从“能听会说”到“能理解会思考”—— 智能语音引领人机交互新模式

边灌音边主动转写成文字的智能灌音笔，增援中文与58种外语互译的新一代翻译机、步武分歧人语言的虚拟主播、供开拓者利用的语音绽放平台正在科大讯飞股份有限公司北京总部的人工智能体验中央，浩瀚人工智能与语音调解的前沿手艺项目令记者大开眼界。

期近将到来的万物互联期间，语音动作人类最自然、最便捷的疏导格式，将会成为悉数装备和产物至合要紧的入口。业界广大以为，他日的人机交互将以语音为主、键盘和触摸为辅。

2017年11月，科技部了了依托科大讯飞维持智能语音邦度新一代人工智能绽放改进平台。近年来，跟着智能语音行使场景和伎俩不息充裕，邦内浩瀚手艺厂商正在语音合成、语音识别、自然措辞意会等人工智能中枢手艺周围继续发力。有原故信赖，智能语音手艺将给人们糊口带来更为长远的调动。

提起科大讯飞，良众人会思到其主打语音输入特点的讯飞输入法。这款早正在2010年就推出的软件，版本号仍旧到了第9代。语音输入速率到达1分钟400字，并增援众种方言，确凿率越过98%。

正在科大讯飞人工智能体验中央，事业职员安琪向记者演示了搜罗讯飞输入法、讯飞听睹、讯飞有声等正在内的众个软硬件产物。

现正在咱们看到的便是一个离线转写装备，叫讯飞听睹智能集会体例，是环球第一款中文语音及时转写和众语种及时翻译的体例安琪说了一段话，体例马上正在屏幕上输出确凿的中文和翻译后的英文。

据先容，本年宇宙两会时刻，代外委员们正在小组商酌中的讲话被这套体例点水不漏地纪录下来。以前的小组商酌，需配两三名事业职员，会后重听灌音是常态。有了讯飞听睹，只需配一名事业职员，会后半个小时就能取得确凿的集会纪录。

语音识别就比如机械的听觉体例，也许把语音信号更改为相应的文本或号令。安琪先容，跟着深度研习手艺敏捷开展，科大讯飞正在语音识别做事中率先告终领域行使。2015年，正在公证职员的睹证下，科大讯飞机械语音转写确凿率初次越过速记员。针对待噪声处境下语音识此外挑拨，科大讯飞正在邦际最巨头的众通道语音辨别和英文识别大赛（2016年CHiME-4和2018年CHiME-5）中，继续两届悉数场景下均博得了宇宙第一。

正在研发之初，咱们进程调研浮现，81%的守旧灌音笔用户真正需求的不是灌音，而是灌音拾掇出的文字。像记者采访、集会纪录这些场景，录完音后都需求实时将文字内容敏捷拾掇出。安琪说，讯飞智能灌音笔正在联网形态下，1小时的灌音出稿只需5分钟，中文平淡线%，真正打通了从灌音到转写再到分享以及后端查找编辑的全链条办事。

智能音箱是当前语音识别手艺的热门行使。市集咨询机构最新数据显示，中邦已成为环球最大的智能音箱市集，仅本年第一季度销量就到达1060万台。

一样情状下，每次对智能音箱下指令前，都需求提环节词来叫醒，显得不足智能。而科大讯飞推出的MORFEI麦克风，内置了AIUI全双工语音交互管理计划，可能告终一次叫醒、继续问答。其远场语音识别手艺，更是能正在5米隔断下到达95%以上的叫醒率、93%的识别率。

同样受益的又有汽车周围。通过调解语音、视觉等感知手艺，阐明驾驶行动数据，整合优质内容资源，科大讯飞推出的飞鱼智行智能车载交互体例，将语音巩固、自然措辞意会等手艺行使于汽车，并与各场景办事深度贯串。

语音合成：10句线;大师好，我是环球首小我工智能众语种虚拟主播小晴。Now I will broadcast for you in English.（现正在我将用英语为您播报）娴熟自然的措辞外达、举止高雅的神气举动、精准对应的口唇样子，假若不经指示，记者还线;的现象和音响是人工智能合成的。

据先容，小晴可能用汉语、英语、日语、韩语等众语种及时播报，正在5月底天津召开的第三届宇宙智能大会等众个要紧集会都露过脸。

虚拟主播背后的手艺是语音合成，即将文字变针言音，让机械启齿说线;。现实行使中，只需将文稿导入虚拟主播体例，就能主动天生音信播报的视频，播报的语速、休息、音响模板等均可调控，不受职员心境形态的影响。

语音合成的手艺途径要紧分为两类，基于单位挑选的波形拼接语音合成和基于深度研习的参数天生语音合成。安琪先容，2018年7月，科大讯飞正在邦际巨头英文语音合成竞争Blizzard Challenge中继续13年留任宇宙第一，是中英文语音合成自然度目标独一越过真人语言程度的公司，领先上风昭彰。

目前，语音合成手艺仍旧正在金融、电信、政府部分的主动应答呼唤中央，气候、交通电话音讯查问，汽车导航以及文本阅读等方面取得广博的行使，但科大讯飞没有止步于此。2018年1月推出的央视记录片《改进中邦》，全程行使科大讯飞语音合成手艺配音，再现了已故知名配音家李易的音响。

没错，语音合成可能步武线句线分钟岁月，讯飞留声的深度研习模子就可能锻炼出用户的完善音库，从而将大肆文本转换为用户的音响。

记者掀开讯飞留声Lite微信小圭外，体验了一把分身特技。输出的音响听起来不只做到音色高保真还原，朗读的语气、语调、情绪也堪比真人。

正在改进手艺加持下，偏远山区的留守儿童、异地恋的情侣、儿女正在外打拼的空巢白叟这些缺失伴随的人群，都可能正在糊口中功劳众一分温柔。

一目了然，人工智能的开展经验了运算智能、感知智能、认知智能三个阶段。运算智能，即敏捷算计和回忆存储才力；感知智能，即视觉、听觉、触觉等感知才力；认知智能，便是让机用具备研习推理和决定的才力。

当咱们控制了语音和措辞器材，咱们就找到了一把通往认知智能的钥匙。科大讯飞轮值总裁胡郁默示，能听、会说之后，智能语音将进化为能意会会推敲。

当前，邦内很众出租车司机都能用手机上的翻译软件，轻松和外邦人疏导；中邦搭客借助智能翻译装备，也可能轻松搞定外洋道道道牌、餐馆菜单和超市购物；正在不少邦际集会上，机械翻译痛快直接饰演现场同声传译脚色安琪告诉记者，机械翻译近年来大幅提高的由来，正在于新兴的神经机械翻译手艺（NMT）代替了以统计模子为本原的统计机械翻译手艺（SMT）。

据先容，神经机械翻译的神经元可能研习和采集音讯，步武人类大脑的神经元筑树合联。它取胜了守旧措施将句子割裂为分歧片断举行翻译的漏洞，充塞行使上下文音讯，对句子举行合座编码妥协码，从而天生更为通畅的译文。

2018年11月，科大讯飞的机械翻译体例初次正在CATTI宇宙翻译专业资历（程度）手艺才力测试中到达英语二级专业资历准则。

其正在本年5月推出的讯飞翻译机3.0，增援环球近200个邦度和区域措辞互译，以及影相翻译、方言翻译，同时初创了自进化离线翻译引擎，中英离线%，结果到达大学英语六级程度，而正在线%，到达英语专业八级程度。

虽然机械翻译手艺正在语料充裕的措辞和用户相对配合的利用处境下到达可用性门槛，但因为措辞自己的繁复性，机械翻译又有很长的道要走。安琪默示。

2017年11月，科技部了了依托科大讯飞维持智能语音邦度新一代人工智能绽放改进平台。动作邦度队的一员，科大讯飞做了哪些发愤？

人工智能要有看得睹、摸得着的真正行使案例，也许基于典范行使场景自我进化。科大讯飞董事长刘庆峰默示，科大讯飞面向邦外里企业、中小创业团队和小我开拓者颁布智能交互手艺办事平台讯飞绽放平台，以云＋端格式供应语音合成与识别、语义意会、人机交互等合连的手艺办事和笔直场景的管理计划，继续修建人工智能生态编制，让每一小我都具有调动宇宙的力气。

科大讯飞消费者事迹群副总裁、讯飞绽放平台控制人于继栋告诉记者，跟着中枢手艺的提拔，这一平台的才力也正在不息扩展，目前已累计供应声纹识别、语音合成、人脸认证等近200项才力，不息下降改进门槛，闪开发者更疾地开拓智能产物，获取更好的创业平台。

截至本年6月底，讯飞绽放平台上仍旧会聚越过103万开拓者团队，开拓的总行使数越过65万，日均交互次数约47亿次。

1024环球开拓者节、iFLYTEK AI开拓者大赛、首小我工智能手艺与行使常识正在线;科大讯飞依托其生意数据和生意场景搭筑众个勾当平台，让更众人通过云端语音操作体例iFLYOS、全链道物联网绽放平台iFLYIoT等告终人工智能开拓梦思，为人工智能资产培植人才。

目前，科大讯飞通过平台赋能格式，仍旧深刻教训、医疗、消费者、客服、汽车等众个行业赛道。

人工智能期间的逐鹿不是单个企业的逐鹿，而是一个资产链对一个资产链的逐鹿、一个编制对一个编制的逐鹿，是生态的逐鹿。刘庆峰说，唯有生态生生不息，下一步科大讯飞要把现正在的主赛道、把现有的资源做透做坚固，绽放更众的赛道，助力人工智能生态维持。（本报记者 姜永斌）