211service.com
Sakiet sveiki vai sveiki Ķīnas Siri
Jūs, iespējams, neesat dzirdējuši par iFlyTek. Arī Ķīnas vietējā tirgū uzņēmums gandrīz nav pazīstams. Taču tam ir slikts satvēriens vairāk nekā 80 procentos Tautas Republikas runas tehnoloģiju tirgus, vadot ekosistēmu, kurā ir vairāk nekā 10 000 partneru un izstrādātāju, un lietotāju skaits sasniedz simtiem miljonu.
Uzņēmumu 1999. gadā dibināja Liu Qingfeng un pieci citi studenti no Ķīnas Zinātnes un tehnoloģijas universitātes, kas ir plaši atzīta par vienu no valsts ievērojamākajām pētniecības iestādēm. Viņi izmantoja pētījumus, kas veikti universitātes Nacionālajā viedo datoru pētniecības un attīstības centrā un Cilvēka un mašīnas runas komunikācijas laboratorijā.
iFlyTek ir izstrādājis virkni teksta pārveides runā (TTS) produktu un pavisam nesen runas atpazīšanas un mākoņdatošanas runas tehnoloģiju platformas, ko sauc par Voice Cloud. Gadu gaitā precizitātes rādītāji nepārtraukti uzlabojās, un tehnoloģija atrada ceļu uz arvien plašāku produktu klāstu.
Tā Voice Cloud platforma atbalsta runas atpazīšanu, runas sintēzi un runas ievades lietojumprogrammas, kā arī no šī gada marta runas izpratni un iFlyTek YuDian, kas saukta par Ķīnas Siri, ikvienam, kam ir mobilais tālrunis ar interneta pieslēgumu.
IHS iSuppli analītiķis Ians Fogs saka, ka balss tehnoloģiju tirgus joprojām ir diezgan nenobriedis, taču pakalpojumu sniedzēji, tostarp Google un Nuance, pēdējos gados ir spēruši lielus panākumus, izmantojot mākoņa iespējas, lai palīdzētu apstrādāt runas atpazīšanas vaicājumus. Vecais modelis bija balss atpazīšanas lietojumprogramma, piemēram, Dragon Naturally Speaking, taču trūkums bija tāds, ka jums tas bija jāpielāgo savai balsij, viņš saka.
Liu atzīst, ka iFlyTek ir tāda pati pamattehnoloģija kā Nuance un Google, taču viņš apgalvo, ka tā atvērtā platforma un vietējās Ķīnas zināšanas padara to pārāku par ASV ražotajiem produktiem.
Viņš saka, ka platforma Voice Cloud ir kļuvusi precīzāka, jo tās lietotāju skaits ir pieaudzis no viena miljona 2011. gada pirmajā pusē līdz 100 miljoniem šodien.
Mēs esam izdevīgākā pozīcijā salīdzinājumā ar citiem konkurentiem ķīniešu valodas un Ķīnas tirgus ziņā, jo mums ir lielāks runas datu apjoms, ko katru dienu atjaunina 100 miljoni mūsu runas mākoņa lietotāju, saka Liu.
Ķīniešu valodu ir īpaši grūti apgūt runas atpazīšanā un sintēzē valodas tonālā rakstura dēļ. Tas ir, viens un tas pats vārds var nozīmēt dažādas lietas atkarībā no toņa, kurā tas tiek izrunāts — vārda aizveriet Kantonas valodā ir dažādas nozīmes, tostarp, piemēram, deviņi un suns.
Tāpēc iFlyTek izveidoja divu plūsmu modeļu sistēmu, kas atdala tonālo informāciju no spektra, lai uzlabotu precizitāti, norāda pētījumu vadītājs Hu Yu. Uzņēmums arī apgalvo, ka tam ir novatoriskas sistēmas, kas var saprast runu pat trokšņainā stāvoklī vai izkropļotos kanālos.
Liu apgalvo, ka viena no iFlyTek galvenajām vērtībām ir tā vēlme sadarboties ar pētniecības iestādēm ārpus uzņēmuma, tostarp USTC, Tsing Hua universitāti un Ķīnas Sociālo zinātņu akadēmijas Valodniecības institūtu.
Runas tehnoloģija ir tipisks starpdisciplinārs priekšmets, kas ietver daudz dažādu priekšmetu, piemēram, datorzinātnes, akustiku, fonētiku, valodniecību un tā tālāk, viņš saka. Ar Ķīnas Zinātnes un tehnoloģiju ministrijas atbalstu mēs izveidojām Nacionālo runas un valodas informācijas apstrādes inženierijas laboratoriju, kas ir vienīgā valsts līmeņa laboratorija runas un valodas jomā.
Visbeidzot, tā plašais 10 000 partneru un izstrādātāju tīkls ir nodrošinājis, ka tehnoloģija ir pieejama, izmantojot plašu ierīču, kanālu un lietojumprogrammu klāstu. Pasaulē lielākais tīkla operators China Mobile nesen ieņēma 15 procentus uzņēmuma akciju, vēl vairāk paplašinot savu sasniedzamību.
Šīs partnerības ir arī palīdzējušas Siri līdzīgajam YuDian labāk apkalpot savu lietotāju bāzi, nodrošinot tai bagātīgus informācijas resursus, tostarp izklaides, ceļojumu un biļešu informāciju, viņš saka.
Uzņēmuma tehnoloģija drīzumā varētu pārņemt komandas tirgos ārpus Ķīnas. Tiem, kuri ir skeptiski par pašmāju Ķīnas uzņēmuma angļu valodas prasmēm, Liu vēlas iegūt iespaidīgu iFlyTek tehnoloģiju balvu sarakstu.
Tā uzvarēja starptautiskajā angļu valodas TTS konkursā Blizzard Challenge septiņus gadus pēc kārtas no 2006. līdz 2012. gadam un pirmo vietu ASV NIST runātāju atpazīšanas novērtējumā 2008. un 2010. gadā un pirmo vietu NIST valodas atpazīšanas novērtējumā 2009. un 2010. gadā. Liu saka, ka uzņēmums veiksmīgi pabeidza pētniecību un izstrādi vairākās citās valodās, tostarp japāņu, korejiešu, franču, spāņu un krievu valodā.
Tā kā Ķīna tagad pārstāv pasaulē lielāko viedtālruņu tirgu, pastāv nepārprotami milzīgs izaugsmes potenciāls.
Tomēr Daniels Hongs, Ovum vadošais analītiķis, saka, ka iFlyTek, šķiet, koncentrējas uz savu diezgan lielo ierobežoto tirgu, kurā joprojām ir daudz iespēju augt. IHS analītiķis Fogs arī uzskata, ka Ķīnas tirgus milzīgais apjoms īstermiņā varētu novērst uzņēmuma uzmanību.
Marks Natkins, Pekinas tehnoloģiju konsultāciju uzņēmuma Marbridge Consulting dibinātājs, bija optimistiskāks. Es domāju, ka, ja tas var izmantot Ķīnas tirgus unikālās īpašības un iegūt vilces spēku, tad tam jau ir zināms impulss, kas bieži vien var veicināt paplašināšanos ārzemēs, viņš saka.
ABI Research vecākais analītiķis Maikls Morgans norāda, ka, koncentrējoties uz Ķīnu, iFlyTek līdz šim ir spējis izvairīties no ar intelektuālo īpašumu saistīta juridiska konflikta ar tādiem kā Nuance. Ilgtermiņā iFlyTek varētu izmantot savas vietējās valodas zināšanas, lai nodibinātu attiecības ar vietējiem tālruņu oriģinālo iekārtu ražotājiem un izveidotu uzņēmumu, kas ir pietiekami liels, lai kļūtu globāls, saka Morgans.
Tā kā Huawei, ZTE un Lenovo jau ir izveidojušies kā partneri, globālā virzība varētu notikt ātrāk, nekā gaidīts, jo šie vietējie tālruņu giganti vēlas paplašināt savu biznesu ārvalstīs.
Gartner uzskata, ka līdz 2020. gadam balss būs mijiedarbības kanāls starp cilvēkiem un datoriem 50 procentos no visas tīmekļa un mobilās klientu apkalpošanas mijiedarbības.