能力介绍——ASR语音识别/TTS合成

ASR（自动语音识别）就是将麦克风采集到的自然声音转化为文字的过程，相当于人的耳朵+大脑（一部分）。

TTS技术（语音合成）是将文字转化为声音（朗读出来），类比于人类的嘴巴。大家在Siri等各种语音助手中听到的声音，都是由TTS来生成的，并不是真人在说话。TTS的技术实现方法，主要有2种：“拼接法”和“参数法”。

下图是机器识别人类的语音输入（亦即ASR）的

原理和过程：

第一步

建立声学模型

对于同一个单词或汉字，由于不同人的发音、语调、语速等各不相同，比如男人和女人的、大人和小孩的，为了让机器能够识别尽量多的人，声学模型建立过程需要录入大量的原始用户声音，以从中提取特征建立声学模型数据库。大数据在这一步中的重要性体现了出来，可以说谁掌握了数据、谁就成功了一半。

第二步

建立语音模型

和声学模型的建立过程及面临的问题类似，只是这一步针对的是文本而不是声音。语言模型可以调整声学模型所得到的不合逻辑的字词，使识别结果变得正确通顺。

第三步

语音识别

前面两步都是需要预先做好的，最终形成的数据库存储在设备本地或云端，而这一步是实时的语音识别过程。首先，将用户的语音输入进行编码和特征提取（ 已被拆分成N份，合在一起才是一个汉字或单词），将提取到的特征拿到声学模型库（第一步中介绍的）中去查询，得到单个的单词或汉字；然后再拿到语言模型库（第二步中介绍的）中去查询，得到最匹配的单词或汉字。

信动联ASR应用场景

语音指令：通过语音命令控制智能设备，实现快捷便利的操作。可以集成到包括智能家居等设备中。

语音搜索：支持各种场景下的语音搜索，比如地图导航浏览器搜索等。可以集成到任何形式的手机应用中，最大限度的解放双手。

语音短信息：通过语音发送来接收短消息。在不方便打字的情况下实现便捷的短信操作，比如音频短信转文字。

智能客服：提供多场景的智能客服语音合成能力。提高解答效率，提升客户满意度，降低呼叫中心人工成本。

信动联ASR/TTS能力优势

集成多家引擎：信动联ASR接口同时集成了讯飞、阿里、百度的ASR能力引擎，同时触发处理，三者选最优，保证实时效果。

独创模型：优化能够结合模型优化工具子产品，针对特定的领域定制专属模型，最大限度的提升识别效。

识别速度保证：结合LFR解码技术，在不损失识别精度的情况下，将解码速率提高了3倍以上，保证智能交互的反应速度。

多领域覆盖：在房地产、车载、导航、金融、银行、保险、证券、运营商、物流、教育等众多领域积累了大量的词库和谐音库，结果更为准确。