AI时代，智能语音技术及其产业化应用

　　10月19日，东软开放日大汽车专场暨韬客第四季在东软举办，活动旨在充盈企业员工知识库，以促进对外知识技能、市场信息交流为目的。
　　思必驰上海交大联合实验室副主任、上海研发中心主任钱彦旻受邀参加，发表了题为《智能语音技术及产业化应用》的演讲，从AI语音科技的时代进程、技术重难点到产业应用等全方位，展示智能语音对于科技和社会的影响力。
　　AI语音技术：智能时代的入口
　　移动互联网时代的繁荣离不开PC时代的技术沉积，如果说科技是个接力棒的革新过程的话，那人工智能的爆发便离不开移动互联网奠定的结实基础。
　　钱彦旻表示，大数据、云计算、超级硬件、深度学习共同构成了人工智能四大基础，在此之上，人工智能以实体机器人、人机交互的形式进行商业化落地，并以大数据分析的方式智能运营，以上三点共同促成了人工智能的爆发和AI时代的到来。
　　AI技术在物联网的应用加深了人与硬件及硬件与硬件之间的联系，同时也促使了智能设备形态的迷你化和无屏化，因此钱彦旻认为，智能口语对话是物联网时代的人工智能入口，从而，语音交互成为继按键、触屏交互方式之后的新兴交互模态。
　　同时更促进了传统电子产品的升级，如手机智能助手、智能音箱、智能手表等以语音交互为主的智能设备都是这一演变下的产物，AI语音交互已成为新兴科技产品的智能入口。
　　在数十年前，图灵测试便提出了能否通过智能对话测试是判断机器是否具备人类智能的方法，由于智能对话可直接体现AI的认知和感知能力，是智能化的最高表现，故被喻为人工智能皇冠上的明珠，而语音识别及分析作为智能语音交互闭环的入口，对语义内容提取起着金钥匙般的开端作用。
　　语音识别技术：智能对话入口
　　语音识别历来是人工智能和机器学习中的十大经典难题之一，它的难点可以整体归纳为三方面的不确定性说话人、环境、设备。
　　说话人作为语音主体，本身具有语言复杂性，世界上有6900多种语言，且小语种的数字资源较为匮乏，开发难度大；语音富信息，如性别、年龄、情绪的不同也让语音识别的过程更加复杂。
　　就外部环境而言，噪声下的鲁棒识别是语音识别大规模应用的主要绊脚石，会议室、电影院、体育场等场景的不同，会导致噪声、远场、信道失配等情况的差异，这对于多类别复杂场景下的通用语音识别的实现难度较大。
　　识别技术离不开计算资源的支持，离线识别、连续性识别、低功耗等技术和硬件设备的升级都能帮助计算资源的扩展，对将语音识别走向千家万户，有巨大的推动作用。
　　针对以上难点，思必驰的语音识别技术也有了改进，其识别技术可进行声纹识别、抗噪及远场识别、性别、年龄、情绪识别等；在设备上，研发的AI语音专用TAIHANG芯片，能更好地实现离线识别和低功耗等功能，将AI语音技术赋能至更多智能硬件中。
　　智能车载：最佳应用场景
　　从技术到到商业化变现，离不开对场景需求的挖掘和探索，车载是AI语音的最佳应用场景，思必驰将全链路语音交互技术应用于智能车载方案，其中包括车载语音交互系统天琴语音助手，目前已与上百家车企、Tier1合作，已将小天搭载至五十余款主流车型中。
　　语音采集上，思必驰的双麦四麦方案可采集车载空间的全方位语音信息，通过多音区定位技术支持一对多交互；语音识别上，能够保证在噪音环境下保持超高识别率和云端稳定性，同时支持普通话和多种方言识别。
　　在语义理解和对话管理上，天琴助手能分析出说话人情感，完成高情商的闲聊互动，并同时完成各项技能和内容资源调用任务，如点歌、导航、订票、查天气等等；作为对话回应，思必驰的TTS复刻技术可快速生成高仿真度的合成音，让爱人、家人、朋友时刻陪伴自己。
　　在整个车载场景的交互中，思必驰的全双工技术可以让唤醒、聆听、回复同时进行，实现oneshot一把说，贴近自然语言对话。此外，还包括了个性化推荐、智能打断、离线交互等，来更好地帮助车主解放双手，守护出行安全。
　　未来思必驰会将AI语音技术应用于更多行业场景中，沟通万物，打理万事是思必驰的愿景，更是智能语音在AI时代的驱动方向。