——科大訊飛云平臺(tái)事業(yè)部產(chǎn)品總監(jiān)王磊第十五屆中國(guó)國(guó)際建筑智能化峰會(huì)上海站演講

　　2014年11月20日，由千家品牌傳媒策劃舉辦的2014年“第15屆中國(guó)國(guó)際建筑智能化峰會(huì)”于神旺大酒店隆重舉行。本屆上海站峰會(huì)的主題是“智能建筑創(chuàng)新技術(shù)與應(yīng)用趨勢(shì)論壇”，現(xiàn)場(chǎng)著名專(zhuān)家、知名品牌廠商分別圍繞現(xiàn)今的智能建筑創(chuàng)新技術(shù)與應(yīng)用作精彩演講，同時(shí)，一起展望智能建筑新趨勢(shì)與發(fā)展前景。科大訊飛云平臺(tái)事業(yè)部產(chǎn)品總監(jiān)王磊本次峰會(huì)演講主題是：無(wú)語(yǔ)音不智能。

　　科大訊飛云平臺(tái)事業(yè)部產(chǎn)品總監(jiān)王磊

　　以下是科大訊飛云平臺(tái)事業(yè)部產(chǎn)品總監(jiān)王帶來(lái)的主題為《無(wú)語(yǔ)音不智能》演講實(shí)錄：

　　王磊：今天非常榮幸有這個(gè)跟大家分享的機(jī)會(huì)，今天的我演講主題是語(yǔ)音云助力語(yǔ)音開(kāi)發(fā)的騰飛，這個(gè)開(kāi)發(fā)者不僅僅是指語(yǔ)音開(kāi)發(fā)者還有合作伙伴和集成運(yùn)營(yíng)商。

　　首先，我們跟大家介紹歷史上的交互一些演變過(guò)程，上世紀(jì)60、70年代的鍵盤(pán)加鼠標(biāo)，然后蘋(píng)果發(fā)布的觸摸技術(shù)的普及，以及語(yǔ)音的爆發(fā)和視覺(jué)的交互。這張圖里面說(shuō)明的就是語(yǔ)音云從2010年到現(xiàn)在2014年整個(gè)發(fā)展的趨勢(shì)，大家可以看到，整個(gè)語(yǔ)音云的服務(wù)是服務(wù)于互聯(lián)網(wǎng)化爆發(fā)式的增長(zhǎng)的，這個(gè)增長(zhǎng)的速度是非?？斓?。這是建立在我們語(yǔ)音云上的合作伙伴，我們現(xiàn)在的合作伙伴已經(jīng)達(dá)到了5萬(wàn)個(gè)，每日活躍數(shù)達(dá)到了3000，市面上主流的應(yīng)用或是廠商都是應(yīng)用了我們的語(yǔ)音技術(shù)。包括QQ、小米、滴滴打車(chē)等都用到我們的語(yǔ)音服務(wù)。這也是科大訊飛的一個(gè)愿景，希望所有的設(shè)備都能夠具備能聽(tīng)、會(huì)說(shuō)能理解這樣的能力。

　　我們平常所說(shuō)的智能語(yǔ)音交互技術(shù)包含了三個(gè)方面，第一個(gè)語(yǔ)音合成。什么是語(yǔ)音合成呢?語(yǔ)音合成就是將任意文字轉(zhuǎn)換成語(yǔ)音相當(dāng)于給機(jī)器一個(gè)嘴巴。還有就是說(shuō)我們的語(yǔ)音識(shí)別，就是將你說(shuō)的話或是文字裝了人工的耳朵。還有進(jìn)一步理解，就是把你的語(yǔ)音和文字進(jìn)行深層次的理解。

　　這個(gè)人大家認(rèn)識(shí)嗎?這個(gè)人就是舌尖上的中國(guó)配音人，通過(guò)對(duì)他的語(yǔ)調(diào)進(jìn)行了收集合成了他的語(yǔ)音音庫(kù)。下面有一段合成聲音給大家聽(tīng)一下。接下來(lái)，我為大家演示科大訊飛的語(yǔ)音合成的能力。今年年初的時(shí)候，如果你們裝了高德地圖，就會(huì)聽(tīng)到一個(gè)女神的聲音，這就是我們跟高德的合作，去了臺(tái)灣從林志玲那邊錄了她的聲音合成的聲音。

　　這就是科大訊飛語(yǔ)音識(shí)別技術(shù)的發(fā)展態(tài)勢(shì)?？拼笥嶏w的語(yǔ)音云是從2010年10月28日發(fā)布的，那時(shí)候的準(zhǔn)確率只有60.2%，而我們現(xiàn)在達(dá)到了95%。我們也相信，科大訊飛可以把準(zhǔn)確率達(dá)到99%的第一家公司。這是我們最新推出一個(gè)多方言識(shí)別的技術(shù)，因?yàn)槲覀兏芏鄰S商聊的時(shí)候，他們的產(chǎn)品是全國(guó)發(fā)布的，他們需要語(yǔ)音的時(shí)候會(huì)遇到地方有方言問(wèn)題，這時(shí)候語(yǔ)音的識(shí)別準(zhǔn)確率會(huì)受影響。

　　這就是我們的語(yǔ)音理解技術(shù)，為什么要語(yǔ)音理解技術(shù)呢?如果你把他的一句話或是一段文字來(lái)進(jìn)行理解，比如大家攜程訂票的時(shí)候比較麻煩，我們跟他們合作，里面有一個(gè)語(yǔ)音的按紐，你跟他說(shuō)幫我定一張從北京到上海的飛機(jī)票，那邊檢索就會(huì)出來(lái)。我們可以看到，從最早的20領(lǐng)域的85.21%到現(xiàn)在的30多個(gè)領(lǐng)域的94.43%，語(yǔ)音云的用戶積累達(dá)到了這樣效果。

　　這是科大訊飛整個(gè)OVS的一個(gè)使用場(chǎng)景，這個(gè)OVS什么意思呢?剛才說(shuō)的這種是攜程里面需要這種語(yǔ)音的服務(wù)，但是它有一些沒(méi)有的，比如攜程沒(méi)有天氣的一些后續(xù)的服務(wù)，如今天上海幾度，是不是多云，穿衣指數(shù)是多少。這些信息我們?cè)诤笈_(tái)把它也開(kāi)放出來(lái)了，供我們廣大的用戶使用。大家可以看到，從我們的語(yǔ)音合成、語(yǔ)音的識(shí)別，到語(yǔ)音理解，這是一整套的服務(wù)，這服務(wù)在我們很多的產(chǎn)品里面也得到體現(xiàn)。

　　今天我也帶來(lái)我們最新的一個(gè)產(chǎn)品。這就是我們的智能音響，這里有一個(gè)語(yǔ)音按紐，你們聽(tīng)歌的時(shí)候并不是需要通過(guò)手機(jī)端控制它，而只要按這個(gè)按紐給它說(shuō)話。比如我可以說(shuō)我想聽(tīng)劉德華的命運(yùn)之類(lèi)的，它就可以把劉德華的歌放出來(lái)給你聽(tīng)，十分方便。這是我們第一代產(chǎn)品。在下一代的產(chǎn)品里面我們不僅有這些東西，還有更智能的技術(shù)。這是語(yǔ)音喚醒，什么意思呢?比如說(shuō)這樣的音響有語(yǔ)音的按紐，你可以給它起名字，比如給它的名字叫小志，然后你只要叫小志它就會(huì)給你交互。

　　我們現(xiàn)在整個(gè)喚醒技術(shù)所占的資源比較小，這都是我們的一些參數(shù)。我們?cè)谛∶咨嫌昧宋覀兊膯拘逊?wù)，每小時(shí)是40MIPS，97%是我們的成功喚醒率，我們RAM和ROM都是比較小的，都是6K和40K非常輕的級(jí)別。如果我沒(méi)有叫小志但是你啟動(dòng)了這是6小時(shí)一次。還有喚醒加識(shí)別技術(shù)，我可以智能交互。比如這樣的音響，我說(shuō)小志給我放劉德華的歌它就放出來(lái)了。這種喚醒服務(wù)在一款最新的產(chǎn)品上大家可以看到，這款產(chǎn)品就是我們之前和北京的公司做的一款智能機(jī)器人。他們就是用了科大訊飛的技術(shù)加喚醒加識(shí)別和云服務(wù)。大家昨天看到魅族最新的發(fā)布會(huì)的話就會(huì)注意到，它就用了這樣的喚醒技術(shù)，軟件方面的服務(wù)就是我們科大訊飛提供的。

　　還有就是聲紋識(shí)別，它分兩個(gè)方面，一個(gè)是聲紋確認(rèn)，一個(gè)是聲紋鑒別。比如你到你家門(mén)口了，你說(shuō)我回來(lái)了，這個(gè)識(shí)別就可以識(shí)別出你，什么叫聲紋鑒別呢，比如林志玲到你家門(mén)口了，說(shuō)一句話說(shuō)我要進(jìn)來(lái)，從我們后臺(tái)，因?yàn)槲覀兪盏竭@樣的信息，通知到手機(jī)這邊說(shuō)林志玲到你家門(mén)口了，你是不是讓她進(jìn)來(lái)。這個(gè)圖是我們識(shí)別的準(zhǔn)確率達(dá)到了95%。

　　這是科大訊飛一整套自然語(yǔ)言的交互方案，從最左邊的身份確認(rèn)，喚醒，聲紋，做確認(rèn)和交互的形態(tài)，一整套的解決方案形成一個(gè)閉環(huán)，包括里面的人臉識(shí)別和手勢(shì)也是我們研發(fā)的。而且準(zhǔn)確率達(dá)到了99.3%以上，已經(jīng)超越了正常人對(duì)這件事的識(shí)別。但是我們會(huì)遇到一些其他的問(wèn)題，比如你網(wǎng)絡(luò)未覆蓋。舉個(gè)例子，比如在銀行或是一些私人的別墅，往往不希望自己的網(wǎng)絡(luò)進(jìn)入到管網(wǎng)里面來(lái)，這時(shí)候的語(yǔ)音服務(wù)也可以做到。

　　大家知道4G出來(lái)了，4G的口號(hào)是移動(dòng)改變生活。它比較消費(fèi)流量，我們也推出了我們最新的解決方案。我們離線合成、離線聽(tīng)寫(xiě)都可以為你服務(wù)，這樣的離線的合成跟離線聽(tīng)寫(xiě)技術(shù)，這種合成的自然度遠(yuǎn)遠(yuǎn)超過(guò)了我們?nèi)祟?lèi)的自然度，我們現(xiàn)在說(shuō)是4.2，準(zhǔn)確率達(dá)到95%以上。舉個(gè)例子來(lái)說(shuō)，你在公園里面跑步的時(shí)候有一款這樣的手表，或是家里的時(shí)候床頭有這樣的一個(gè)交互的家電，你需要用語(yǔ)音技術(shù)跟它進(jìn)行交互。這也是我們所認(rèn)為的極致的交互，是融合云和端的解決方案，給你最好的服務(wù)。我們希望給你們更多的一些選擇，讓你們能夠從中獲得更多的我們語(yǔ)音的能力。這是我們另外的一些語(yǔ)音識(shí)別準(zhǔn)確率的介紹，大家可以看到，我們語(yǔ)音識(shí)別準(zhǔn)確率在WIFI上相應(yīng)速度已經(jīng)達(dá)到了140毫秒左右。2014年科大訊飛把它整個(gè)語(yǔ)音識(shí)別相應(yīng)速度提高，這是我們一個(gè)關(guān)鍵的要素。然后大家都知道，現(xiàn)在除了科大訊飛以外還有一些小的廠商也做這方面的服務(wù)。

　　所以在這里給大家介紹科大訊飛的優(yōu)勢(shì)在什么地方?首先是，我們擁有大量用戶的數(shù)據(jù)，從2010年發(fā)布語(yǔ)音云以來(lái)，現(xiàn)在每天我們的數(shù)據(jù)幾個(gè)T的在增長(zhǎng)，這可以讓我們語(yǔ)音合成、識(shí)別的自然度和準(zhǔn)確度方面有一個(gè)自然的提升。第二個(gè)我們是個(gè)性化的團(tuán)隊(duì)。為什么這很重要呢?我們每天交互次數(shù)是達(dá)到了億級(jí)別，但是我們現(xiàn)在需要的服務(wù)器的級(jí)別是非常低的，因?yàn)槲覀儸F(xiàn)在有一個(gè)非常出色的工程優(yōu)化團(tuán)隊(duì)，我們通過(guò)這個(gè)資源可以做各種各樣的有意的事情。比如聽(tīng)寫(xiě)模型，可能就是某一個(gè)方面垂直領(lǐng)域的一個(gè)應(yīng)用或是一個(gè)服務(wù)。我不需要你下面的一些其他的服務(wù)，你就可以用我們這個(gè)專(zhuān)業(yè)的模型了。第三個(gè)就是提供完整的解決方案?，F(xiàn)在訊飛提供的不僅僅是在線的方案，還有芯片級(jí)的方案，通過(guò)整套的解決方案給你們提供更多的選擇。第四個(gè)就是說(shuō)我們是最有力的資源整合。現(xiàn)在科大訊飛不僅僅是跟國(guó)內(nèi)的清華大學(xué)建立聯(lián)合工作室，還跟國(guó)外的大學(xué)成立了識(shí)別方面的實(shí)驗(yàn)室。通過(guò)這樣的優(yōu)質(zhì)資源整合，給我們帶來(lái)更多的研究力量，幫助我們更快的前進(jìn)。

　　最后告訴大家，你并不是一個(gè)人在戰(zhàn)斗，大家都在做智能家居和智能樓宇的話，都會(huì)下載一個(gè)APP。你如果想做一款很精致的產(chǎn)品是很難的，我們建立了一個(gè)伙伴團(tuán)隊(duì)，基本上每天晚上10點(diǎn)都有在線支持你們做一些事情。最后告訴大家一下，我們整個(gè)平臺(tái)聯(lián)系的方式，科大訊飛也希望通過(guò)這樣更加友好的在線交互方式跟我們的廠商、合作伙伴建立更加好的合作伙伴關(guān)系，將智能樓宇或是智能產(chǎn)業(yè)更往前走一步們，謝謝大家。