久久精品视频大片国产_亚洲AV无码AV日韩红杏_二区三区四区五区另类在线_又黄又爽免费视频_免费不卡亚洲无码_亚洲成人麻豆精品_中文字幕无码一二区_日韩av观看软件_同性男男gv在线观看播放_伊人久久综合精品欧美

近二十年來，語音識別技術(shù)取得顯著進(jìn)步，開始從實驗室走向市場。人們預(yù)計，未來10年內(nèi)，語音識別技術(shù)走進(jìn)了工業(yè)、家電、通信、汽車電子、消費(fèi)電子產(chǎn)品等各個領(lǐng)域。語音識別作為人工智能發(fā)展最早、且率先商業(yè)化的技術(shù)，近幾年來隨著深度學(xué)習(xí)技術(shù)的突破，識別準(zhǔn)確率大幅提升，帶動了一波產(chǎn)業(yè)熱潮。對語音識別未來發(fā)展，各位大咖也有一些精彩論點。

科大訊飛研究院副院長——王士進(jìn)

王士進(jìn)表示，語音識別是人機(jī)交互里很重要的模塊，從PC時代到現(xiàn)在的移動互聯(lián)時代，人機(jī)交互由鼠標(biāo)鍵盤走向智能手機(jī)、Pad等的多點觸摸。到了智能硬件時代，交互則更加多元，不僅有觸摸，還有基于語音、視覺的交互。原本是以機(jī)器為中心的人機(jī)交互，逐漸走向以人為中心的自然交互。

他認(rèn)為，在將來萬物互聯(lián)的浪潮下，以語音為主，鍵盤、觸摸、視覺、手勢為輔的交互時代很快會到來。

提到傳統(tǒng)的語音交互，王士進(jìn)列舉了幾個缺點：第一，交互距離要近;第二，發(fā)音必須標(biāo)準(zhǔn);第三，環(huán)境必須安靜;第四，人機(jī)不能持續(xù)對話。

科大訊飛在2015年提出AIUI，旨在解決上述問題同時期望在人工智能時代提供一種智能的人機(jī)交互界面。AIUI提供遠(yuǎn)場喚醒和識別降噪方案，兼容全國近17種方言，可以進(jìn)行全雙工交互和基于業(yè)務(wù)場景的多輪對話，同時結(jié)合訊飛超腦的認(rèn)知智能使得機(jī)器進(jìn)行更智能的交互。

AIUI實現(xiàn)了軟硬一體化、云端一體化、技術(shù)服務(wù)一體化，通過三個一體化提供人機(jī)智能交互整體解決方案，使得用戶可以快速切換到新的業(yè)務(wù)場景。

在提到基于AIUI交互技術(shù)的一些商業(yè)化嘗試時，王士進(jìn)列舉了幾種：

在交流方面，科大訊飛在05年推出了聽見智能會議這款產(chǎn)品。一般來說，會議場景的同傳準(zhǔn)確率為80%左右，而智能會議轉(zhuǎn)寫準(zhǔn)確率則能達(dá)到90%以上，之后，其在醫(yī)療和司法系統(tǒng)進(jìn)行了應(yīng)用。另外，科大訊飛還推出了便攜翻譯機(jī)，易于隨身攜帶，方便遠(yuǎn)程實時交流。

在電視方面，最早的電視是用數(shù)字加上下左右按鍵控制僅有的十幾個臺，而現(xiàn)在的智能電視后臺對接海量資源，通過訊飛智能電視助手可以進(jìn)行方便的語音交互，節(jié)省時間。

在汽車方面，由于人在駕駛時候手不能離開方向盤，故把語音引入代替手進(jìn)行交互會方便許多。實際上相比其他應(yīng)用場景，語音識別由于汽車場景的噪音更強(qiáng)，面臨更大挑戰(zhàn)，而科大訊飛也在基于車載的語音識別做了許多優(yōu)化，更在寶馬、奔馳、通用舉行的全球車載語音識別比賽取得第一名，有效的支撐了車載場景的交互。

在機(jī)器人方面，機(jī)器人與人的語音交互滿足自然交互、個性化服務(wù)以及基于業(yè)務(wù)場景的整合服務(wù)，可以方便的任意打斷，在理解用戶的需求下進(jìn)行精準(zhǔn)的內(nèi)容推薦和服務(wù)。

語音識別和自然語言理解都是基于統(tǒng)計和概率體系，所以商業(yè)化過程建議選擇人受到一定限制(如車載)或者很難做百分之百正確(如會議同傳)的場景，然后隨著技術(shù)的進(jìn)一步成熟，可以進(jìn)入到更多的場景。

最后，王士進(jìn)總結(jié)道，“語音識別和人機(jī)交互技術(shù)在進(jìn)行技術(shù)優(yōu)化的同時更要結(jié)合應(yīng)用場景，最終可使得技術(shù)完善，產(chǎn)業(yè)更好的發(fā)展。”

百度語音技術(shù)部聲學(xué)技術(shù)負(fù)責(zé)人——李先剛

提到這些年對手機(jī)百度語音搜索的不斷優(yōu)化過程，李先剛認(rèn)為要做好這樣一個產(chǎn)品，先要收集相關(guān)數(shù)據(jù)，然后將語音識別應(yīng)用推廣到相關(guān)產(chǎn)品線上供用戶使用，用戶使用后反饋回來數(shù)據(jù)形成完整鏈條，最終達(dá)到非常完美的狀態(tài)。

他把輸入法在語音識別中的作用表述為：輸入法這一場景對語音識別性能提升有非常大的幫助。

而今年，百度在語音技術(shù)方面的進(jìn)展包括基于GramCTC的端對端語音識別系統(tǒng)以及端對端說話人識別技術(shù)。

基于CTC的端對端語音識別系統(tǒng)是目前主流的工業(yè)系統(tǒng)，在2015年底，百度實現(xiàn)了CTC端對端語音識別系統(tǒng)的上線。而今年，百度進(jìn)一步提出了GramCTC算法。

主流的說話人識別技術(shù)使用經(jīng)典的DNN-IVECTOR技術(shù)，其框架基于統(tǒng)計模型，并將DNN引入此框架去學(xué)習(xí)。

可以看到的是，語音識別已走向大數(shù)據(jù)和端對端的道路，百度也將把說話人識別技術(shù)向此發(fā)展，進(jìn)一步提升相關(guān)性能。

李先剛表示，人臉識別與說話人識別有技術(shù)共性，二者之間的差異僅僅只是人臉識別對象可以是固定尺寸的圖片，而語音的時長會有很多變化。因此，百度說話人識別技術(shù)借鑒了目前人臉識別最好的方法——度量學(xué)習(xí)，搭建了端對端度量學(xué)習(xí)的說話人識別系統(tǒng)。百度內(nèi)部的實驗顯示，基于端對端的說話人技術(shù)顯著提升了說話人識別的性能。

從商業(yè)化的角度分析語音識別，可將其應(yīng)用分為兩個維度，第一個是近場和遠(yuǎn)場，第二個是人配合機(jī)器說話和人對人說話的不同說話風(fēng)格。經(jīng)過這樣劃分會發(fā)現(xiàn)很多語音場景其實是處在不同的語音象限里面，目前業(yè)界所做的近場人對機(jī)器說話的識別準(zhǔn)確率可達(dá)90%以上，但另外幾個場景所做不盡人意。

在李先剛看來，隨著語音技術(shù)的推進(jìn)，輔之商業(yè)化情景必將推動產(chǎn)品和技術(shù)的發(fā)展。

搜狗語音交互技術(shù)中心研發(fā)總監(jiān)——陳偉

從2012年到現(xiàn)在，隨著數(shù)據(jù)和算法的提升，搜狗的語音識別的識別錯誤率是逐年下降的。陳偉分享了一組數(shù)據(jù)：到目前為止，搜狗輸入法每天的語音識別請求量高達(dá)2億次，每天產(chǎn)生語料達(dá)到18萬小時。

陳偉表示，搜狗在2016年發(fā)布知音引擎，對外輸出完整的語音交互解決方案，也一直在探索語音識別和交互的不同場景和經(jīng)驗。語音識別可以更好提升輸入、記錄、交流的效率，其可分為聽寫和轉(zhuǎn)寫，聽寫更多要求實時性，轉(zhuǎn)寫則面向客服數(shù)據(jù)，不要求實時。另外，語音識別技術(shù)面向不同客戶，除了直接提供給消費(fèi)者，還有一些公司、企業(yè)如法院、醫(yī)院等，語音識別的應(yīng)用場合則更多是在演講、直播、語音分析中。

語音識別不是一個單獨的技術(shù)，其需要同其他技術(shù)進(jìn)行融合，比如機(jī)器同傳、語音交互，未來的產(chǎn)品將會是技術(shù)與技術(shù)的組合，產(chǎn)品與產(chǎn)品的組合。

對如何做出一款好的語音交互產(chǎn)品，陳偉認(rèn)為首先是要重視場景和知識。只有技術(shù)(ASR、NLU等)與具體應(yīng)用場景比如車載、智能家具、可穿設(shè)備結(jié)合在一起，才能得到穩(wěn)定的產(chǎn)品。另外，僅僅有技術(shù)是不夠的，還需要技術(shù)創(chuàng)新。在得到良好的使用體驗之后用戶基數(shù)會擴(kuò)大，帶來更多數(shù)據(jù)，這些累積的數(shù)據(jù)也是推動技術(shù)提升的關(guān)鍵。只有有了產(chǎn)品的迭代、有了真實的數(shù)據(jù)才能更好的分析出用戶需求，更好的推動產(chǎn)品發(fā)展。

他表示，技術(shù)與產(chǎn)品缺一不可。

“語音交互以技術(shù)為驅(qū)動，加之好的運(yùn)算力帶來大量數(shù)據(jù)，以此進(jìn)行迭代，不斷通過技術(shù)和產(chǎn)品的耦合得到更好的產(chǎn)品?！?/span>