為了方便廣大企業(yè)及個人開發(fā)者更好地享受到靈云全方位人工智能技術(shù)，近日，靈云SDK實現(xiàn)了版本全面升級，十多項人工智能技術(shù)全部對外開放，讓開發(fā)者真正能享受到全方位人工智能技術(shù)帶來的輕松與便捷。
 

登錄靈云開發(fā)者社區(qū)，開發(fā)者即可下載包括語音識別、語音合成、語音喚醒、語義理解、文字識別、人臉識別、手寫識別、機器翻譯、聲紋識別、鍵盤輸入在內(nèi)的十多項人工智能技術(shù)SDK，支持Windows/Android/Linux/IOS等各種主流操作系統(tǒng)，能方便的集成到各種應(yīng)用與客戶業(yè)務(wù)系統(tǒng)中。除此之外，在社區(qū)內(nèi)還有麥克風(fēng)陣列、靈云種子等聚合性SDK以方便開發(fā)者快速實現(xiàn)近遠場語音交互。

語音合成SDK

作為國內(nèi)最早從事語音技術(shù)研究與應(yīng)用的企業(yè)，捷通華聲為廣大開發(fā)者提供的靈云語音合成SDK可將文本實時準確地轉(zhuǎn)換為自然、流暢的語音，并提供男聲、女聲、童聲等多種合成音色，支持中文普通話、粵語、維語、英語、日語等21種語言，并可為用戶提供定制化的語音合成服務(wù)。

語音合成SDK可以根據(jù)當(dāng)前網(wǎng)絡(luò)狀況及指令的類型，自動判斷使用本地引擎還是云端引擎進行語音合成。此次版本的升級優(yōu)化了優(yōu)化TTS Player，提升云端訪問速度。

語音識別SDK

采用行業(yè)領(lǐng)先的深度學(xué)習(xí)算法，捷通華聲為開發(fā)者提供行業(yè)領(lǐng)先的語音識別SDK，普通話識別準確率高達96%，并采用實時識別方式，實時率可達0.3以下，已支持普通話、英語、粵語、維吾爾語、客家話等多種語言，具備很強的口音普適性，并可自由定制垂直領(lǐng)域的語音識別模型，識別效果更精確。

此次版本更新，SDK增加了本地語音意圖理解、云端本地雙路識別功能，優(yōu)化ASR Recorder，提升云端訪問速度。

語音喚醒SDK

靈云語音喚醒SDK采用先進的芯片，ROM小于40K，低功率持續(xù)偵聽，用戶使用無感知，無需網(wǎng)絡(luò)，實時離線喚醒，喚醒率大于95%，且誤喚醒率低于小于 1次/24小時，并支持自定義設(shè)置多個喚醒詞，滿足用戶個性化需求。

語義理解SDK

為開發(fā)者提供的語義理解SDK可實現(xiàn)意圖理解與智能問答兩類核心功能，支持上下文語義分析、多輪對話、實體屬性等，支持天氣、導(dǎo)航、航班、音樂、閑聊等20多個常見領(lǐng)域，且支持HTTP、Socket、WebService以及MRCP等多種接口，滿足不同需求。

聲紋識別SDK

靈云聲紋識別技術(shù)采用端點檢測和噪聲消除技術(shù)，克服環(huán)境噪音對的影響，識別準確率高達99%，能夠在多人對話場景中分離出單個說話人音頻，并識別出每個人的說話內(nèi)容，并提供聲紋自由說、動態(tài)數(shù)字、開放文本、固定文本密碼等多種識別模式。

人臉識別SDK

靈云人臉識別技術(shù)，采用最新深度學(xué)習(xí)算法，并引入國際領(lǐng)先的多模型融合技術(shù)，具備“一對一確認”與“多選一辨別”功能，可對人臉五官定位并對性別、表情、年齡、膚色、姿態(tài)等人臉屬性進行分析，提供人臉屬性識別、關(guān)鍵點定位、人臉1：1比對、人臉1：N識別、活體檢測等能力。

光學(xué)字符識別SDK

捷通華聲與清華大學(xué)合力攻關(guān)，應(yīng)用最新機器學(xué)習(xí)算法，光學(xué)字符識別技術(shù)國際領(lǐng)先，識別率高達99.99%，讓機器不再只能識別“清晰、端正的文字”，還能識別“傾斜、相對模糊的文字”，并且支持更多的字體。支持文檔識別、票據(jù)識別、證照識別、銀行卡識別、名片識別等多種應(yīng)用領(lǐng)域。

手寫識別SDK

靈云手寫識別技術(shù)采用最新深度學(xué)習(xí)算法，正楷、連筆字、無筆順識別率均在98%以上，且可支持中文、英文、維吾爾文、日文、韓文等多種語言、50多種筆勢識別，還擁有傾斜校正、簡繁體自動判斷、拼音獲取等強大功能，同時提供鋼筆、鉛筆、毛筆等多種筆形，將輸寫體驗融入藝術(shù)與傳統(tǒng)文化。

機器翻譯SDK

靈云機器翻譯技術(shù)采用國際先進的翻譯技術(shù)及深度學(xué)習(xí)算法，可生成流暢的譯文，翻譯結(jié)果地道流暢，忠實表達原文內(nèi)容，滿足高質(zhì)量的翻譯要求，該版本SDK支持中英、中維等多種語言互譯，具有翻譯準確率高、翻譯快速等優(yōu)點。

鍵盤輸入SDK

靈云開放平臺為廣大開發(fā)者提供鍵盤輸入SDK，支持中文，外文，韓文，日文等識別，同時支持多種鍵盤(T9，Qwerty以及容錯鍵盤)以及多種輸入模式(拼音，五筆，筆畫等)。

全方位AI技術(shù) 助力智能場景應(yīng)用落地

十多年的行業(yè)積累，捷通華聲靈云全方位人工智能技術(shù)已在各行各業(yè)得到廣泛應(yīng)用實踐，靈云SDK在移動應(yīng)用、智能客服、智能家電、智能音箱、智能車載、機器人等應(yīng)用領(lǐng)域大顯神通：可為移動應(yīng)用提供智能語音、圖像、手寫、生物特征識別等智能技術(shù)集成手段，可利用語音識別SDK、語音合成SDK、麥克風(fēng)陣列SDK等讓電視、空調(diào)等實現(xiàn)自然遠場語言交互，可通過SDK結(jié)合打造可語音、手寫的智能車載輸入法，讓車載設(shè)備擁有遠場語音識別能力，可真正實現(xiàn)讓機器人“能說會聽、能寫會看、能辨音會認人、能思考會判斷”。

未來，捷通華聲將通過靈云全方位人工智能開放平臺，為廣大企業(yè)及個人開發(fā)者提供更多更加智能的人工智能能力SDK，助力企業(yè)智能化產(chǎn)品、設(shè)備的快速落地，從而實現(xiàn)“讓每個企業(yè)都擁有人工智能，讓每個人都能享受到人工智能的輕松與便捷”。