東軟開(kāi)放日大汽車(chē)專(zhuān)場(chǎng)暨韜客第四季在東軟舉辦，活動(dòng)旨在充盈企業(yè)員工知識(shí)庫(kù)，以促進(jìn)對(duì)外知識(shí)技能、市場(chǎng)信息交流為目的。

思必馳·上海交大聯(lián)合實(shí)驗(yàn)室副主任、上海研發(fā)中心主任錢(qián)彥旻受邀參加，發(fā)表了題為《智能語(yǔ)音技術(shù)及產(chǎn)業(yè)化應(yīng)用》的演講，從AI語(yǔ)音科技的時(shí)代進(jìn)程、技術(shù)重難點(diǎn)到產(chǎn)業(yè)應(yīng)用等全方位，展示智能語(yǔ)音對(duì)于科技和社會(huì)的影響力。

AI語(yǔ)音技術(shù)：智能時(shí)代的入口

移動(dòng)互聯(lián)網(wǎng)時(shí)代的繁榮離不開(kāi)PC時(shí)代的技術(shù)沉積，如果說(shuō)科技是個(gè)接力棒的革新過(guò)程的話，那人工智能的爆發(fā)便離不開(kāi)移動(dòng)互聯(lián)網(wǎng)奠定的結(jié)實(shí)基礎(chǔ)。

錢(qián)彥旻表示，大數(shù)據(jù)、云計(jì)算、超級(jí)硬件、深度學(xué)習(xí)共同構(gòu)成了人工智能四大基礎(chǔ)，在此之上，人工智能以實(shí)體機(jī)器人、人機(jī)交互的形式進(jìn)行商業(yè)化落地，并以大數(shù)據(jù)分析的方式智能運(yùn)營(yíng)，以上三點(diǎn)共同促成了人工智能的爆發(fā)和AI時(shí)代的到來(lái)。

AI技術(shù)在物聯(lián)網(wǎng)的應(yīng)用加深了人與硬件及硬件與硬件之間的聯(lián)系，同時(shí)也促使了智能設(shè)備形態(tài)的迷你化和無(wú)屏化，因此錢(qián)彥旻認(rèn)為，智能口語(yǔ)對(duì)話是物聯(lián)網(wǎng)時(shí)代的人工智能入口，從而，語(yǔ)音交互成為繼按鍵、觸屏交互方式之后的新興交互模態(tài)。

同時(shí)更促進(jìn)了傳統(tǒng)電子產(chǎn)品的升級(jí)，如手機(jī)智能助手、智能音箱、智能手表等以語(yǔ)音交互為主的智能設(shè)備都是這一演變下的產(chǎn)物，AI語(yǔ)音交互已成為新興科技產(chǎn)品的智能入口。

在數(shù)十年前，圖靈測(cè)試便提出了“能否通過(guò)智能對(duì)話測(cè)試是判斷機(jī)器是否具備人類(lèi)智能的方法”，由于智能對(duì)話可直接體現(xiàn)AI的認(rèn)知和感知能力，是智能化的最高表現(xiàn)，故被喻為人工智能皇冠上的明珠，而語(yǔ)音識(shí)別及分析作為智能語(yǔ)音交互閉環(huán)的入口，對(duì)語(yǔ)義內(nèi)容提取起著“金鑰匙”般的開(kāi)端作用。

語(yǔ)音識(shí)別技術(shù)：智能對(duì)話入口

語(yǔ)音識(shí)別歷來(lái)是人工智能和機(jī)器學(xué)習(xí)中的十大經(jīng)典難題之一，它的難點(diǎn)可以整體歸納為三方面的不確定性——說(shuō)話人、環(huán)境、設(shè)備。

說(shuō)話人作為語(yǔ)音主體，本身具有語(yǔ)言復(fù)雜性，世界上有6900多種語(yǔ)言，且小語(yǔ)種的數(shù)字資源較為匱乏，開(kāi)發(fā)難度大；語(yǔ)音富信息，如性別、年齡、情緒的不同也讓語(yǔ)音識(shí)別的過(guò)程更加復(fù)雜。

就外部環(huán)境而言，噪聲下的魯棒識(shí)別是語(yǔ)音識(shí)別大規(guī)模應(yīng)用的主要絆腳石，會(huì)議室、電影院、體育場(chǎng)等場(chǎng)景的不同，會(huì)導(dǎo)致噪聲、遠(yuǎn)場(chǎng)、信道失配等情況的差異，這對(duì)于多類(lèi)別復(fù)雜場(chǎng)景下的通用語(yǔ)音識(shí)別的實(shí)現(xiàn)難度較大。

識(shí)別技術(shù)離不開(kāi)計(jì)算資源的支持，離線識(shí)別、連續(xù)性識(shí)別、低功耗等技術(shù)和硬件設(shè)備的升級(jí)都能幫助計(jì)算資源的擴(kuò)展，對(duì)將語(yǔ)音識(shí)別走向千家萬(wàn)戶，有巨大的推動(dòng)作用。

針對(duì)以上難點(diǎn)，思必馳的語(yǔ)音識(shí)別技術(shù)也有了改進(jìn)，其識(shí)別技術(shù)可進(jìn)行聲紋識(shí)別、抗噪及遠(yuǎn)場(chǎng)識(shí)別、性別、年齡、情緒識(shí)別等；在設(shè)備上，研發(fā)的AI語(yǔ)音專(zhuān)用TAIHANG芯片，能更好地實(shí)現(xiàn)離線識(shí)別和低功耗等功能，將AI語(yǔ)音技術(shù)賦能至更多智能硬件中。

智能車(chē)載：最佳應(yīng)用場(chǎng)景

從技術(shù)到到商業(yè)化變現(xiàn)，離不開(kāi)對(duì)場(chǎng)景需求的挖掘和探索，車(chē)載是AI語(yǔ)音的最佳應(yīng)用場(chǎng)景，思必馳將全鏈路語(yǔ)音交互技術(shù)應(yīng)用于智能車(chē)載方案，其中包括車(chē)載語(yǔ)音交互系統(tǒng)——天琴語(yǔ)音助手，目前已與上百家車(chē)企、Tier1合作，已將“小天”搭載至五十余款主流車(chē)型中。

語(yǔ)音采集上，思必馳的雙麥/四麥方案可采集車(chē)載空間的全方位語(yǔ)音信息，通過(guò)多音區(qū)定位技術(shù)支持一對(duì)多交互；語(yǔ)音識(shí)別上，能夠保證在噪音環(huán)境下保持超高識(shí)別率和“云+端”穩(wěn)定性，同時(shí)支持普通話和多種方言識(shí)別。

在語(yǔ)義理解和對(duì)話管理上，天琴助手能分析出說(shuō)話人情感，完成高情商的閑聊互動(dòng)，并同時(shí)完成各項(xiàng)技能和內(nèi)容資源調(diào)用任務(wù)，如點(diǎn)歌、導(dǎo)航、訂票、查天氣等等；作為對(duì)話回應(yīng)，思必馳的TTS復(fù)刻技術(shù)可快速生成“高仿真度”的合成音，讓愛(ài)人、家人、朋友時(shí)刻陪伴自己。

在整個(gè)車(chē)載場(chǎng)景的交互中，思必馳的全雙工技術(shù)可以讓喚醒、聆聽(tīng)、回復(fù)同時(shí)進(jìn)行，實(shí)現(xiàn)one-shot一把說(shuō)，貼近自然語(yǔ)言對(duì)話。此外，還包括了個(gè)性化推薦、智能打斷、離線交互等，來(lái)更好地幫助車(chē)主解放雙手，守護(hù)出行安全

未來(lái)思必馳會(huì)將AI語(yǔ)音技術(shù)應(yīng)用于更多行業(yè)場(chǎng)景中，“溝通萬(wàn)物，打理萬(wàn)事”是思必馳的愿景，更是智能語(yǔ)音在AI時(shí)代的驅(qū)動(dòng)方向。

責(zé)任編輯：ct