211service.com
Przywitaj się lub przywitaj się z chińskim Siri
Być może nie słyszałeś o iFlyTek. Firma nie jest też powszechnie znana na rodzimym rynku w Chinach. Ale jak imadło trzyma ponad 80 procent rynku technologii mowy w Republice Ludowej, kierując ekosystemem ponad 10 000 partnerów i programistów oraz z liczbą użytkowników liczoną w setkach milionów.
Firma została założona w 1999 roku przez Liu Qingfenga i pięciu innych studentów z Uniwersytetu Nauki i Technologii w Chinach, powszechnie uznawanej za jedną z czołowych instytucji badawczych w kraju. Skorzystali z badań prowadzonych w uniwersyteckim Krajowym Centrum Badań i Rozwoju Inteligentnego Komputera oraz Laboratorium Komunikacji Mowy Człowiek-Maszyna.
iFlyTek opracował serię produktów do zamiany tekstu na mowę (TTS), a ostatnio także rozpoznawanie mowy i opartą na chmurze platformę technologii mowy o nazwie Voice Cloud. Z biegiem lat wskaźniki dokładności stale się poprawiały, a technologia znalazła drogę do coraz szerszej gamy produktów.
Platforma Voice Cloud obsługuje rozpoznawanie mowy, syntezę mowy i aplikacje do wprowadzania mowy, a od marca tego roku rozumienie mowy i iFlyTek YuDian — nazwany chińskim Siri — dla każdego, kto ma telefon komórkowy z dostępem do Internetu.
IHS iSuppli analityk Ian Fogg twierdzi, że rynek technologii głosowych jest wciąż dość niedojrzały, ale dostawcy, w tym Google i Nuance, poczynili w ostatnich latach duże postępy, wykorzystując moc chmury do przetwarzania zapytań dotyczących rozpoznawania mowy. Stary model był aplikacją rozpoznającą głos, taką jak Dragon Naturally Speaking, ale wadą było to, że trzeba było przyzwyczaić go do własnego głosu, mówi.
Liu przyznaje, że iFlyTek ma tę samą podstawową technologię, co Nuance i Google, ale twierdzi, że jego otwarta platforma i rodzima chińska wiedza sprawiają, że jest lepszy od produktów wytwarzanych w USA.
Platforma Voice Cloud stała się bardziej dokładna, ponieważ liczba jej użytkowników wzrosła z miliona w pierwszej połowie 2011 r. do 100 milionów obecnie, mówi.
Jesteśmy w korzystniejszej sytuacji w porównaniu z innymi konkurentami pod względem języka chińskiego i rynku chińskiego, ponieważ mamy większą ilość danych głosowych, które są codziennie aktualizowane przez 100 milionów użytkowników naszej chmury mowy – mówi Liu.
Język chiński jest szczególnie trudny do opanowania w rozpoznawaniu i syntezie mowy ze względu na tonalny charakter języka. Oznacza to, że to samo słowo może oznaczać różne rzeczy w zależności od tonu, jakim jest wypowiadane — słowo blisko w kantońskim ma wiele znaczeń, na przykład dziewięć i pies.
Dlatego iFlyTek stworzył dwustrumieniowy system modelowy, który oddziela informacje tonalne od widma, aby poprawić dokładność, według kierownika badań Hu Yu. Firma twierdzi również, że posiada innowacyjne systemy, które mogą rozumieć mowę nawet w hałaśliwych warunkach lub na zniekształconych kanałach.
Liu twierdzi, że jednym z kluczowych atutów iFlyTek jest chęć współpracy z jednostkami badawczymi spoza firmy, w tym z USTC, Uniwersytetem Tsing Hua i Instytutem Lingwistyki Chińskiej Akademii Nauk Społecznych.
Technologia mowy jest typowym przedmiotem interdyscyplinarnym, który obejmuje wiele różnych przedmiotów, takich jak informatyka, akustyka, fonetyka, językoznawstwo i tak dalej, mówi. Przy wsparciu Ministerstwa Nauki i Technologii Chin zbudowaliśmy Narodowe Laboratorium Inżynierii Przetwarzania Informacji Mowy i Języka, które jest jedynym laboratorium na poziomie krajowym w dziedzinie mowy i języka.
Wreszcie, rozległa sieć 10 000 partnerów i programistów zapewniła, że technologia jest dostępna za pośrednictwem szerokiej gamy urządzeń, kanałów i aplikacji. Największy na świecie operator sieci, China Mobile, objął niedawno 15-procentowy udział w firmie, jeszcze bardziej zwiększając jej zasięg.
Te partnerstwa pomogły również YuDian podobnemu do Siri w lepszej obsłudze bazy użytkowników, zapewniając jej bogate zasoby informacyjne, w tym informacje o rozrywce, podróżach i biletach, mówi.
Technologia firmy może wkrótce przejąć kontrolę na rynkach poza Chinami. Dla tych, którzy są sceptyczni co do znajomości języka angielskiego rodzimej chińskiej firmy, Liu chętnie przedstawi imponującą listę nagród za technologię iFlyTek.
Wygrała międzynarodowy angielski konkurs TTS Blizzard Challenge przez siedem kolejnych lat w latach 2006-2012 i pierwsze miejsce w ocenie rozpoznawania mówców US NIST w 2008 i 2010 oraz pierwsze miejsce w ocenie rozpoznawania języka NIST w 2009 i 2010 roku. Liu mówi, że firma ma również pomyślnie zakończył prace badawczo-rozwojowe nad kilkoma innymi językami, w tym japońskim, koreańskim, francuskim, hiszpańskim i rosyjskim.
Ponieważ Chiny stanowią obecnie największy na świecie rynek smartfonów, istnieje wyraźny potencjał wzrostu.
Jednak Daniel Hong, główny analityk w Ovum, mówi, że iFlyTek wydaje się być skoncentrowany na dość dużym rynku zmonopolizowanym, na którym wciąż jest dużo miejsca do rozwoju. Analityk IHS Fogg uważa również, że sam rozmiar chińskiego rynku może w krótkim okresie odwrócić uwagę firmy.
Mark Natkin, założyciel firmy konsultingowej Marbridge Consulting z siedzibą w Pekinie, był bardziej optymistyczny. Myślę, że jeśli potrafi wykorzystać unikalne cechy rynku chińskiego i zyskać na sile, to ma już pewien rozmach, który często może przełożyć się na ekspansję zagraniczną – mówi.
Starszy analityk ABI Research, Michael Morgan, zauważa, że skupiając się na Chinach, iFlyTek do tej pory był w stanie uniknąć konfliktu prawnego związanego z własnością intelektualną z takimi firmami jak Nuance. W dłuższej perspektywie firma iFlyTek może wykorzystać swoją wiedzę w zakresie lokalnego języka, aby nawiązać relacje z lokalnymi producentami telefonów komórkowych i założyć wystarczająco dużą firmę, aby wejść na rynek globalny, mówi Morgan.
Dzięki temu, że Huawei, ZTE i Lenovo są już partnerami, ten globalny impuls może nastąpić szybciej niż oczekiwano, ponieważ ci lokalni giganci telefonów komórkowych chcą rozwijać swoją działalność za granicą.
Gartner uważa, że do 2020 r. głos stanie się kanałem interakcji między ludźmi a komputerami w 50% wszystkich interakcji z obsługą klienta w sieci i na urządzeniach mobilnych.