语音技术领导者赛微科技 定制化车用语音服务惊艳市场
- 周维棻／台北
-
赛微科技成立于2000年，走过16个年头，如今是全球重要语音技术及解决方案提供商。核心技术能力在于「语音识别」及「语音合成」，并拥有丰富平台移植经验，开发平台包含Android、Windows、QNX、Linux，合作对象涵盖海内外ODM业者和品牌商，HTC、宏碁、华硕皆是旗下客户。
从2004年至今，全球共计超过280款、7,500万台移动设备和超过40万台车机导入赛微语音技术。赛微科技业务经理陈柏沅表示，赛微的交谈式语音互动界面应用，早期从声控玩具、一般型手机切入，逐渐往消费性产品、车用语音领域深入；此外，赛微在智能家庭、居家医疗照护、服务业皆有布局，随着穿戴式装置、IoT联网设备对语音需求的提升，未来势必持续扩大应用市场及使用群众。
持续研发语音关键技术 产品方案独树一帜
目前赛微的语音解决方案项目多元，像是输入文字就能透过语音念出，更新版本也不用重新录制的CReader– Text-To-Speech SDK；属于指令式命令程序的CListener– Command-based VR SDK，则支持上千笔动态指令识别，整个架构除单词的Single Command外，还可接受Pre、Central、Post的多词组搭配指令，在有限资源的嵌入式装置达到最佳效率的演算。
赛微于2015年底推出CCLever–Local free speech control SDK，是目前的核心方案。CCLever SDK针对手机、车机的计算能力设计架构，可在离线的环境下于缺省的功能范围内实现自然口语识别，在没有完全符合指令时也能实现语音识别。其所能处理的复杂程度较高，在互动体验的弹性度上也更为提升。
CCLever SDK具备三大特色：第一，自然口语语音操作。扩展条目指令式语音识别到自然口语互动，使用者无需记忆操作指令，对语气词、赘词、前后杂音等有较佳的容许能力。第二，不需联网也能于终端设备上识别运算。使用过程不因网络信号有无或好坏而受限，不需建构及维护营运网络服务器系统，且使用者个资更能受到妥善保护。第三，完善的开发工具。开发者可自主设计，配合应用优化识别内容，并掌控开发时程与信息安全。
除CCLever SDK之外，赛微的其他解决方案还包含CSpotter– Trigger command SDK(always listening)，针对关键字识别做唤醒应用，词汇以外的字词声音不会误触发；CNavi Pro – POI/Address speech input SDK针对客户不同系统的图资，辨别图资内容的词汇，做客制化的程序设计；Speaker Verification SDK人别判断技术，针对不同命令者录制的语言标签，透过撷取每个人的声音特徵值，做出人别辨别应用。
目前，赛微所开发的语音技术共可支持32国语言，甚至同样语系针对不同地区口音做到细致分类；CListener和CSpotter产品，光是英文语系就已做到区分北美、英国、澳大利亚、华人等口音，而CReader支持语言的High Quality version版本，更能提供整句文章朗读功能。
三大车用语音使用情境 打造更弹性化的人机互动
目前赛微在车用语音方案的导入，技术已臻成熟，且合作业者不乏国际着名车厂及一线(Tier one)车用多媒体主机厂。陈柏沅指出，目前赛微在车用领域，合作对象有Luxgen、Toyota、Honda、怡利、鼎天、大陆车机厂路畅、好帮手等，相关应用包含人名拨号、声控点歌、电台调频、声控导航、模式切换等功能。
若再进一步检视车用环境所使用到的语音服务，赛微的技术支持能提供三种使用情境。情境一：蓝牙拨号及主机操控，采用技术有CReader– Text-To-Speech SDK、CListener– Command-based VR SDK，具体的应用功能有人名拨号、多媒体点播、声控点歌、模式切换、电台点播。
情境二：导航声控，行车过程最怕驾驶分心寻找地址而造成事故意外，透过声控找路导航是目前最合适的解决方案。导航软件整合CNavi– POI/Address speech input SDK技术，直接利用声音输入景点或地址；并透过CReader– Text-To-Speech SDK将识别结果、路名、路况念出。透过不同方案的交互使用，让使用者可完成「hands free」、「eyes free」的全语音操控。
情境三：简易指令操控(non OS)，可在MCU等级的平台上运行CSpotter，实现像是模式切换、音量调大、上一首歌等固定控制指令。
持续开发新产品切入新兴科技市场
除了上述语音识别技术，陈柏沅表示为让赛微语音识别能在不同的环境下有更好的效能表现，赛微在声音信号处理的技术开发上不遗余力，目前已开发有Noise Reduction？Suppression噪音消除？抑制，及AEC(Acoustic Echo Cancellation)回音消除等解决方案。
不论NR或AEC皆属声音信号处理的一环，AEC+语音识别技术实现「语音打断？语音插话」(Voice barge-in)的情境，让用户无需等待系统提示音念完，即可通过说话来打断系统的提示音，并直接下达指令。
而这类型的声控方案，在市场端有越来越多的客户提出定制化需求，其他声音信号处理方案还包含Far-field Recording、Beam-forming Recording、Speaker Tracking。赛微累积10余年的丰富经验和成功案例，未来在智能家庭、医疗照护的应用上令人期待。
