Line CLOVA AI產品中文化落地臺灣，今年新推CLOVA Note，CLOVA Chatbot更推出三種部署版本

Line臺灣在開發者大會上發布，三大Line CLOVA AI產品正式中文化落地臺灣。一是CLOVA OCR，將推出完整產品功能，主張無論是特定表格或是證件中的文字內容，都能以OCR快速識別；CLOVA Chatbot則是推出雲端SaaS、地端On-Premise與混合雲部署版本，來滿足企業應用需求；今年更新推CLOVA Note服務，不只要將中文語音轉文字，還要區分出不同的發言者，未來除了可作爲個人助理，也要提供Web service串接到視訊會議來做記錄，這項服務預計在今年稍晚推出。

CLOVA OCR：因應不同辨識情境，提供一般與專用文字辨識模型

Line CLOVA團隊Aaron Wu首先揭露CLOVA OCR完整產品功能。Line的OCR產品可分為一般情境的文字辨識模型（General Model）與專門情境辨識模型（Specialized Model），除了經過一年的中文化調整與優化，Line今年也在一般情境辨識模型中，推出新功能Table Extractor，讓用戶在掃描文件或圖片上的表格時，能夠用Table Extractor來辨識，透過將JSON File的參數，對應到每個字元在表格上的欄位，來快速擷取圖片上的表格與其欄位中的文字。

由於在進行拍攝、截圖或掃描時，圖片的角度或光線都會影響OCR辨識的結果，Line因此新增了以AI自動調整角度的功能，能辨識出直式的表格文字為橫式等。Aaron Wu指出，這項功能在日本推出後大獲好評，比如在疫情期間，用戶需要將疫苗預約單的內容輸入系統來進行疫苗預約，透過訓練出OCR辨識模型，並結合自動調整辨識角度的功能，就能加速資訊擷取的效率，甚至連揉成一團的皺巴巴紙張，都能辨識出紙張上的文字資訊，尤其受到銀髮族的歡迎。

CLOVA OCR能自動調整角度來進行OCR辨識。

經過模型訓練後，連一團皺巴巴的紙張，都可以進行OCR辨識。

另一項專門情境辨識模型，則分為兩種類別，一是證件式的模型辨識，包括身分證、健保卡、護照等，雖然格式較固定，但因背景花紋或表格框線的樣式不同，還是需要透過模型訓練來強化辨識能力。二是非證件式的模型辨識，屬於內容相近但格式呈現不同者，比如名片、收據、信用卡、薪資單等，這類格式位置不固定者，就得透過足量資料來進行模型訓練，才能正確捕捉各種欄位資訊。

針對General Model與Specialized Model兩類模型的訓練，CLOVA OCR更提供了Template Builder工具，提供一個易於操作的介面，讓用戶能透過拖拉的方法，選擇需要辨識的區塊、定位並命名，更提供了足量的標註工具，包括複寫框、多重字元框、Check Box等，以供用戶更精準定義表格並擷取資訊。同時，CLOVA OCR也能串接不同工具或技術，比如自動標註功能（Auto Tagging）、知識圖譜或是RPA流程等，來建立端到端自動化流程。

Template Builder工具提供了許多標註工具，包括複寫框、多重字元框、Check Box等，以供用戶更精準定義表格。

CLOVA Chatbot：Chatbot Bulider讓非開發者快速上手，更提供三種部署方式

落地臺灣的CLOVA Chatbot也同樣提供了Chatbot Bulider工具，降低訓練人機對話系統的繁複流程，讓用戶只須準備好由機器人回答的問題與答案，以及相應的訓練資料，就可藉由圖形化介面訓練出專屬的Chatbot模型，並應用到Line官方帳號上，連不具程式開發技能的用戶都能上手。

為了滿足各種不同用戶的需求，CLOVA Chatbot提供三種部署方式，其一是雲端SaaS解決方案，透過雲端平臺提供所有的Chatbot模型引擎，日本與韓國均有大量應用案例；其二是地端On-Premise版本，主要針對有落地需求、考量資料安全性的企業用戶，可透過SI廠商將服務導入企業本地端來使用；其三則是專為臺灣企業設計的混合雲架構（Hybrid），結合雲端與地端的優勢，讓用戶一方面可維持隱私資料落地的安全性，一方面也可以降低運算資源的硬體成本投入。

Aaron Wu分享，Line客服官方帳號也實際應用了CLOVA Chatbot，2021年正式導入後，已經有8成以上的資料交由CLOVA Chatbot處理，平均每日可以接收超過5,000則以上的詢問訊息，更能維持90%以上的模型精準度。在這項Chatbot服務的設計上，Line引進了情境式對話功能，引導使用者逐步釐清問題，找到需要的答案，來提升滿意度。

而且，透過CLOVA Chatbot的自動回覆與資料搜集，持續分析客服訊息後，Line發現超過兩成以上使用者問題，都跟帳號轉移相關，因此，Line也計畫在今年第一季推出「帳號移動健檢」功能，透過CLOVA Chatbot的進階功能，將Chatbot串接後端帳號系統，在經過用戶同意的情況下，從後臺自動讀取用戶資料，拋轉到Line內部伺服器後，再以Flex Message格式呈現在對話視窗中，來與用戶確認帳戶移轉的相關資訊。

比如透過Chatbot先跟用戶確認電話號碼、Email以及是否已經設定密碼，也會確認帳號轉移的手機號碼是否一致，並提醒用戶在資料轉移之前，是否已經先備份資料，以此來幫助用戶更精準、快速的解決問題。在與用戶確認資訊的過程中，Line也會使用CLOVA Chatbot的隱藏式遮蔽功能，將敏感性的資料遮蓋。

CLOVA Note將於今年上線，可將語音轉為文字、更能區別不同發言者

另一項Line臺灣將在今年稍晚推出的AI新服務，則是CLOVA Note，來轉錄語音進行各式各樣的記錄。CLOVA Note使用了兩項主要的語音技術，一為語音辨識（Speech Recognition），將語音轉換為文字，二是說話者辨別（Speaker Diarization）技術，來分辨不同的發言者。

在語音辨識的技術中，Line採用的並非傳統語音辨識（ASR）模型的訓練方法。Aaron Wu指出，傳統的ASR模型訓練方法，會先透過聲學模型（Acoustic Model），將聲音轉換為最小的聲音單位，再透過Phoneme-to-grapheme模型，將每個聲音的最小單位轉換為字串，最後再透過語言模型（Language Model），將每個字元組合成一個完整的句子。但如此一來，每個模型都得分開訓練，也需要不同的訓練素材與參數調教，「這對ML來說是一個阻礙。」

因此，Line選擇透過自家研發出來的NEST引擎，這是一個以神經網絡架構出的端到端語言辨識模型，不需要訓練三個模型將語音轉為文字，而是能直接將語音輸入神經網絡來進行訓練，不僅能突破對Free Conversation的辨識，也強化了抗噪的功能。

而在說話者辨識的模型中，則是運用每一個文字的字元字段，進行上下文比對，再透過判斷上下文之間的關係，以辨識出不同的說話者。

Aaron Wu表示，CLOVA Note除了可以作為個人助理，也能作為Web service服務串接到視訊會議軟體當中，來進行會議記錄，同時區分發言的對象。韓國在上線後，約有9成用戶以此進行會議記錄，臺灣今年也會上線中文服務。