的識別準(zhǔn)確率。
·多候選和置信度信息 能夠提供多個(gè)可能的識別結(jié)果，按照其置信度大小順序排列；
·支持動(dòng)態(tài)語法 動(dòng)態(tài)語法是指應(yīng)用程序運(yùn)行時(shí)，允許語法動(dòng)態(tài)創(chuàng)建和修改。這在實(shí)際應(yīng)用場合是非常有用的，如: 應(yīng)用系統(tǒng)的語法在運(yùn)行時(shí)不能徹底確定，或者在運(yùn)行時(shí)需要?jiǎng)討B(tài)修改。這能夠較大地提高系統(tǒng)的靈活性。
·對噪音和口音的適應(yīng)能力強(qiáng) 天朗分布式語音識別引擎能夠適應(yīng)較為惡劣的噪音環(huán)境，對于不同口音也有很強(qiáng)的適應(yīng)能力。
·適應(yīng)多種平臺 天朗分布式語音識別引擎是一種基于客戶服務(wù)結(jié)構(gòu)的語音識別引擎，能夠適應(yīng)多種工業(yè)化的系統(tǒng)平臺。
·靈活性和可擴(kuò)展性 天朗分布式語音識別引擎提供標(biāo)準(zhǔn)C接口和多種靈活方便的使用方式，可以采取多種方式構(gòu)建系統(tǒng)，以及和現(xiàn)有系統(tǒng)整合。

六、天朗分布式語音識別系統(tǒng)運(yùn)行環(huán)境
1. 硬件環(huán)境
　　Intel 奔騰3或以上的PC、服務(wù)器（包括各種CPU類型的服務(wù)器）、工作站（包括各種CPU類型的工作站）；內(nèi)存建議為256Mb以上DDR或RAMBUS內(nèi)存，40GB以上硬盤， 網(wǎng)絡(luò)采用100M帶寬以上局域網(wǎng)，支持TCP/IP協(xié)議。
2. 軟件環(huán)境
　　WINDOWS NT/2000/XP操作系統(tǒng)。

天朗語音公司供稿 CTI論壇編輯


相關(guān)鏈接:
天朗分布式語音識別系統(tǒng)在語音門戶中的使用 2003-10-13
天朗分布式語音識別系統(tǒng)改造傳統(tǒng)IVR 2003-10-10
鍵盤漸成擺設(shè)，未來手機(jī)一呼通 2003-09-22
天朗語音成功開發(fā)出分布式語音識別系統(tǒng) 2003-09-19
天朗"一呼通"，提升智能化 2003-04-28

分類信息:     技術(shù)_語音識別_解決方案