|
|
项目名称: Master Group:
论坛: 浏览论坛
摘要|
管理|
首页|
论坛 |
跟踪|
错误|
支持|
补丁|
电子邮件|
任务|
文档|
调查|
新闻|
软件包|
管理
By: blindshrimp ( gl )  语音芯片、语音识别、语音技术专业公司 [ reply ] 2003-06-17 16:13
|
欢迎惠顾了解南山高科语音技术，真诚希望能够与贵公司进一步开展语音技术与市场合作，广结朋友，共同为推进良好的人性化应用而努力。
南山高科语音技术事业部主要致力于语音识别和语音合成及编码技术的开发和应用。首席科学家俞铁城教授为中国语音识别技术鼻祖，1972年开始在计算机上研究语音识别，1986年受命筹备设立国家八六三项目语音方向。南山高科的核心技术是具有自主知识产权的V9TM输入法和音文同步MP3技术，秉承了三十多年来中科院声学所相关领域的研究经验，目前在国际上处于领先地位，并已申请多项国家专利。南山高科凭借多年来在语音技术的研究和产品开发方面的深厚积累，推出了多种涵盖语音识别、说话人识别、语音合成以及语音压缩等方面的丰富的产品。语音技术核心研发队伍主要由来自清华、北大和中科院等著名重点高等院校的博士后、博士及硕士组成,并且具有英特尔\贝尔实验室等国际大公司工作经验。
主要技术与产品
--------------------------------------------------------------------------------------------------------------------
语音芯片
南山高科语音芯片基于南山高科现有的自主语音技术和芯片设计研发实力，根据各种3C产品的结构与需求，将特定人及非特定人语音识别、说话人识别、低功耗低码率波形压缩（MP3/RealAudio音频文件兼容）、语音合成、音乐合成、语音文字同步等先进实用的语音技术集成于8位MCU的SOC语音芯片中，提供给用户开放、易用的应用接口；其优点是集成度高，外围电路简单，并可极大地降低系统的成本。本项目在核心算法性能、综合性价比、集成功能、可扩展性和本地语言支持等方面都大大优于国外同类产品，居于国际先进水平，为提升中国3C产业附加值提供了关键模块。
--------------------------------------------------------------------------------------------------------------------
V9TM嵌入式语音输入系统
V9TM输入法是第一个可以嵌入到手机内的单字和词组混合输入且词组可自定义的语音听写软件，它主要采用非特定人、大词汇量语音识别技术。V9TM输入法代替传统的用按键输入文本的方法，它最大的优势是使用语音加选字即可输入全部汉语单字或者预定义词组。采用V9TM输入法的识别正确覆盖率高达98%; 输入速度为每分钟20到50个汉字，已接近或超过用户在PC机上的汉字输入速度。V9TM已向国家商标局申请商标注册；本技术已申请了三项国家发明专利。
--------------------------------------------------------------------------------------------------------------------
智能语音声控技术
南山高科智能语音声控技术可以在各种环境下提供可靠的特定人或者非特定人语音命令控制解决方案。适用于各种嵌入式系统，如遥控器，家电，玩具等应用领域，并且具有低功耗，低成本，高可靠性等显著优点。
--------------------------------------------------------------------------------------------------------------------
特定人语音识别技术（Speaker-Dependent）
我们拥有完全自主知识产权的特定人语音识别技术，包括MFCC特征提取技术、声刺激量时域归一化技术和DTW模式匹配技术，用户自定义模板数可以达到200－500条，识别率高达98%，远远优于国外竞争对手（Sensory的词条数是50-100条）。
其中MFCC特征提取技术基于人耳仿生学原理，为国际主流技术路线；声刺激量时域归一化技术是我们独创的技术，基于俞铁城教授长达30年的语音识别研究成果，使我们的词表处理能力是国外竞争对手的4-5倍。
--------------------------------------------------------------------------------------------------------------------
非特定人语音识别技术（Speaker-Independent）
我们拥有完全自主知识产权的非特定人语音识别技术，包括MFCC特征提取技术、HMM概率模识识别技术和有我们独特优势的汉语词汇处理技术，我们的技术可以达到不限制命令词，无需修改语音模型，合作厂商或用户可以自定义词条数，数量可达100-200之间，而我们的竞争对手仅能够达到10-20条，而且其语音模型不适于中国人。
--------------------------------------------------------------------------------------------------------------------
说话人识别技术（Speaker-Verification）
南山高科说话人识别技术是与发音内容无关，与发音语种、方言无关的先进统计模式识别技术。在信号特征提取部分，采用体现说话人特征的MFCC语音参数。本技术采用包括高斯混合模型（GMM）、正交化建模技术和MAP共享方法等技术，闭集正确率高于99%, 开集等错率低于 5%，误识率低于2%。可以工作于两种模式，与文本有关（Text-Dependent）和与文本无关（Text-Independent））。本技术可以广泛应用于国防、公安、电子商务、信息安全、楼宇自控等领域，具有使用方便、适应面广的特点。
--------------------------------------------------------------------------------------------------------------------
低功耗低码率波形压缩技术（MP3/RealAudio音频文件兼容）
我们独创的完全拥有知识产权的低功耗低码率波形压缩技术，基于俞铁城教授长达30年的语音识别研究成果，采用矢量量化（VQ）技术，可以高保真地将语音和音乐信号压缩编码成8-10kbps的非均匀码流，主观听感能够达到长途电话质量要求。非均匀速率语音压缩编码是国际上一个新的潮流，虽然形成国际标准的大多数语音编码是均匀速率，但随着移动网发展和IP技术的广泛采用，非均匀速率语音压缩编码的应用条件日益成熟，对它的需求也越来越强烈，例如Qualcomm公司在CDMA中采用的QCELP就是一种非均匀速率语音压缩编码技术。
配合我们自主研发的配套软件，我们可以使得我们的压缩芯片兼容MP3或RealAudio等各种其它音频文件，我们的芯片比MP3芯片有很大的成本优势。
--------------------------------------------------------------------------------------------------------------------
语音合成技术
我们拥有完全自主知识产权的语音合成技术，包括中文文本处理技术（将汉字序列转化为待合成的拼音串和韵律符号）和声学合成技术，根据拼音串和韵律符号将各个基本声学单元合成为连贯自然的输出语音流。我们的语音合成技术可以配合前面所述的低功耗低码率波形压缩技术使用，使得语音合成音库得到压缩，大大降低硬件成本。
--------------------------------------------------------------------------------------------------------------------
音乐合成技术
我们拥有完全自主知识产权的语音合成技术，基于WaveTable技术，可以用很少的音乐符号产生很长的音乐信号，且音质很好，这种技术可以广泛应用于玩具、礼品、教育产品、电话和铉铃声。
--------------------------------------------------------------------------------------------------------------------
语音文字同步技术
我们独创的完全拥有知识产权的语音文字同步技术可以配合任何语音播放和编码技术使用，在后台生成“精确同步的语音文字序列”，可以将语音标注精度提高到0.01秒，而且可以标注到词甚至音素一级，语音文字同步技术可以广泛应用到复读机、MP3、电子辞典、PDA、手机、影牒机等电子产品中，以提供崭新的教育和娱乐功能。
音文同步技术使得MP3成为语言学习复读机的理想替代品。音文同步MP3目的是提供一种语音和对应文本协同播放技术，以及动态更新语料的电子辞典功能。它以先进的英语连续语音识别技术为基础，通过语音识别技术，可以将文字信息与声音信息进行标注，从而可以做到精确到音素级别的同步，并且可以衍生很多功能，比如同步听看、步进播放、复读、先音后文、先文后音、先听后看、先读后比、跟读等传统复读机上无法提供的独特功能，达到事半功倍的学习效果。这点特别适合学习外语、卡拉OK、学习唱歌。本技术的突出特点还在于与设备屏幕大小无关，一种文件适用于各种设备。本技术已申请了两项国家发明专利。
--------------------------------------------------------------------------------------------------------------------
语音评价与评分算法
我们能够对语音进行音素级别的评价，包括音准、音调、重音、节奏、语感、时长、清晰度、流利度等要素进行评分，能够形成独特的教学与娱乐功能，从而可以广泛的应用到各种卡拉OK、VCD\DVD、家庭影院、电视节目、模仿秀、语言学习、电教设备中。
--------------------------------------------------------------------------------------------------------------------
无级变速算法
我们能够对语音进行变声不变调的处理，并且可以达到正负50%的变速比，其间可以无级变速，并且不会影响听者的听感。该技术可以广泛应用到复读机、MP3、录音笔、播放软件、VCD\DVD、电视台等领域。可以快速处理各种声音文件。
--------------------------------------------------------------------------------------------------------------------
声音\音乐检索与管理技术
我们能够对语音的特征进行提取，形成独特的“声音指纹”，并且结合我们的压缩技术与搜索算法，从而可以方便的对语音\音乐进行检索与管理，从而结束了多年来对语音只能文件级别的管理模式，可以深入到音素级别的管理。因而可以广泛的应用到电视台、广电系统、VOD、公安、国家安全部门、档案馆、文献馆、图书馆、VCD\DVD\MP3、影音公司、影音播放软件等。
--------------------------------------------------------------------------------------------------------------------
独特的中文语音处理技术
南山具有丰富的中文处理技术，对于中文理解、中文语音、中文语义处理、中文词表、中文语法分析、中文方言识别、汉字特征等具有国外厂商不具有的优势，因此能够很好的进行算法处理，比如我们在词表处理中，根据中文汉字的特点，创造性的构造出“只需要更换词表不需要更换声音模型”的思想。因此我们有信心在中文语音处理上战胜国外厂商。
--------------------------------------------------------------------------------------------------------------------
特有的抗噪技术
抗噪是目前语音识别领域的一个重大课题，目前所有的语音识别系统在有较大背影噪声下的识别率都会显著降低。该项目采取的主要措施是根据码本特征动态构造滤波器对待识别音作前置滤波。在小码本、低训练噪声的情况下，这种方法有较好的效果。在防误识别方面，目前绝大部分的语音识别系统对码本内语音有较好的识别效果，但对码本外语音的误识率则高得多。该项目对此采取了两种措施：一是动态调整识别阈值，二是采用多特征联合识别，取得了较好的效果。
--------------------------------------------------------------------------------------------------------------------
特有大词表与搜索算法
目前我们的大词表可以达到5万词库，正在研究9万词库，并且具备用户自定义词、自适应等智能学习功能。独有的海量数据搜索算法可以让大词表的响应时间大大缩短，达到实用水平。独有的语音模型压缩算法，可以匹配大词表的应用，快速寻找到相应的语音模型。
祝心情快乐！
致
礼！
南山高科 语音技术事业部 技术市场经理:高路
电话:010-82512266-286 手机:13311002742 13611280640
传真:010-82511589
EMAIL: [email protected], [email protected] />
公司网址： http://www.nstek.com.cn 语音事业部网页：www.v9.net.cn
邮编:100086
地址:中国北京中关村南大街2号数码大厦A座22层
|
追贴: |
|
