三大技术突破助力国内智能语音产业规模飞速增
国内
皇冠赌场_皇冠国际赌场在线
急速飞驰
2018-10-11 00:41

  据行业预测,中国智能语音产业规模将达到101.4亿元。而智能语音产业的快速发展,将带动智能家居、智能汽车以及智能穿戴设备等相关领域市场规模增长上千亿元。

  智能语音市场规模得以如此神速扩张,并且应用到多个领域,这必然离不开智能语音技术的不断突破。那么,我们当前的语音技术达到了什么地步?换句话说,能够实现什么样的人机互动效果呢?

  中国的语音识别研究起始于1958年,由中国科学院声学所利用电子管电路识别10个元音。虽然与国外语音识别研究起步时间同步,但由于当时条件的限制,随后一段时间内技术的进展较为缓慢。

  最初,我国语音技术的研究一直以学术界为主,随后才有企业逐渐涉足这个领域。由于语音识别技术准入门槛高、人才稀缺,经过多年研究与探索,一些国内企业终于在这个行业冒头,形成了“一超多强”的局面。

  欧拉蜜团队在智能语音方面的研究已达5年。初期,欧拉蜜以设计出一个中文理解能力超越Siri的智能语音助理为目标,开始投入人工智能相关研究领域,而长远的目标则是致力于提供全方位的人机交互解决方案。

  这5年里,欧拉蜜攻破了不少技术难关。首先要解决的,就是语音识别的精准度。

  语音人机交互面临着多重技术难题。例如,人声距离不能过远、发音要标准、环境要安静、不能持续对话、不能被打断

  欧拉蜜团队重点解决了这些语音识别方面的问题。目前,欧拉蜜的人声识别准确度高达90%,并且可实现超远距离识别(最远可准确识别距离8米的人声)。

  欧拉蜜还为企业用户提供深度定制服务,比如对儿童声音、嘈杂环境声音进行训练,可达到特殊要求下的语音识别高准确度。

  “能穿多少穿多少”,这句话的意思,到底是要你“多穿”呢,还是要你“少穿”呢。同样的,中文语境下,类似的歧义句还不在少数。

  例如,“中国队大败德国队”,不知是中国赢了德国,还是德国赢了中国;“小王跟我请了假”,不知是小王向我请了假,还是小王和我都请了假那么,在这种歧义的语境下,我们需要更多的信息来明确原句的意思。

  比较常见的NLP/NLU现有技术与方案有这么几种。一是基于关键词和简单规则,但这样误抓率高、歧义多,无法精准抓取参数;二是基于ASR语法的扩展,但这种方式描述能力有限,可扩展性较低;三是基于统计的句法分析算法,这种算法准确率与性能不够高,且不易处理上下文问题;最后呢,是处理语法扩展的编程,但这种程序复杂度很高。

  欧拉蜜团队自主研发的语法描述语言(Syntax Language),可用灵活的规则来描述说法。同时,依托可全文检索的结构化知识库,辅助确定语法参数的合法性,消除歧义。

  欧拉蜜采用了结合规则和统计的有机算法、时间和数字识别技术、以编译器技术动态解析和匹配规则,能够实现多维度的上下文支持能力,准确理解用户的表达意图。

  例如,当用户连续输入“今天上海的天气”,“北京呢”,“买一张去那里的机票”。经过算法处理以及数据库检索,欧拉蜜能够结合上下文,准确将“北京呢”理解为“北京今天的天气如何”,并给出当天北京的天气状况。

  同样的,欧拉蜜也能获取最后一句中的“那里”指代的是“北京”,并为用户反馈当地去北京的机票信息。

  如果人机交互可以更加“智能”,那么它应该拥有哪些能力呢?欧拉蜜团队进一步改进了语音机器人的唤醒功能,使人机交互更加流畅。

  市面上主流的智能音响,目前使用的都是语音唤醒。由于智能音响没有屏幕,一切功能都是通过语音来操控,唤醒功能也不例外。往往会用一句唤醒话术(通常是产品的名称)来作为启动标志,当人们对着智能音响说出这句话时,智能音响就会进行答复并开始接收你传递给它的信息。

  试想一下,日常生活中,当我们想要对另一人说话时常常会面向他,这时候,不需要叫对方的名字,对方也知道我们正在与他对话。如果机器也能做到这样,那么“语音唤醒”都可以省略掉了。

  欧拉蜜正是想赋予语音机器人这样“人性化”的功能。因此,皇冠赌场欧拉蜜团队使用声源定位并结合视线检测(Eye Gaze Detection)技术,来帮助机器人确认用户的说话对象。这样一来,机器人们除了知道你在说话,还能够判断出你是否是在跟它说话,并自动唤醒。