【51CTO.com原創(chuàng)稿件】 智能語音技術(shù)包括語音降噪、語音識(shí)別、聲紋識(shí)別、語義理解、對(duì)話管理、語音合成等技術(shù)，將在物聯(lián)網(wǎng)新一代交互中占據(jù)重要地位，構(gòu)建出更加豐富和自然的智能產(chǎn)品應(yīng)用體驗(yàn)的基礎(chǔ)。國內(nèi)智能語音的高速發(fā)展，離不開互聯(lián)網(wǎng)的強(qiáng)勢(shì)推動(dòng)。云知聲作為國內(nèi)智能語音創(chuàng)業(yè)企業(yè)的代表，自2012年創(chuàng)立以來一直受到業(yè)界關(guān)注。在2017WOTI全球創(chuàng)新技術(shù)峰會(huì)前夕，51CTO編輯致電訪問云知聲創(chuàng)始人梁家恩先生，針對(duì)智能語音技術(shù)在國內(nèi)的發(fā)展現(xiàn)狀，以及云知聲的經(jīng)營之道進(jìn)行深入溝通。
 

[[197415]]
云知聲CTO梁家恩

梁家恩，云知聲CTO.2001年畢業(yè)于中國科技大學(xué)，2006年畢業(yè)于中國科學(xué)院自動(dòng)化研究所，獲博士學(xué)位，并留所負(fù)責(zé)語音技術(shù)創(chuàng)新和產(chǎn)業(yè)化；2011年加入盛大語音創(chuàng)新院任高級(jí)研究員；2012年創(chuàng)立云知聲；WOTI2017全球創(chuàng)新技術(shù)峰會(huì)分享嘉賓。

智能語音技術(shù)在物聯(lián)網(wǎng)中的應(yīng)用

智能語音的應(yīng)用從初期的手機(jī)助手形態(tài)（語音撥號(hào)、語音導(dǎo)航、語音搜索、語音聽寫等），發(fā)展到今天軟硬一體的遠(yuǎn)講降噪、語音喚醒、聲紋識(shí)別、語用計(jì)算、流式交互等等。

不同于傳統(tǒng)語音技術(shù)廠商和大型互聯(lián)網(wǎng)企業(yè)，云知聲憑借自身的技術(shù)研發(fā)優(yōu)勢(shì)和新興物聯(lián)網(wǎng)市場(chǎng)定位迅速占領(lǐng)了市場(chǎng)。據(jù)梁家恩先生介紹，云知聲以智能語音交互技術(shù)起家，2014年開始布局物聯(lián)網(wǎng)產(chǎn)業(yè)化戰(zhàn)略，現(xiàn)已搭建起面向物聯(lián)網(wǎng)的"云-端－芯"一體化智能語音交互解決方案。在應(yīng)用方面，智能語音交互方案在智能家居、醫(yī)療、車載、教育等方面有很多令人看好的落地成果，在行業(yè)內(nèi)處于領(lǐng)先地位。

云知聲切入物聯(lián)網(wǎng)應(yīng)用，最早是從樂視超級(jí)電視合作開始的，當(dāng)時(shí)實(shí)現(xiàn)了LeTV的智能語音控制和音視頻資源搜索。2014年，很多家電廠商也開始尋求家電產(chǎn)品智能化方案，空調(diào)是相對(duì)比較剛需的，遠(yuǎn)講語音控制成為替代傳統(tǒng)遙控器的主要切入點(diǎn)。目前在空調(diào)方面，云知聲和美的、格力、長虹等都進(jìn)行了合作，實(shí)現(xiàn)了智能空調(diào)的遠(yuǎn)講語音控制的規(guī)模化量產(chǎn)。此外，智能音箱也是近幾年的熱點(diǎn)，云知聲在今年6月的五周年發(fā)布會(huì)上，也推出了支持流式交互的智能音箱解決方案--Pandora。
 

智能語音技術(shù)主要面臨的挑戰(zhàn)

從當(dāng)前的語音識(shí)別技術(shù)發(fā)展看來，基礎(chǔ)理論和技術(shù)框架已經(jīng)基本成熟，目前主要是基于深度神經(jīng)網(wǎng)絡(luò)的識(shí)別架構(gòu)，再加上大規(guī)模的真實(shí)數(shù)據(jù)訓(xùn)練。目前在手機(jī)端的近講語音識(shí)別錯(cuò)誤率可以做到3%以內(nèi)，在電話語音識(shí)別錯(cuò)誤率可以做到6%以內(nèi)，基本上接近或超過人工識(shí)別的水平。語義理解和知識(shí)圖譜等認(rèn)知技術(shù)，目前還沒有形成通用的技術(shù)框架，主要是針對(duì)具體垂直領(lǐng)域進(jìn)行優(yōu)化，這部分有待突破性進(jìn)展。

目前語音交互技術(shù)面臨最大的挑戰(zhàn)還是來自產(chǎn)業(yè)應(yīng)用層面：

首先是針對(duì)專業(yè)領(lǐng)域的優(yōu)化，比如在醫(yī)療領(lǐng)域，通常專用詞匯比較多，讓我們普通人去聽的時(shí)候可能都寫不下來，只有經(jīng)過專業(yè)訓(xùn)練的醫(yī)生和護(hù)士才能準(zhǔn)確記錄；影視節(jié)目查詢、商品搜索、路徑導(dǎo)航等方面也同樣需要做針對(duì)性的優(yōu)化。

其次是相對(duì)復(fù)雜的口音和噪聲環(huán)境，包括全國各地的口音和方言、遠(yuǎn)講、噪聲、混響等，都是比較復(fù)雜的。聲音傳播能量是隨距離平方成反比關(guān)系的，傳播距離增加一倍能量就衰減到四分之一，在五米外采集的語音能量，和在一米采集能量相比就相差25倍，但噪聲并沒有因?yàn)榫嚯x而降低，加上距離遠(yuǎn)之后，房間會(huì)出現(xiàn)多次反射和疊加，還會(huì)形成混響效果，信噪比會(huì)下降很多，都會(huì)對(duì)識(shí)別效果造成影響，這些是需要麥克風(fēng)陣列結(jié)合語音聲學(xué)模型去解決的問題。

第三是低功耗、低成本、高可靠的問題，智能家電需要滿足綠色環(huán)保標(biāo)準(zhǔn)，需要確保24小時(shí)誤喚醒低于1次，盡量不出現(xiàn)誤操作，要實(shí)現(xiàn)大規(guī)模量產(chǎn)出貨，還要降低整體方案的成本。面向物聯(lián)網(wǎng)的智能語音交互方案，如果功耗成本下不來就不能普及，智能手表、手環(huán)等依賴電池的穿戴設(shè)備，功耗和成本問題就更加嚴(yán)重。

最后是語音交互設(shè)計(jì)問題，這是語音技術(shù)產(chǎn)品化的重中之重，現(xiàn)在的物聯(lián)網(wǎng)設(shè)備，大到汽車、空調(diào)、機(jī)器人，小到玩具、穿戴設(shè)備等，有大有小、有帶屏幕和不帶屏幕、涉及不同的應(yīng)用領(lǐng)域，交互方式差異非常大，需要針對(duì)性優(yōu)化語義理解和知識(shí)圖譜。

語音交互是未來物聯(lián)網(wǎng)的重要交互手段，這是我們?yōu)槭裁窗盐锫?lián)網(wǎng)列為語音技術(shù)落地主戰(zhàn)場(chǎng)的原因。有了智能語音交互基礎(chǔ)之后，我們還要做好精準(zhǔn)和個(gè)性化的內(nèi)容和服務(wù)，這才是用戶真正想要的。

改變用戶的使用方式

在智能語音最早進(jìn)入市場(chǎng)時(shí)，用戶會(huì)覺得比較新奇，當(dāng)時(shí)用戶是需要對(duì)著話筒，在近講和安靜情況下比較配合才能使用（最初還需要用戶先念一段話來訓(xùn)練模型），所以大家覺得語音識(shí)別和人工智能技術(shù)不靠譜。最近這幾年，隨著深度學(xué)習(xí)技術(shù)和大數(shù)據(jù)的發(fā)展，智能語音技術(shù)的進(jìn)步已經(jīng)超出了很多用戶的想象，用戶可以無需預(yù)先訓(xùn)練，在真實(shí)應(yīng)用場(chǎng)景下實(shí)現(xiàn)相對(duì)自然的語音交互。現(xiàn)階段用戶對(duì)語音交互的接受度在逐步提升，隨著語音應(yīng)用和服務(wù)的日臻完善，讓用戶會(huì)逐漸形成習(xí)慣，越來越接受這種交互方式，機(jī)器則可以通過后臺(tái)數(shù)據(jù)的不斷快速迭代提高精度，用戶就越來越喜歡用。

云知聲核心技術(shù)團(tuán)隊(duì)來自國內(nèi)外知名企業(yè)、高校和研究所，創(chuàng)始團(tuán)隊(duì)80％以上擁有博士學(xué)位，并具有超過十年的語音識(shí)別研發(fā)和應(yīng)用實(shí)戰(zhàn)經(jīng)驗(yàn)。核心團(tuán)隊(duì)的穩(wěn)定、決心和專注，對(duì)技術(shù)和產(chǎn)業(yè)相對(duì)獨(dú)立的判斷和規(guī)劃，這一切都是云知聲對(duì)智能語音技術(shù)產(chǎn)業(yè)化愿景的有力支撐。在未來五年，云知聲將會(huì)繼續(xù)給業(yè)內(nèi)帶來比現(xiàn)在要成熟和豐富得多技術(shù)創(chuàng)新和產(chǎn)業(yè)應(yīng)用。

2017年7月21日-22日，由51CTO主辦的WOTI全球創(chuàng)新技術(shù)峰會(huì)將在北京富力萬麗酒店隆重舉行。本次峰會(huì)將圍繞機(jī)器學(xué)習(xí)、人機(jī)交互和智+應(yīng)用三個(gè)大主題展開，數(shù)十位專家級(jí)嘉賓將帶來多場(chǎng)精彩的技術(shù)內(nèi)容分享。屆時(shí)，梁家恩先生將在巔峰論壇主會(huì)場(chǎng)與來賓分享"智能交互技術(shù)與物聯(lián)網(wǎng)應(yīng)用"主題演講。51CTO誠邀您蒞臨大會(huì)，與我們共享技術(shù)帶來的喜悅。

【51CTO原創(chuàng)稿件，合作站點(diǎn)轉(zhuǎn)載請(qǐng)注明原文作者和出處為51CTO.com】