Säg hej, eller hej, till Kinas Siri

Du kanske inte har hört talas om iFlyTek. Företaget är knappast ett känt namn på sin hemmamarknad i Kina heller. Men den har ett lastliknande grepp om över 80 procent av talteknologimarknaden i Folkrepubliken, och leder ett ekosystem med över 10 000 partners och utvecklare och med användarantal i hundratals miljoner.

Företaget grundades 1999 av Liu Qingfeng och fem andra studenter från University of Science and Technology i Kina, allmänt erkänd som en av landets framstående forskningsinstitutioner. De drog fördel av forskning som utfördes vid universitetets National Intelligent Computer R&D Center och Human-Machine Speech Communication Laboratory.

iFlyTek har utvecklat en serie text-till-tal-produkter (TTS) och, på senare tid, taligenkänning och den molnbaserade taltekniska plattformen, kallad Voice Cloud. Under åren har noggrannheten stadigt förbättrats och tekniken hittat sin väg till ett allt bredare sortiment av produkter.

Dess Voice Cloud-plattform stöder taligenkänning, talsyntes och röstinmatningsapplikationer, och från och med mars i år, talförståelse och iFlyTek YuDian – kallat kinesiska Siri – till alla med en internetaktiverad mobiltelefon.

IHS iSuppli Analytikern Ian Fogg säger att röstteknikmarknaden fortfarande är ganska omogen, men leverantörer inklusive Google och Nuance har tagit stora framsteg de senaste åren genom att använda molnets kraft för att hjälpa till att bearbeta taligenkänningsfrågor. Den gamla modellen var en röstigenkänningsapplikation som Dragon Naturally Speaking, men nackdelen var att du var tvungen att träna den till din röst, säger han.

Liu medger att iFlyTek har samma kärnteknologi som Nuance och Google, men han hävdar att dess öppna plattform och inhemska kinesiska expertis gör den överlägsen USA-tillverkade produkter.

Voice Cloud-plattformen har blivit mer exakt i takt med att antalet användare har ökat från en miljon under första halvåret 2011 till hela 100 miljoner idag, säger han.

Vi har en mer fördelaktig position i jämförelse med andra konkurrenter när det gäller det kinesiska språket och den kinesiska marknaden eftersom vi har en större mängd taldata, som uppdateras dagligen av 100 miljoner användare av vårt talmoln, säger Liu.

Kinesiska är särskilt svårt att få rätt i taligenkänning och syntes på grund av språkets tonala natur. Det vill säga, samma ord kan betyda olika saker beroende på i vilken ton det talas – ordet stänga på kantonesiska har en mängd olika betydelser, inklusive nio och hund, till exempel.

iFlyTek skapade därför ett tvåströmsmodellsystem som separerar den tonala informationen från spektrumet för att förbättra noggrannheten, enligt forskningschef Hu Yu. Företaget hävdar också att de har innovativa system som kan förstå tal även i bullriga förhållanden eller på förvrängda kanaler.

Liu hävdar att en av iFlyTeks nyckeltillgångar är dess vilja att arbeta med forskningsorgan utanför företaget, inklusive USTC, Tsing Hua University och Institute of Linguistics vid Chinese Academy of Social Sciences.

Talteknik är ett typiskt tvärvetenskapligt ämne, som involverar många olika ämnen, som datavetenskap, akustik, fonetik, lingvistik och så vidare, säger han. Med stöd från ministeriet för vetenskap och teknik i Kina byggde vi National Engineering Lab for Speech and Language Information Processing, som är det enda laboratoriet på nationell nivå inom tal- och språkområdet.

Slutligen har dess omfattande nätverk av 10 000 partners och utvecklare säkerställt att tekniken är tillgänglig via en mängd olika enheter, kanaler och applikationer. Världens största nätverksoperatör, China Mobile, tog nyligen upp en andel på 15 procent i företaget, vilket utökade dess räckvidd ytterligare.

Dessa partnerskap har också hjälpt den Siri-liknande YuDian att bättre betjäna sin användarbas genom att förse den med rika informationsresurser, inklusive underhållning, resor och biljettinformation, säger han.

Företagets teknik kan snart ta kommandon på marknader utanför Kina. För dem som är skeptiska till den engelska språkförmågan hos ett hemmaodlat kinesiskt företag är Liu angelägen om att rulla fram en imponerande lista med priser för iFlyTek-teknologi.

Den vann den internationella engelska TTS-tävlingen Blizzard Challenge i sju år i rad från 2006 till 2012 och första plats i den amerikanska utvärderingen av NIST-talare 2008 och 2010, och först i NIST-språkigenkänningsutvärderingen 2009 och 2010. Liu säger att företaget har genomförde också framgångsrikt FoU på flera andra språk, inklusive japanska, koreanska, franska, spanska och ryska.

Med Kina som nu representerar världens största smartphonemarknad, finns det helt klart en enorm potential för tillväxt.

Daniel Hong, ledande analytiker på Ovum, säger dock att iFlyTek verkar vara fokuserad på sin ganska stora captive marknad, där det fortfarande finns mycket utrymme att växa. IHS-analytikern Fogg tror också att den stora storleken på den kinesiska marknaden kan distrahera företaget på kort sikt.

Mark Natkin, grundare av Peking-baserade teknikkonsultföretaget Marbridge Consulting, var mer optimistisk. Jag tror att om den kan dra nytta av den kinesiska marknadens unika egenskaper och få dragkraft, så har den redan ett visst momentum, som ofta kan tolkas som expansion utomlands, säger han.

ABI Research senioranalytiker Michael Morgan observerar att med fokus på Kina har iFlyTek hittills kunnat undvika immaterialrättsrelaterade juridiska konflikter med sådana som Nuance. På lång sikt kan iFlyTek dra nytta av sin lokala språkexpertis för att etablera relationer med lokala OEM-tillverkare och etablera en verksamhet som är tillräckligt stor för att bli global, säger Morgan.

Med Huawei, ZTE och Lenovo redan etablerade som partners, kan den globala pushen bli snabbare än väntat eftersom dessa lokala telefonjättar ser ut att växa sina verksamheter utomlands.

Gartner tror att 2020 kommer rösten att vara interaktionskanalen mellan människor och datorer i 50 procent av alla webb- och mobilinteraktioner med kundtjänst.

Dölj