云計算、大數據、移動互聯網、人機交互……短短一兩年時間內， IT 產業像經歷了一場大洗牌，創新一詞已顯老舊，跨界、顛覆成為流行詞。國內以 BAT 為代表的傳統互聯網巨頭開始猛攻移動互聯網，并購、兼并層出不窮，相互疆域犬牙交錯，進攻防守猶如一場“軍閥混戰”。電子市場的重心也迅速由 PC 端迅速轉移到智能移動終端，移動互聯網已成兵家必爭之地。如此讓產業興奮又讓產業顫抖的時代，智能人機交互（ HCI ）技術也終于迎來了有史以來最好的階段，而該 HCI 領域中的語音交互技術則迎來競爭最激烈的發展時期！
縱觀國內外移動互聯網發展態勢，各項炒得火熱的技術中，大數據、智能人機交互技術（簡稱 HCI ）并列前茅！從蘋果 Siri 的語音交互技術到谷歌眼鏡的圖像識別技術，從智能手機大戰延伸至智能電視，無一不在說明在移動互聯網時代， IT 整個行業都在發生由量到“智”的聚變，語音交互、圖像識別、語義理解、生物識別…… HCI 技術風靡全球！
兩年前，蘋果的 Siri 一鳴驚人，帶動智能語音產業進入發展最快的時期。十幾年來一直控制國內中文語音合成技術市場的捷通華聲、科大訊飛發力語音識別技術；百度、搜狗、騰訊為守住入口，憑借天然優勢，重金砸出最高水平的語音識別技術；中科信利、云知聲等老牌、新秀語音企業，迎來難得發展機遇期。國內語音識別技術力量集體爆發，讓美國本來在語音識別技術上領先的 Nuance 、 Google 、微軟風光不在，語音識別技術群雄割據的時代已然來臨，鹿死誰手好像尚不得而知。
“語音識別、合成”雙劍合璧，智能語音展露鋒芒
其實語音識別這個技術很早就有，雖然并不成熟。上世紀 90 年代末， IBM 推出的“ Viavoice ”就號稱能“解放雙手”，幫助讓人們實現文字錄入語音化。然而，伴隨全民漢字輸入能力的提高，“ Viavoice ”因語音識別率不高，加上口音、噪音的影響，黯然離場。
近年來，互聯網、移動互聯網的迅猛發展，帶動大數據量的形成；國內外潛心研究的一代代科學家攻克了無數技術上的難題，大數據又為其提供了豐富的訓練語料；開源技術更是促進了技術跨越國境的交流共享，大大降低語音識別技術門檻；智能移動終端功能、性能的超常規提升，為對硬件環境要求高的語音識別技術創造了“運轉”的硬件環境；所有的變化匯集一處，讓人們夢寐以求的“自由說”語音識別技術成為現實。
如果說語音識別技術是“說”，那么語音合成技術就是“聽”，“能說會聽”形成了語音交互—智能語音的完整概念。也許是巧合，語音交互技術的發展，如同人都是“先學會聽，才學會說”的進步過程，語音合成早在十年前就完成了商品化進程，人們也早已經生活在語音合成—“機器說話”服務無處不在世界里；
應該說，蘋果的 Siri 的適時出現，為智能語音產業發展做出了巨大貢獻，其貢獻在于打開了智能語音應用市場的暢想“天窗”；雖然，當 CNN 公布 Siri 的配音者是演技派“大媽”時，導致“調戲”過 Siri 的眾網友“淚流滿面”，卻也讓大眾全方位感受到智能語音交互的魅力與力量。正如同兩把利劍，語音識別技術的進步，使得語音合成、識別雙劍合璧，為產業、大眾打開了智能語音服務的新世界。也讓越來越多的設備、軟件廠商看到了智能語音應用的廣闊前景，智能語音交互技術終于在移動互聯網時代展露鋒芒。
2013 年，互聯網搜索巨頭百度，盡管已擁有了最先進語音識別技術，但正是深刻理解把握了智能語音應用的真諦，果斷投資捷通華聲，在其發展移動互聯網進程中以最快的速度擺脫智能語音曾經的束縛，放手在移動互聯網天地開疆破土，攻城拔寨！
捷通華聲靈云演繹完美智能語音 人機交互前景明朗
中國智能語音的產業化進程起步于世紀之初，捷通華聲、科大訊飛、 NUANCE 一直是中國最主要的語音技術供應商。十幾年來，不同于喜歡“高打高唱”的科大訊飛，也不同于“習慣驕傲”的 Nuance ，由清華大學畢業的幾位同學創辦的捷通華聲似擁有“清華遺風”，一直保持務實低調的風格。盡管捷通華聲公司因過于低調不為大眾所詳知，但捷通華聲的語音技術務實卻從不“低調”，十幾年的專注與技術積累，讓捷通華聲語音合成技術可謂“爐火純青”，語音播報服務從縱貫中國的高鐵到各大飛機場；從各個醫院語音叫號到各地長途汽車站；從各大銀行聲訊服務到各領域企業呼叫服務中心……自 2000 年到今天，捷通之聲已“高調”服務中國十三億大眾十三年之久。
這兩年來，語音界老牌新秀企業、國內國外企業、跨界巨頭集體猛攻語音識別，一時間智能語音概念鋪天蓋地，語音產業則風起云涌，捷通華聲表面不為所動，而是以“老虎打盹你以為我是病貓”的沉著與強大實力，悄然在 2011 年，推出全球第一個全方位智能人機交互能力云服務平臺—靈云（ hcicloud.com ），從 HCI 產業高度，將語音云服務等各種單一 HCI 技術能力云服務輕松納入靈云體系。
靈云 -hcicloud 已從一個簡單域名概述了靈云的設計與發展理念。靈云的構建不再局限于語音云服務等某一單一 HCI 技術，而是一種可以用語音、手寫、拍照，手勢，將來甚至腦波識別等智能手段來操作、感知手機、計算機等數字設備的網絡云服務。捷通華聲期望從更寬廣的角度促進 HCI 技術產業發展，從更完整的視野推動智能語音的服務與產業應用。智能語音交互是最重要的人機交互手段，但正如同每一個人與其他人溝通，都不是只是靠說話完成交流，文字書寫、圖像、情感表達都是交流的組成部分，伴隨 HCI 技術的全面發展，人們會根據場景的變化去選擇最合適的 HCI 技術實現人與機器的自然交流。
其實，捷通華聲“低調“的本質是尊重合作伙伴，捷通華聲多年來始終堅持讓合作伙伴的產品出名而從不“喧賓奪主”，靈云則承繼這一傳統并將這一理念通過與合作伙伴的技術融合推向更加完美的境界。百度語音識別與靈云語音合成完美結合，助力百度地圖、百度導航掀起導航革命；搜狗語音識別與靈云語音合成更是精心設計，支持搜狗地圖在導航領域獨占一方霸主地位；獨樹一幟與擁有獨特發展理念的導航犬，全面應用靈云語音識別、語音合成、語義理解、語音喚醒等功能，雙方開發團隊如同一個企業，日夜奮戰在一起，為數以千萬的用戶推出一項項精心設計的導航犬經典服務。
靈云如同天空之云，靜悄悄融入中國 IT 產業的生態環境，“低調”完美演繹智能語音等 HCI 技術能力服務，“高調”為所有合作企業的經典產品與市場進步而喝彩！
闡述智能語音概念，靈云首創“云 + 端”人機交互服務模式
站在產業中企業的角度，每個企業的設備不同、性能不同、應用網絡環境不同，應用 HCI 技術創新“智”造過程中，如有更多的選擇，就能更好的滿足大眾用戶；站在用戶的角度，每個人都希望全面享受智能語音等 HCI 技術最好的服務，卻不希望受到網絡環境等因素及付出“高昂”費用。為順應并滿足企業與用戶需求，靈云“舍棄”云端服務可以獲取所謂寶貴數據資源與用戶資源等利益，率先推出靈云“云 + 端”服務模式。合作企業可根據設備與應用網絡環境自由選擇或讓用戶自由選擇，保證每一個產品都有與眾不同的特色，從而讓數以億記的大眾輕松享受智能語音等 HCI 技術能力的服務。
智能語音很熱，應用也很廣，靈云憑借捷通華聲十幾年的功底，語音合成“端”播放已輕松自然，并可讓合作伙伴選擇適合與自身應用的多種聲音；而語音識別因其對硬件資源的特殊要求，實現“端”識別對技術提出更高的要求，靈云離線式“端”識別以識別率高，定制簡單等多種方式，與靈云語音合成一起為用戶提供完整的智能語音“云 + 端”服務。
智能語音的目標是完成完整的語音交互，針對不同的噪音環境，其實還需要一項技術來讓機器更好“讀懂”用戶的意圖，確保語音識別率。這個技術就是語義理解，靈云語義理解可對輸入語音的語義進行分析，保證識別率的同時，也確保語音合成播報使用者需要獲得的準確信息。捷通華聲靈云在此基礎上，近期又推出“語音喚醒”功能，并成功應用于各種 APP ，導航犬應用靈云智能語音各項技術，可以在終端待機狀態瞬間喚醒導航軟件，并且以智能自然發聲應答用戶提問，全程無需保持開機狀態，各種環境下語音識別精度達到 96% 以上，旅途中的用戶與開車中的司機想去什么地方動動嘴就行，輕松省心又方便。
靈云“云 + 端”自推出以來，迅速為產業所接納，不僅在導航領域，百度語音助手、搜狗語音助手、聚熵 360 、南京米果、蟲洞語音助手等系列語音助手軟件；天行輸入法、百度輸入法、觸寶輸入法、也包括“漢字英雄”、漢字書寫大賽更是將智能語音、智能圖象“云 + 端”及其合作模式，超乎想象地完美應用，服務智能手機用戶已達數億之眾。
靈云愿景支持企業共同服務億萬大眾， HCI 回歸純樸自然
智能人機交互技術（ HCI ）幫助人們更方便地與機器進行交流，包括語音交互、圖像識別、生物識別等，幾十年來，因 HCI 技術的難度大，一直呈現螺旋式進步發展趨勢；但大眾對方便、高效的追求與渴望，及在凡事都要快的移動互聯網時代成為推動 HCI 技術進步的巨大力量。
移動互聯網時代，智能語音、智能圖像、智能客服、包括生物識別等技術產業蓬勃發展，而推動 HCI 技術迎來發展的巨大機遇的真正力量依然是來自 IT 產業發展與全社會的進步。如今，智能語音概念如日中天，各種“互聯網入口說、關卡壁壘說、大數據說、資本說”等各種說法風靡 IT 產業。冷靜地想：如果智能語音是互聯網入口，那么手寫識別、拼音錄入是不是入口？如果說智能語音技術高不可攀，那么百度、騰訊、搜狗等十幾家非專業語音公司 1-2 年“輕松”拿下語音識別技術，哪里還有什么技術壁壘？如果說資本市場會爆發，美國 Nuance 公司十幾年兼并了幾乎除中國企業外所有的語音技術公司，擁有幾乎全世界所有國家的多語種智能語音交互技術，資本說在納斯達克也跟著期盼了快二十年。如果說那家聲音數據采集多，那么誰家的語音數據又能夠超過騰訊的微信、三大運營商的語音數據？
其實不管怎么說，還應增加一個概念就是“工具說”，因為無論什么時候，智能語音最主要的核心功能還是一個聲音錄入與輸出的工具。無論今天還是未來發展，就像生活中沒有任何一種力量不讓大家說話交流一樣，智能語音在充分滿足了大眾的好奇之后，依然會象無數為語音技術發展進步做出巨大貢獻的科學家、學者、工程師一樣，安心提高語音識別準確率、語音合成自然度，回歸到自然與純樸。
相信未來發展， HCI 技術依然會呈現螺旋式進步趨勢，無論智能語音、還是智能圖像，只有更好，沒有最好！合作共贏將成為 HCI 產業融入中國乃至世界 IT 產業的主旋律。捷通華聲靈云已開始為產業界提供語音識別、語音合成、手寫識別、 OCR 、語義理解、機器翻譯等多項 HCI 技術能力。未來發展中，靈云將在發揮自身多項 HCI 技術優勢的基礎上，不斷與學術界、產業界合作，推出更多的 HCI 技術能力，靈云的目標永遠是助力中國信息產業，讓人機交互像人與人溝通一樣的簡單自然，一起智創中國夢，慧及全球心！
（新聞稿 2013-10-18）