人工智能給語音領(lǐng)域帶來了哪些路徑？

記者近日從工信部獲悉，中國將加大力度支持新一代語音識別框架、口語化語音識別、智能對話、音視頻融合、語音合成等技術(shù)的創(chuàng)新應(yīng)用，并在智能制造、智能家居等重點領(lǐng)域開展推廣應(yīng)用。到2020年實現(xiàn)多場景下中文語音識別平均準(zhǔn)確率達(dá)96%。

成立至今已有8年的“中譯語通”是一家數(shù)據(jù)資產(chǎn)比重較大的技術(shù)企業(yè)。在其最近舉辦的年度峰會上，發(fā)布了智能搜索引擎NexMagic、數(shù)據(jù)可視化分析引擎DataMap4.0、智能構(gòu)建知識圖譜Data Galaxy三款產(chǎn)品。中譯語通CEO于洋說，這是大數(shù)據(jù)和人工智能驅(qū)動作用下的技術(shù)應(yīng)用成果，為大數(shù)據(jù)在語言領(lǐng)域的智能應(yīng)用探索提供了新路徑。

數(shù)據(jù)驅(qū)動，技術(shù)讓語言更加智能

近年來，自動語音識別（ASR）技術(shù)發(fā)展迅猛。它作為人工智能領(lǐng)域中較為成熟的一項技術(shù)，語音和語言在大數(shù)據(jù)的海洋里更加智能，“出口成章”不再是夢想?，F(xiàn)在，ASR技術(shù)準(zhǔn)確率根據(jù)各地語言的差異接近于90%，而深度學(xué)習(xí)技術(shù)所構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)，使得語言翻譯產(chǎn)品更加智能化。

事實上，作為新的面向人工智能的交互方式，語音識別與合成技術(shù)在輸入法上已得到廣泛應(yīng)用。2013年，中譯語通發(fā)布了一款名為“Yeehub”的多語言呼叫中心產(chǎn)品，全球12種語言24小時不間斷響應(yīng)，每月可接收到來自全世界的呼叫分鐘數(shù)達(dá)到100萬，實現(xiàn)接通時間小于10秒。

曾經(jīng)，自然語言理解、口音和方言、應(yīng)用場景聲音、數(shù)據(jù)龐雜等多方面影響了語音識別和深度學(xué)習(xí)技術(shù)的迭代升級。于洋介紹說，隨著人工智能等新一代技術(shù)的發(fā)展，機器翻譯正經(jīng)歷從基于統(tǒng)計規(guī)則的機器翻譯（SMT）向神經(jīng)網(wǎng)絡(luò)機器翻譯（NMT）發(fā)展的變革時期。

“NMT是人工智能與機器翻譯技術(shù)的融合，對于自然語言理解更為精準(zhǔn)，能夠提高溝通效率，將成為一項關(guān)鍵的AI技術(shù)。”于洋說，中譯語通在大規(guī)模數(shù)據(jù)、深度整合高質(zhì)量語料的基礎(chǔ)上，自主研發(fā)了深度學(xué)習(xí)框架訓(xùn)練的語音識別引擎。中、英、日、韓、德、葡等每個語種積累了超過1萬小時的語音數(shù)據(jù)，中、英文語音識別的準(zhǔn)確率已經(jīng)超過90%，日、韓、德、葡語的識別準(zhǔn)確率超過了80%。

據(jù)稱，這種精準(zhǔn)的語音識別引擎已經(jīng)運用于中譯語通推出的找翻譯APP、輸入法等多個語言科技產(chǎn)品?！拔磥?，我們要重點研發(fā)解決嘈雜環(huán)境、移動設(shè)備上的語音識別難題的產(chǎn)品，并不斷擴充語種，為全球不同語種、不同場合的用戶服務(wù)。”于洋說。

創(chuàng)新突破，厚植產(chǎn)業(yè)核心競爭力

“地球村”越來越小。中譯語通發(fā)布的三款產(chǎn)品中，NexMagic將于本月底上線。這款基于人工智能和大數(shù)據(jù)技術(shù)自主研發(fā)的自然語言理解的搜索引擎產(chǎn)品，將在新聞資訊、科技、專利等領(lǐng)域?qū)崿F(xiàn)垂直多語言搜索應(yīng)用，可以將全球文本、語音、圖片、影像等數(shù)據(jù)匯集起來進行分析，構(gòu)建知識圖譜。

“我們分拆出來的每一個垂直分類產(chǎn)品都是獨立的。比如醫(yī)療影像有獨立的團隊，我們只提供更多的資源支持和頂層設(shè)計?！庇谘笳f，中譯語通在過去的三年時間里技術(shù)研發(fā)投入是非常大的。“我們還是能延伸出不同產(chǎn)品，基于整個大數(shù)據(jù)板塊，一旦有了新業(yè)務(wù)，預(yù)計會有的公司和團隊來運營它?！?/p>

作為跨語言、基于自然語言分析的搜索引擎產(chǎn)品，智能化的標(biāo)志便是多語言語音識別和交互。中科院聲學(xué)研究所語言聲學(xué)與內(nèi)容理解重點實驗室主任顏永紅表示，跨語言處理當(dāng)前仍然面臨很多挑戰(zhàn)，比如多語言數(shù)據(jù)獲取困難、語言差異導(dǎo)致各語言處理方法不同等。

事實上，作為一家擁有翻譯基因的技術(shù)公司，于洋更確信他們的產(chǎn)品特性有了大數(shù)據(jù)和人工智能技術(shù)基因。一系列不斷的創(chuàng)新突破，將為整個產(chǎn)業(yè)帶來變革性的影響。

業(yè)內(nèi)分析人士表示，深度挖掘行業(yè)數(shù)據(jù)價值，以語音識別為代表的智能交互能力將成為引領(lǐng)移動終端和產(chǎn)業(yè)發(fā)展的核心驅(qū)動力。“以機器翻譯、語音識別、計算機視覺、數(shù)據(jù)挖掘分享為代表的人工智能技術(shù)的演進，將給未來賦予了更多可能性，人工智能的終極目標(biāo)是實現(xiàn)人機融合?！庇谘笞詈笳f。