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,迄今已逾70年。2016年,在深度神經(jīng)網(wǎng)絡(luò)的幫助下,機(jī)器語(yǔ)音識(shí)別準(zhǔn)確率第一次達(dá)到人類水平,意味著智能語(yǔ)音技術(shù)落地期到來(lái)。
智能語(yǔ)音即實(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、將聲音轉(zhuǎn)為文字供機(jī)器處理、在機(jī)器生成語(yǔ)言之后,用語(yǔ)音合成技術(shù)將文本語(yǔ)言轉(zhuǎn)化為聲波,從而形成完整的人機(jī)語(yǔ)音交互。
目前,智能語(yǔ)音已廣泛應(yīng)用于智能手機(jī)、智能音箱、智能車(chē)載等場(chǎng)景。
圖源《2020年中國(guó)智能語(yǔ)音行業(yè)研究報(bào)告》
在這些智能應(yīng)用實(shí)現(xiàn)的背后,是數(shù)據(jù)對(duì)模型的訓(xùn)練發(fā)揮的巨大推動(dòng)作用。目前,主流的深度學(xué)習(xí)方式以有監(jiān)督學(xué)習(xí)模式為主。在該模式下,算法訓(xùn)練需要依靠標(biāo)注數(shù)據(jù)對(duì)學(xué)習(xí)結(jié)果進(jìn)行反饋,對(duì)于數(shù)據(jù)有著強(qiáng)依賴性需求,這也帶動(dòng)了AI基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)的繁榮。
作為AI數(shù)據(jù)采集標(biāo)注服務(wù)頭部企業(yè),云測(cè)數(shù)據(jù)致力于為人工智能提供場(chǎng)景化、高質(zhì)量的AI數(shù)據(jù)服務(wù)。通過(guò)嚴(yán)格控制前端采集標(biāo)準(zhǔn)、專業(yè)精準(zhǔn)化標(biāo)注、數(shù)據(jù)質(zhì)量審核把控等流程,大幅提升AI數(shù)據(jù)交付質(zhì)量與效率。
1、云測(cè)數(shù)據(jù)擁有語(yǔ)音場(chǎng)景的還原搭建能力
隨著智能語(yǔ)音應(yīng)用在多個(gè)垂直場(chǎng)景領(lǐng)域?qū)崿F(xiàn)落地,人工智能對(duì)于場(chǎng)景化數(shù)據(jù)的需求量也越來(lái)越高。
云測(cè)數(shù)據(jù)的“場(chǎng)景化”服務(wù)模式,可以在語(yǔ)音類型的數(shù)據(jù)采集上滿足特定人物(年紀(jì)、性別等)、特定場(chǎng)景(家居、辦公、商業(yè)等)、不同方言的聲音/文本數(shù)據(jù)采集;在數(shù)據(jù)標(biāo)注上進(jìn)行需求的梳理,通過(guò)先進(jìn)的標(biāo)注平臺(tái)工具根據(jù)規(guī)則性的規(guī)范指導(dǎo)(如:同樣一句話在不同交流目的中可能需要標(biāo)注不同的內(nèi)容)進(jìn)行標(biāo)注作業(yè)。
以目前廣泛應(yīng)用的語(yǔ)音助手為例,為了提高語(yǔ)音助手在不同場(chǎng)景下的識(shí)別能力,需要采集特殊場(chǎng)景下語(yǔ)音數(shù)據(jù),比如“室外對(duì)話”、“室內(nèi)對(duì)話”、“情感語(yǔ)音”、“嘈雜環(huán)境下對(duì)話”、“ 車(chē)載噪音”、“ 遠(yuǎn)場(chǎng)語(yǔ)音”等場(chǎng)景下的數(shù)據(jù),這對(duì)數(shù)據(jù)服務(wù)企業(yè)的語(yǔ)音場(chǎng)景搭建能力提出了新的要求。
2、云測(cè)數(shù)據(jù)擁有豐富的語(yǔ)音數(shù)據(jù)備采資源
從業(yè)務(wù)流程角度來(lái)看,數(shù)據(jù)采集是人工智能數(shù)據(jù)服務(wù)行業(yè)全流程服務(wù)中的“第一步”,純凈、貼合AI應(yīng)用場(chǎng)景的數(shù)據(jù)源可解決數(shù)據(jù)訓(xùn)練中90%的問(wèn)題,之后將這些非結(jié)構(gòu)化的數(shù)據(jù)經(jīng)過(guò)精準(zhǔn)的標(biāo)注,才能被用于機(jī)器學(xué)習(xí)訓(xùn)練。
以云測(cè)數(shù)據(jù)為例我們了解到,單是語(yǔ)音采集,按照語(yǔ)種的不同,可細(xì)分為普通話采集、方言采集、英語(yǔ)采集、小語(yǔ)種采集等,這對(duì)數(shù)據(jù)采集服務(wù)企業(yè)的備采資源能力提出了極高的要求。
3、云測(cè)數(shù)據(jù)擁有對(duì)語(yǔ)音數(shù)據(jù)預(yù)處理的能力
為了產(chǎn)出更專業(yè)高效的語(yǔ)音數(shù)據(jù),在語(yǔ)音等類型的數(shù)據(jù)生產(chǎn)過(guò)程中,云測(cè)數(shù)據(jù)通過(guò)嚴(yán)格的條件限制從根源上確保數(shù)據(jù)的質(zhì)量。
如在音頻類數(shù)據(jù)采集工具中的設(shè)置:
·靜默時(shí)長(zhǎng):開(kāi)始錄音前后保留靜音區(qū)域
·底噪:環(huán)境的嘈雜程度
·錄音音量:錄音音量的小大
·其他:不允許出現(xiàn)多字/少字
云測(cè)數(shù)據(jù)在進(jìn)行語(yǔ)音采集時(shí),會(huì)通過(guò)自動(dòng)檢測(cè)靜默時(shí)長(zhǎng)、底噪、錄音音量等條件,對(duì)數(shù)據(jù)的質(zhì)量進(jìn)行嚴(yán)格控制,不滿足錄制要求的數(shù)據(jù)不允許通過(guò)。
4、云測(cè)數(shù)據(jù)擁有專業(yè)領(lǐng)域知識(shí)積累,可進(jìn)行更精準(zhǔn)的標(biāo)注
以智能客服業(yè)務(wù)場(chǎng)景為例,當(dāng)客服詢問(wèn)用戶是否購(gòu)買(mǎi)此商品時(shí),各種用戶會(huì)給出不同回答:“我要和家人商量一下”;“我會(huì)考慮”;“我現(xiàn)在不方便,你一會(huì)兒再打過(guò)來(lái)”等等,背后的意圖有很多種,可能是暫不購(gòu)買(mǎi),暫不考慮,拒絕購(gòu)買(mǎi)或者興趣較大。那么,語(yǔ)音數(shù)據(jù)標(biāo)注就需要對(duì)這些對(duì)話背后的意圖進(jìn)行標(biāo)注和分類。
在云測(cè)數(shù)據(jù),以智能客服單個(gè)場(chǎng)景的意圖標(biāo)注,就分為10-20個(gè)大類,上百個(gè)子類,根據(jù)業(yè)務(wù)需求可能還會(huì)有進(jìn)一步的標(biāo)注細(xì)分。除了對(duì)語(yǔ)音數(shù)據(jù)進(jìn)行對(duì)話意圖標(biāo)注之外,語(yǔ)音數(shù)據(jù)的標(biāo)注還包含對(duì)領(lǐng)域、槽位的識(shí)別標(biāo)注、多角度泛化等。
從整體看來(lái),目前智能語(yǔ)音應(yīng)用整體還處于的發(fā)展中階段,并不算真正意義上的“智能”。 隨著技術(shù)的不斷突破,智能語(yǔ)音將更加深入垂直場(chǎng)景,若想提高人們對(duì)智能語(yǔ)音相關(guān)應(yīng)用的依賴和認(rèn)可,首先要解決的就是人機(jī)交互的流暢性,而核心解決辦法正是更高質(zhì)量的AI訓(xùn)練數(shù)據(jù)。
但可以肯定的是,未來(lái)搭載更多、更成熟AI技術(shù)的智能語(yǔ)音應(yīng)用將更加人性化,真正成為智能生活中的語(yǔ)音助手。
