隨著行業(yè)數(shù)字化、智能化不斷升級(jí)加速,,語(yǔ)音交互場(chǎng)景從生活擴(kuò)展到企業(yè)應(yīng)用,,從人機(jī)交互擴(kuò)展到人人交互,越來(lái)越多樣化的需求,,對(duì)語(yǔ)音交互技術(shù)提出了更高的要求,。
11月4日,在2021騰訊數(shù)字生態(tài)大會(huì)云智能專場(chǎng),,騰訊云小微與騰訊AI Lab聯(lián)合發(fā)布了全新技術(shù)品牌——騰訊語(yǔ)音智能,,為設(shè)備提供在復(fù)雜語(yǔ)音環(huán)境下,從輸入到輸出交互體驗(yàn)全面升級(jí)的全鏈路的AI+聲學(xué)技術(shù)解決方案,。
騰訊語(yǔ)音智能讓語(yǔ)音技術(shù)更好地處理復(fù)雜多變的環(huán)境,,為用戶提供更加自然、智能,、擬人化的語(yǔ)音交互體驗(yàn),,為產(chǎn)業(yè)提供更加便捷、低成本,、可定制的解決方案,。在生活、服務(wù)及生產(chǎn)等場(chǎng)景,,在智能家居,、車載語(yǔ)音交互,、智能客服、語(yǔ)音質(zhì)檢,、口語(yǔ)考試,、司法轉(zhuǎn)寫、會(huì)議轉(zhuǎn)寫等領(lǐng)域都有廣闊的應(yīng)用空間,。
順應(yīng)場(chǎng)景、需求,、設(shè)備升級(jí)趨勢(shì) 全面助力更自然的語(yǔ)音交互體驗(yàn)
本次大會(huì)上,,騰訊首次公布了云智能戰(zhàn)略架構(gòu),面向管理者,、生產(chǎn)者,、開(kāi)發(fā)者和用戶四類人群,提供決策,、協(xié)作,、創(chuàng)新和服務(wù)四大核心能力,同時(shí)依托人工智能,、大數(shù)據(jù),、云計(jì)算和物聯(lián)網(wǎng)的云智能架構(gòu),貼合客戶的產(chǎn)業(yè)場(chǎng)景需求,,輸出面向各行業(yè)的智能綜合解決方案,。騰訊語(yǔ)音智能作為騰訊云智能戰(zhàn)略重要技術(shù)能力支撐,始終堅(jiān)持“服務(wù)于人”的價(jià)值理念,,為用戶帶來(lái)自然的語(yǔ)音交互體驗(yàn),,讓智能交互科技的發(fā)展惠及生活、產(chǎn)業(yè)的方方面面,。
從手機(jī)助手,、智能家居、車載交互等滿足大眾需求的應(yīng)用,,到智能客服,、會(huì)議轉(zhuǎn)寫等智能化升級(jí)下的行業(yè)性需求,從人機(jī)交互到遠(yuǎn)程會(huì)議語(yǔ)音降噪,、口語(yǔ)翻譯等人人交互場(chǎng)景需求,,目前,語(yǔ)音交互的場(chǎng)景和需求在不斷增加,。隨著專用芯片的出現(xiàn)和端上計(jì)算能力的不斷增強(qiáng),,運(yùn)行載體擴(kuò)展到了云、端,、芯多種形式,,搭載語(yǔ)音交互的設(shè)備也變得更為多樣化,。
而現(xiàn)有的技術(shù)方案仍有很多問(wèn)題難以解決。比如,,在復(fù)雜,、嘈雜場(chǎng)景中容易受到環(huán)境噪音的影響,不能有效識(shí)別和分離出目標(biāo)人物語(yǔ)音,,還會(huì)受到網(wǎng)絡(luò)情況,、麥克風(fēng)等硬件設(shè)備的制約,導(dǎo)致智能終端在與用戶的交互過(guò)程中,,無(wú)法快速準(zhǔn)確地進(jìn)行識(shí)別并做出相應(yīng)的回復(fù),,阻礙人機(jī)交互體驗(yàn)的提升。
騰訊在語(yǔ)音智能領(lǐng)域擁有深厚的能力積累,,目前,,騰訊語(yǔ)音語(yǔ)義有超過(guò)3400項(xiàng)專利,發(fā)表超過(guò)500篇頂會(huì)論文,,累計(jì)服務(wù)3.5億智能終端,。騰訊云小微依托其強(qiáng)大的語(yǔ)音智能能力,結(jié)合騰訊AI Lab領(lǐng)先的AI基礎(chǔ)能力,,基于對(duì)用戶場(chǎng)景及需求的深刻洞察,,完成了一次技術(shù)迭代與升級(jí),聯(lián)合打造出了一款能夠提升語(yǔ)音識(shí)別效果和效率的全鏈路AI+聲學(xué)技術(shù)解決方案——騰訊語(yǔ)音智能,。
突破業(yè)內(nèi)技術(shù)瓶頸 深耕行業(yè)發(fā)展需求 全面提升語(yǔ)音智能交互能力
相對(duì)于傳統(tǒng)解決方案,,騰訊語(yǔ)音智能在技術(shù)上實(shí)現(xiàn)了突破性升級(jí)。通過(guò)采用一體化的基于全神經(jīng)網(wǎng)絡(luò)的方案,,極大提升了在復(fù)雜場(chǎng)景下語(yǔ)音采集,、降噪分離和增強(qiáng)的效果,從而為人人通話或機(jī)器識(shí)別提供了更清晰易懂的語(yǔ)音,。通過(guò)使用基于語(yǔ)音語(yǔ)義聯(lián)合優(yōu)化的多領(lǐng)域識(shí)別器,,讓機(jī)器對(duì)于各種復(fù)雜語(yǔ)音的識(shí)別率也得到極大提升,可以更好地進(jìn)行轉(zhuǎn)寫,、理解,、和回復(fù)。
另外,,騰訊語(yǔ)音智能可以支持多種應(yīng)用場(chǎng)景和設(shè)備,,擁有優(yōu)秀的場(chǎng)景適配性和通用性,面向?qū)嶋H場(chǎng)景的定制優(yōu)化更簡(jiǎn)單,、高效,,在為用戶提供更加優(yōu)質(zhì)、自然語(yǔ)音交互體驗(yàn)的同時(shí),也為企業(yè)場(chǎng)景中的語(yǔ)音服務(wù)需求降低了運(yùn)行和定制成本,,助力其降本增效,,加快產(chǎn)業(yè)數(shù)字化升級(jí)。
在戶外,、酒會(huì)等高噪聲,、嘈雜的環(huán)境中使用手機(jī)助手、智能客服等語(yǔ)音服務(wù)時(shí),,環(huán)境的噪聲會(huì)對(duì)目標(biāo)人物語(yǔ)音的收集帶來(lái)極大干擾,,語(yǔ)音收集反饋的錯(cuò)誤率也會(huì)隨之提升。騰訊語(yǔ)音智能在前端技術(shù)上,,通過(guò)研發(fā)全神經(jīng)網(wǎng)絡(luò)波束成型方案,、構(gòu)建集合全鏈路的神經(jīng)網(wǎng)絡(luò)模型方案、首創(chuàng)用三種模態(tài)進(jìn)行語(yǔ)音分離的工作模式,,完成了行業(yè)內(nèi)的多項(xiàng)技術(shù)突破,可有效應(yīng)對(duì)環(huán)境噪聲干擾人聲的問(wèn)題,,實(shí)現(xiàn)了場(chǎng)景深度定制,,多模塊自動(dòng)聯(lián)合優(yōu)化,在復(fù)雜聲學(xué)環(huán)境中大幅度降低了語(yǔ)音收集的錯(cuò)誤率,。數(shù)據(jù)表示,,經(jīng)過(guò)多模態(tài)語(yǔ)音分離再進(jìn)行語(yǔ)音識(shí)別,錯(cuò)誤率可降低相對(duì)50%,,經(jīng)過(guò)多模態(tài)分離并聯(lián)合進(jìn)行多模態(tài)的語(yǔ)音識(shí)別,,錯(cuò)誤率可進(jìn)一步降低相對(duì)25%。
在家居和車載等真實(shí)場(chǎng)景下,,除了需要克服環(huán)境噪聲,、人聲干擾等問(wèn)題外,還需要應(yīng)對(duì)多種挑戰(zhàn),,諸如識(shí)別任務(wù)復(fù)雜度高,,用戶口音多變、用戶更自然的語(yǔ)音交互體驗(yàn)需求,,以及低資源設(shè)備上識(shí)別性能的提升等,。深入問(wèn)題探索,騰訊語(yǔ)音智能在后端處理環(huán)節(jié)研發(fā)了“語(yǔ)音-語(yǔ)義結(jié)合的多領(lǐng)域在線識(shí)別系統(tǒng)”,、“全雙工交互及閑聊拒識(shí)”,、“端到端高性能離線識(shí)別系統(tǒng)”等技術(shù)方案,運(yùn)用深度學(xué)習(xí)建模,、前后端聯(lián)合優(yōu)化,、語(yǔ)音-語(yǔ)義聯(lián)合優(yōu)化等技術(shù)手段,很好地滿足了不同應(yīng)用場(chǎng)景下,對(duì)于語(yǔ)音交互在識(shí)別率、魯棒性,、資源消耗和用戶體驗(yàn)等多方面的要求,。
目前,騰訊語(yǔ)音智能已經(jīng)為索尼電視,、飛利浦電視提供技術(shù)支持,,為家居場(chǎng)景中的人機(jī)互動(dòng)提供更智能的語(yǔ)音體驗(yàn);在車載交互領(lǐng)域,,助力長(zhǎng)安汽車,、福特汽車等,提升語(yǔ)音助手服務(wù)質(zhì)量,,給用戶更好的智能出行服務(wù),。
未來(lái),隨著行業(yè)和場(chǎng)景需求的迭代升級(jí)和智能終端的快速發(fā)展,,智能語(yǔ)音的應(yīng)用將擁有越來(lái)越大的發(fā)展空間,。騰訊語(yǔ)音智能將持續(xù)專注語(yǔ)音智能技術(shù),發(fā)展連續(xù)對(duì)話,、多模態(tài)交互等能力,,為用戶構(gòu)建更具個(gè)性化、更自然,、更有情感的語(yǔ)音交互體驗(yàn),,以“交互智能”為大眾帶來(lái)更加智能化的生活方式。