近日，標(biāo)貝科技作為英特爾AI百佳創(chuàng)新激勵(lì)計(jì)劃成員，受邀出席英特爾&智東西公開(kāi)課《AI百佳創(chuàng)新激勵(lì)計(jì)劃在線研討會(huì)》智能語(yǔ)音專場(chǎng)活動(dòng)，標(biāo)貝科技副總裁穆向禹博士圍繞《智能語(yǔ)音技術(shù)的發(fā)展和產(chǎn)品落地形態(tài)》進(jìn)行主題分享，與近7000位業(yè)內(nèi)人士一起在線探討交流了AI技術(shù)在智能語(yǔ)音的應(yīng)用和落地。
據(jù)介紹，今年5月，「AI 百佳創(chuàng)新激勵(lì)計(jì)劃在線研討會(huì)」由英特爾聯(lián)合智東西公開(kāi)課全新策劃上線，包括智慧零售、智慧醫(yī)療、智慧金融、智能機(jī)器人、智能語(yǔ)音和智能決策六大專場(chǎng)組成，計(jì)劃邀請(qǐng)15家創(chuàng)新團(tuán)隊(duì)進(jìn)行專題分享。作為智能語(yǔ)音領(lǐng)域代表名牌，標(biāo)貝科技應(yīng)邀出席智能語(yǔ)音專場(chǎng)研討會(huì)。
以下為穆向禹博士分享的主要內(nèi)容
↓↓↓
01
AI賦能 智能語(yǔ)音遍地開(kāi)花
智能語(yǔ)音是實(shí)現(xiàn)人與機(jī)器以語(yǔ)言為紐帶的通信。完整的人機(jī)對(duì)話包括聲音信號(hào)的前端處理、通過(guò)語(yǔ)音識(shí)別技術(shù)將聲音轉(zhuǎn)為文字供機(jī)器處理、通過(guò)自然語(yǔ)言處理和自然語(yǔ)言理解技術(shù)，計(jì)算機(jī)理解了文字內(nèi)容，用語(yǔ)音合成技術(shù)將文本語(yǔ)言轉(zhuǎn)化為聲音輸出，從而形成完整的人機(jī)語(yǔ)音交互。
人類對(duì)機(jī)器語(yǔ)音識(shí)別的探索始于20世紀(jì)50年代，隨著計(jì)算硬件能力的不斷提升和深度學(xué)習(xí)技術(shù)的不斷演進(jìn)，智能語(yǔ)音技術(shù)歷經(jīng)了萌芽、突破、產(chǎn)業(yè)化、快速應(yīng)用的發(fā)展后，終于進(jìn)入到一個(gè)新的爆發(fā)期，迄今已逾70年。
當(dāng)前，大批國(guó)際、國(guó)內(nèi)巨頭加速在各垂直行業(yè)的滲透和布局，形成了全新的智能語(yǔ)音產(chǎn)業(yè)格局。從C端應(yīng)用的移動(dòng)設(shè)備、智能車載設(shè)備、智能家居，到B端的智能客服、智慧教育、智慧醫(yī)療、智慧金融等，智能語(yǔ)音應(yīng)用遍地開(kāi)花。
02
全面語(yǔ)音能力 加速智能語(yǔ)音產(chǎn)品落地
智能語(yǔ)音交互是基于語(yǔ)音識(shí)別、語(yǔ)音合成，自然語(yǔ)言處理等諸多技術(shù)賦予語(yǔ)音產(chǎn)品“聽(tīng)清、聽(tīng)懂、回應(yīng)”的綜合型交互技術(shù)。常見(jiàn)的語(yǔ)音助手、語(yǔ)音播報(bào)、智能翻譯等，這些都離不開(kāi)語(yǔ)音交互技術(shù)的身影。
隨著智能語(yǔ)音商業(yè)化應(yīng)用推動(dòng)智能語(yǔ)音市場(chǎng)的迅猛發(fā)展，從單一的語(yǔ)音產(chǎn)品體驗(yàn)，到更加多樣化以及個(gè)性化的語(yǔ)音交互體驗(yàn)，AI在各個(gè)應(yīng)用場(chǎng)景落地應(yīng)用給產(chǎn)業(yè)帶來(lái)了新生機(jī)。
從技術(shù)發(fā)展角度來(lái)看，人工智能邏輯推理能力不斷增強(qiáng)、運(yùn)算智能逐漸成熟，目前語(yǔ)音識(shí)別、語(yǔ)音合成、機(jī)器翻譯等交互技術(shù)的能力都已經(jīng)逼近人類智能。未來(lái)幾年內(nèi)，更加成熟化的語(yǔ)音交互技術(shù)將通過(guò)云平臺(tái)和智能硬件產(chǎn)品平臺(tái)快速實(shí)現(xiàn)商業(yè)化部署，前景十分廣闊。
為推動(dòng)語(yǔ)音交互技術(shù)以更便捷、更普惠的形式賦能企業(yè)和個(gè)人開(kāi)發(fā)者，標(biāo)貝科技以一站式SaaS服務(wù)平臺(tái)的方式對(duì)外開(kāi)放AI智能語(yǔ)音服務(wù)能力，通過(guò)簡(jiǎn)單易用的SDK和API的接入，即可一鍵部署各類服務(wù)，讓開(kāi)發(fā)者輕松搞定產(chǎn)業(yè)級(jí)應(yīng)用，加速語(yǔ)音產(chǎn)品的落地。
標(biāo)貝開(kāi)放平臺(tái)的語(yǔ)音合成服務(wù)搭載了標(biāo)貝科技現(xiàn)有的全域發(fā)音人模型，提供超過(guò)100個(gè)精品特色發(fā)音人選擇，支持在線合成、離線合成，長(zhǎng)文本及短文本合成。語(yǔ)音識(shí)別提供一句話識(shí)別、長(zhǎng)語(yǔ)音識(shí)別、錄音文件識(shí)別、自學(xué)習(xí)工具四種服務(wù)，支持中文、英文、粵語(yǔ)和維語(yǔ)四種語(yǔ)言。
此外，為了滿足更多合作伙伴的多樣化語(yǔ)音定制需求，標(biāo)貝開(kāi)放平臺(tái)還可以提供在線和離線的聲音轉(zhuǎn)換、聲紋識(shí)別、聲音理解、語(yǔ)音評(píng)測(cè)等多種語(yǔ)音拓展能力。
03
人機(jī)交互 未來(lái)無(wú)限可期
AI時(shí)代，萬(wàn)物互聯(lián)已成必然趨勢(shì)。而智能語(yǔ)音作為人機(jī)交互的關(guān)鍵通信接口，隨著應(yīng)用場(chǎng)景的進(jìn)一步下沉和拓展，面臨不少挑戰(zhàn)。
對(duì)于語(yǔ)音識(shí)別而言，由于每一種語(yǔ)言都需要單獨(dú)采集數(shù)據(jù)，獨(dú)立訓(xùn)練部署，不同場(chǎng)景需要有持續(xù)學(xué)習(xí)的能力，效率低成本大；其次，復(fù)雜場(chǎng)景下的語(yǔ)音識(shí)別夾雜的噪音、混響、白噪聲、多人說(shuō)話等，容易影響機(jī)器識(shí)別的準(zhǔn)確率。
另一方面，雖然近兩年語(yǔ)音合成的聲音自然度有了很大提升，但還缺少情感表現(xiàn)力，同時(shí)由于受限于數(shù)據(jù)采集和專業(yè)知識(shí)的限制，無(wú)法打造適用于所有場(chǎng)景的語(yǔ)音合成能力。
挑戰(zhàn)的背后，歸根結(jié)底在于關(guān)鍵技術(shù)仍有待突破。未來(lái)，標(biāo)貝科技不僅將持續(xù)加碼自主研發(fā)投入，推動(dòng)技術(shù)升級(jí)，還將不斷從多個(gè)維度拓展新的應(yīng)用場(chǎng)景，持續(xù)為客戶提供更便捷、更場(chǎng)景化的語(yǔ)音服務(wù)，實(shí)現(xiàn)技術(shù)創(chuàng)新和商業(yè)化應(yīng)用的雙贏。
