智能語(yǔ)音技術(shù)將引領(lǐng)人機(jī)交互的新模式

邊錄音邊自動(dòng)轉(zhuǎn)寫成文字的智能錄音筆，支持中文與58種外語(yǔ)互譯的新一代翻譯機(jī)、模仿不同人說(shuō)話的虛擬主播、供開(kāi)發(fā)者使用的語(yǔ)音開(kāi)放平臺(tái)。在科大訊飛股份有限公司北京總部的人工智能體驗(yàn)中心，眾多人工智能與語(yǔ)音融合的前沿技術(shù)項(xiàng)目令記者大開(kāi)眼界。

在即將到來(lái)的萬(wàn)物互聯(lián)時(shí)代，語(yǔ)音作為人類最自然、最便捷的溝通方式，將會(huì)成為所有設(shè)備和產(chǎn)品至關(guān)重要的入口。業(yè)界普遍認(rèn)為，未來(lái)的人機(jī)交互將以語(yǔ)音為主、鍵盤和觸摸為輔。

近年來(lái)，隨著智能語(yǔ)音應(yīng)用場(chǎng)景和手段不斷豐富，國(guó)內(nèi)眾多技術(shù)廠商在語(yǔ)音合成、語(yǔ)音識(shí)別、自然語(yǔ)言理解等人工智能核心技術(shù)領(lǐng)域持續(xù)發(fā)力。有理由相信，智能語(yǔ)音技術(shù)將給人們生活帶來(lái)更為深刻的改變。

提起科大訊飛，很多人會(huì)想到其主打語(yǔ)音輸入特色的“訊飛輸入法”。這款早在2010年就推出的軟件，版本號(hào)已經(jīng)到了第9代。語(yǔ)音輸入速度達(dá)到1分鐘400字，并支持多種方言，準(zhǔn)確率超過(guò)98%。在科大訊飛人工智能體驗(yàn)中心，工作人員安琪向記者演示了包括訊飛輸入法、訊飛聽(tīng)見(jiàn)、訊飛有聲等在內(nèi)的多個(gè)軟硬件產(chǎn)品。

“現(xiàn)在我們看到的就是一個(gè)離線轉(zhuǎn)寫設(shè)備，叫訊飛聽(tīng)見(jiàn)智能會(huì)議系統(tǒng)，是全球第一款中文語(yǔ)音實(shí)時(shí)轉(zhuǎn)寫和多語(yǔ)種實(shí)時(shí)翻譯的系統(tǒng)……”安琪說(shuō)了一段話，系統(tǒng)立即在屏幕上輸出準(zhǔn)確的中文和翻譯后的英文。工作人員在演示可用于大型會(huì)議翻譯的訊飛聽(tīng)見(jiàn)智能會(huì)議系統(tǒng)，說(shuō)一段話，屏幕上同時(shí)顯示出中文和英語(yǔ)譯文。

據(jù)介紹，今年全國(guó)兩會(huì)期間，代表委員們?cè)谛〗M討論中的發(fā)言被這套系統(tǒng)“滴水不漏”地記錄下來(lái)。以前的小組討論，需配兩三名工作人員，會(huì)后重聽(tīng)錄音是常態(tài)。有了“訊飛聽(tīng)見(jiàn)”，只需配一名工作人員，會(huì)后半個(gè)小時(shí)就能得到準(zhǔn)確的會(huì)議記錄。

語(yǔ)音識(shí)別就好比“機(jī)器的聽(tīng)覺(jué)系統(tǒng)”，能夠把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令。安琪介紹，隨著深度學(xué)習(xí)技術(shù)快速發(fā)展，科大訊飛在語(yǔ)音識(shí)別任務(wù)中率先實(shí)現(xiàn)規(guī)模應(yīng)用。2015年，在公證人員的見(jiàn)證下，科大訊飛機(jī)器語(yǔ)音轉(zhuǎn)寫準(zhǔn)確率首次超過(guò)速記員。針對(duì)于噪聲環(huán)境下語(yǔ)音識(shí)別的挑戰(zhàn)，科大訊飛在國(guó)際最權(quán)威的多通道語(yǔ)音分離和英文識(shí)別大賽（2016年CHiME-4和2018年CHiME-5）中，連續(xù)兩屆所有場(chǎng)景下均取得了世界第一。

另一款能快速轉(zhuǎn)寫錄音的小型設(shè)備吸引了記者的注意，這是今年5月新推出的訊飛智能錄音筆。

“在研發(fā)之初，我們經(jīng)過(guò)調(diào)研發(fā)現(xiàn)，81%的傳統(tǒng)錄音筆用戶真正需要的不是錄音，而是錄音整理出的文字。像記者采訪、會(huì)議記錄這些場(chǎng)景，錄完音后都需要及時(shí)將文字內(nèi)容快速整理出?！卑茬髡f(shuō)，訊飛智能錄音筆在聯(lián)網(wǎng)狀態(tài)下，1小時(shí)的錄音出稿只需5分鐘，中文普通話識(shí)別準(zhǔn)確率高達(dá)98%，真正打通了從錄音到轉(zhuǎn)寫再到分享以及后端查找編輯的全鏈條服務(wù)。

智能音箱是如今語(yǔ)音識(shí)別技術(shù)的熱門應(yīng)用。市場(chǎng)研究機(jī)構(gòu)最新數(shù)據(jù)顯示，中國(guó)已成為全球最大的智能音箱市場(chǎng)，僅今年第一季度銷量就達(dá)到1060萬(wàn)臺(tái)。科大訊飛MORFEI麥克風(fēng)產(chǎn)品原型，搭載4+4雙環(huán)結(jié)構(gòu)麥克風(fēng)，可實(shí)現(xiàn)遠(yuǎn)場(chǎng)空間全方位拾音。

通常情況下，每次對(duì)智能音箱下指令前，都需要提關(guān)鍵詞來(lái)喚醒，顯得“不夠智能”。而科大訊飛推出的MORFEI麥克風(fēng)，內(nèi)置了AIUI全雙工語(yǔ)音交互解決方案，可以實(shí)現(xiàn)一次喚醒、連續(xù)問(wèn)答。其遠(yuǎn)場(chǎng)語(yǔ)音識(shí)別技術(shù)，更是能在5米距離下達(dá)到95%以上的喚醒率、93%的識(shí)別率。

同樣受益的還有汽車領(lǐng)域。通過(guò)融合語(yǔ)音、視覺(jué)等感知技術(shù)，分析駕駛行為數(shù)據(jù)，整合優(yōu)質(zhì)內(nèi)容資源，科大訊飛推出的飛魚智行智能車載交互系統(tǒng)，將語(yǔ)音增強(qiáng)、自然語(yǔ)言理解等技術(shù)應(yīng)用于汽車，并與各場(chǎng)景服務(wù)深度結(jié)合。