語音技術領導者賽微科技 客製化車用語音服務驚艷市場
- 周維棻／台北
-
賽微科技成立於2000年，走過16個年頭，如今是全球重要語音技術及解決方案提供商。核心技術能力在於「語音辨識」及「語音合成」，並擁有豐富平台移植經驗，開發平台包含Android、Windows、QNX、Linux，合作對象涵蓋海內外ODM業者和品牌商，HTC、宏碁、華碩皆是旗下客戶。
從2004年至今，全球共計超過280款、7,500萬台行動設備和超過40萬台車機導入賽微語音技術。賽微科技業務經理陳柏沅表示，賽微的交談式語音互動介面應用，早期從聲控玩具、一般型手機切入，逐漸往消費性產品、車用語音領域深入；此外，賽微在智慧家庭、居家醫療照護、服務業皆有布局，隨著穿戴式裝置、IoT聯網設備對語音需求的提升，未來勢必持續擴大應用市場及使用群眾。
持續研發語音關鍵技術 產品方案獨樹一幟
目前賽微的語音解決方案項目多元，像是輸入文字就能透過語音念出，更新版本也不用重新錄製的CReader– Text-To-Speech SDK；屬於指令式命令程式的CListener– Command-based VR SDK，則支援上千筆動態指令辨識，整個架構除單詞的Single Command外，還可接受Pre、Central、Post的多詞組搭配指令，在有限資源的嵌入式裝置達到最佳效率的演算。
賽微於2015年底推出CCLever–Local free speech control SDK，是目前的核心方案。CCLever SDK針對手機、車機的計算能力設計架構，可在離線的環境下於預設的功能範圍內實現自然口語辨識，在沒有完全符合指令時也能實現語音辨識。其所能處理的複雜程度較高，在互動體驗的彈性度上也更為提升。
CCLever SDK具備三大特色：第一，自然口語語音操作。擴展條目指令式語音辨識到自然口語互動，使用者無需記憶操作指令，對語氣詞、贅詞、前後雜音等有較佳的容許能力。第二，不需連網也能於終端設備上辨識運算。使用過程不因網路訊號有無或好壞而受限，不需建構及維護營運網路伺服器系統，且使用者個資更能受到妥善保護。第三，完善的開發工具。開發者可自主設計，配合應用優化辨識內容，並掌控開發時程與資訊安全。
除CCLever SDK之外，賽微的其他解決方案還包含CSpotter– Trigger command SDK(always listening)，針對關鍵字辨識做喚醒應用，詞彙以外的字詞聲音不會誤觸發；CNavi Pro – POI/Address speech input SDK針對客戶不同系統的圖資，辨別圖資內容的詞彙，做客制化的程式設計；Speaker Verification SDK人別判斷技術，針對不同命令者錄製的語言標籤，透過擷取每個人的聲音特徵值，做出人別辨別應用。
目前，賽微所開發的語音技術共可支援32國語言，甚至同樣語系針對不同地區口音做到細緻分類；CListener和CSpotter產品，光是英文語系就已做到區分北美、英國、澳洲、華人等口音，而CReader支援語言的High Quality version版本，更能提供整句文章朗讀功能。
三大車用語音使用情境 打造更彈性化的人機互動
目前賽微在車用語音方案的導入，技術已臻成熟，且合作業者不乏國際著名車廠及一線(Tier one)車用多媒體主機廠。陳柏沅指出，目前賽微在車用領域，合作對象有Luxgen、Toyota、Honda、怡利、鼎天、大陸車機廠路暢、好幫手等，相關應用包含人名撥號、聲控點歌、電臺調頻、聲控導航、模式切換等功能。
若再進一步檢視車用環境所使用到的語音服務，賽微的技術支援能提供三種使用情境。情境一：藍牙撥號及主機操控，採用技術有CReader– Text-To-Speech SDK、CListener– Command-based VR SDK，具體的應用功能有人名撥號、多媒體點播、聲控點歌、模式切換、電台點播。
情境二：導航聲控，行車過程最怕駕駛分心尋找地址而造成事故意外，透過聲控找路導航是目前最合適的解決方案。導航軟體整合CNavi– POI/Address speech input SDK技術，直接利用聲音輸入景點或地址；並透過CReader– Text-To-Speech SDK將辨識結果、路名、路況念出。透過不同方案的交互使用，讓使用者可完成「hands free」、「eyes free」的全語音操控。
情境三：簡易指令操控(non OS)，可在MCU等級的平台上運行CSpotter，實現像是模式切換、音量調大、上一首歌等固定控制指令。
持續開發新產品切入新興科技市場
除了上述語音辨識技術，陳柏沅表示為讓賽微語音辨識能在不同的環境下有更好的效能表現，賽微在聲音訊號處理的技術開發上不遺餘力，目前已開發有Noise Reduction？Suppression噪音消除？抑制，及AEC(Acoustic Echo Cancellation)回音消除等解決方案。
不論NR或AEC皆屬聲音訊號處理的一環，AEC+語音辨識技術實現「語音打斷？語音插話」(Voice barge-in)的情境，讓用戶無需等待系統提示音念完，即可通過說話來打斷系統的提示音，並直接下達指令。
而這類型的聲控方案，在市場端有越來越多的客戶提出客製化需求，其他聲音訊號處理方案還包含Far-field Recording、Beam-forming Recording、Speaker Tracking。賽微累積10餘年的豐富經驗和成功案例，未來在智慧家庭、醫療照護的應用上令人期待。
