說到聲音，你會想到什么？是人講話的聲音、汽車發(fā)動機啟動時發(fā)出的轟鳴聲，還是手指敲擊鍵盤的陣陣窸窣聲？每天縈繞于人耳的聲音其實是包羅萬象的，有關聲音的學問也與人工智能領域有著密不可分的關系。

“人耳能聽到的聲音大體上可以為幾種。”北科瑞聲科技股份有限公司副總經(jīng)理黃石磊告訴《中國電子報》記者，“第一類聲音是人們日常說話的聲音，即語音；第二類是音樂；第三類聲音分別是自然界、城市生產(chǎn)生活中產(chǎn)生的聲音。這三者我們通常也稱為廣義的音頻。”所有的聲音都蘊藏著“智慧”的要義，智能系統(tǒng)通過機器感知技術可以實現(xiàn)聲音采集、識別和理解等信息處理，也可以利用更加復雜的技術進行分析，最終實現(xiàn)人機對話、智能判析和決策。作為人工智能產(chǎn)業(yè)鏈的重要細分領域之一，智能音頻處理也因此有了賦能千行百業(yè)的力量。

智能語音技術大有可為

現(xiàn)階段，我們正處在一個信息爆炸的時代，每個行業(yè)的發(fā)展都會產(chǎn)生海量的信息。正是這些浩如煙海的信息，構成了非常專業(yè)和復雜的系統(tǒng)。要想在這個復雜的系統(tǒng)下將業(yè)務流程做到標準化和規(guī)范化，智能語音的應用就顯得尤為關鍵。

“語音是人們一種最自然的交互方式，它有非接觸、可穿透等特性。”北科瑞聲科技股份有限公司總經(jīng)理助理汪雪說，“基于它的特性，語音是賦能傳統(tǒng)行業(yè)最好的方式之一。”

汪雪表示，智能語音的應用十分自然，可以賦能非常多的應用場景。在看到智能語音市場中存在的發(fā)展機遇后，北科瑞聲選擇了智能音頻賽道，專注于人工智能語音音頻信息處理，目前已成為國內擁有全鏈條語音技術的人工智能企業(yè)。

與國外的Nuance、谷歌、蘋果、微軟和國內的科大訊飛、百度、小i機器人等眾多擁有全棧技術的智能語音企業(yè)不同，北科瑞聲對垂直領域進行了定制化研發(fā)，更多專注于與特定行業(yè)結合的智能語音技術，產(chǎn)品應用也面向醫(yī)療、政務和交通等特定行業(yè)。黃石磊以醫(yī)療行業(yè)為例向記者表示，運用智能語音技術可以讓每位醫(yī)務工作者都擁有一個自動化語音小助手，這個語音小助手能夠聽懂他講話，并在必要時給他提供幫助。

“各行業(yè)業(yè)務流程的信息化和規(guī)范化會涉及很多重復的工作，而通過智能化的手段可以自動完成這些重復的工作。”黃石磊對記者說，“這能夠大大提升專業(yè)工作人員的效率。”

例如在醫(yī)療信息化應用中，目前北科瑞聲正在布局的醫(yī)療行業(yè)面臨真實環(huán)境帶來的難題。黃石磊談道，除了人發(fā)出的聲音以外，周圍環(huán)境的人和各種設備都會產(chǎn)生聲音。他表示，當這些聲音混在一起，就會讓人們關注的聲音難以被處理。“醫(yī)院中的環(huán)境是非常嘈雜的，（在這種情況下進行語音處理）其實是對現(xiàn)有技術的一大考驗。”黃石磊說。

又比如，當前信息化建設的提速也讓工業(yè)互聯(lián)網(wǎng)屢次成為業(yè)內關注的焦點。在采訪過程中，黃石磊特別強調了智能音頻在工業(yè)互聯(lián)網(wǎng)領域的應用情況。他表示，工業(yè)互聯(lián)網(wǎng)涉及包括音頻處理在內的信號處理技術，基于語音的人機交互可以應用于人和設備的交互過程中，還可以在針對非語音實現(xiàn)從智能語音到智能音頻的擴展。但是目前，工業(yè)領域是一個充滿噪聲、混響、回聲等相對復雜因素的場景，智能語音、只能音頻技術在工業(yè)領域的賦能效果尚不明顯，落地場景也有待拓寬。很多企業(yè)礙于高成本和低收益，智能化轉型動力不足。作為行業(yè)伙伴的賦能者，北科瑞聲將對該領域進行更為深入的布局。

共性挑戰(zhàn)亟待突破

不同的應用場景會產(chǎn)生不同的數(shù)據(jù)和需求，比如在語音識別等場景中，用戶的需求正在不斷涌現(xiàn)、提升。然而，很多的智能音頻處理產(chǎn)品的應用和功能仍具有一定邊界，只能在理想的環(huán)境條件中發(fā)揮作用。

智能音頻處理行業(yè)的發(fā)展一波三折，在整個行業(yè)的發(fā)展過程中，深耕垂直領域和特定行業(yè)的北科瑞聲也遇到了很多企業(yè)都在面臨的共性挑戰(zhàn)。在黃石磊看來，第一個挑戰(zhàn)就來源于不同行業(yè)間的行業(yè)知識的壁壘。每一個行業(yè)都有自己獨特的符號體系和術語體系。對智能語音產(chǎn)品來講，要想游刃有余地在不同行業(yè)中理解并識別各種紛繁復雜的音頻信息，是比較困難的一件事。“就像人一樣，當我們從一個行業(yè)跑到另一個行業(yè)，我們也會發(fā)現(xiàn)自己完全聽不懂或者不理解新行業(yè)中的一些術語。”黃石磊對記者說。

第二個挑戰(zhàn)在于目前機器與人對語音語言理解的能力差異。黃石磊表示，人類具備抽象表達的能力，也具備察言觀色的能力。人類的語言會涉及一些隱含的意思和抽象的表達，但機器在這些方面還遠遠達不到人類理解能力。

最后一個挑戰(zhàn)來自于數(shù)據(jù)的獲取，這也是“先有雞還是先有蛋”的問題。黃石磊說，發(fā)展智能音頻處理行業(yè)需要先獲得語音數(shù)據(jù)，但通常只有進入到這個行業(yè)中并得到用戶認可后才能獲得數(shù)據(jù)。“理想情況下，還是應該先獲得數(shù)據(jù)。”他說，“從商業(yè)模式和技術的角度來看，（數(shù)據(jù)的獲取）是一個挑戰(zhàn)。”

針對如何克服這些困難，黃石磊也給出了自己的建議。他認為，從公司的角度來講，還是應該專注于核心技術的研發(fā)，比如在核心技術能力方面提供一些具體的產(chǎn)品形態(tài)。此外，他還特別提到要找一些已經(jīng)在行業(yè)深耕的合作伙伴，進行協(xié)同發(fā)展。

就像站在巨人的肩膀上可以看得更遠，與合作伙伴的配合也可以加速公司對智能音頻對各個行業(yè)的理解。由于在整個行業(yè)中扮演的是一個“被集成者”的角色，北科瑞聲在尋找行業(yè)合作伙伴時相對而言更具優(yōu)勢。黃石磊表示，合作伙伴在某些領域有一定技術和客戶基礎，公司可以借助合作伙伴已有的基礎，更快地融入到行業(yè)中去，為行業(yè)客戶提升價值，最終實現(xiàn)行業(yè)客戶、行業(yè)產(chǎn)品提供方和公司的三方共贏。

責任編輯：lq