東軟開放日大汽車專場暨韜客第四季在東軟舉辦，活動旨在充盈企業員工知識庫，以促進對外知識技能、市場信息交流為目的。

思必馳·上海交大聯合實驗室副主任、上海研發中心主任錢彥旻受邀參加，發表了題為《智能語音技術及產業化應用》的演講，從AI語音科技的時代進程、技術重難點到產業應用等全方位，展示智能語音對于科技和社會的影響力。

AI語音技術：智能時代的入口

移動互聯網時代的繁榮離不開PC時代的技術沉積，如果說科技是個接力棒的革新過程的話，那人工智能的爆發便離不開移動互聯網奠定的結實基礎。

錢彥旻表示，大數據、云計算、超級硬件、深度學習共同構成了人工智能四大基礎，在此之上，人工智能以實體機器人、人機交互的形式進行商業化落地，并以大數據分析的方式智能運營，以上三點共同促成了人工智能的爆發和AI時代的到來。

AI技術在物聯網的應用加深了人與硬件及硬件與硬件之間的聯系，同時也促使了智能設備形態的迷你化和無屏化，因此錢彥旻認為，智能口語對話是物聯網時代的人工智能入口，從而，語音交互成為繼按鍵、觸屏交互方式之后的新興交互模態。

同時更促進了傳統電子產品的升級，如手機智能助手、智能音箱、智能手表等以語音交互為主的智能設備都是這一演變下的產物，AI語音交互已成為新興科技產品的智能入口。

在數十年前，圖靈測試便提出了“能否通過智能對話測試是判斷機器是否具備人類智能的方法”，由于智能對話可直接體現AI的認知和感知能力，是智能化的最高表現，故被喻為人工智能皇冠上的明珠，而語音識別及分析作為智能語音交互閉環的入口，對語義內容提取起著“金鑰匙”般的開端作用。

語音識別技術：智能對話入口

語音識別歷來是人工智能和機器學習中的十大經典難題之一，它的難點可以整體歸納為三方面的不確定性——說話人、環境、設備。

說話人作為語音主體，本身具有語言復雜性，世界上有6900多種語言，且小語種的數字資源較為匱乏，開發難度大；語音富信息，如性別、年齡、情緒的不同也讓語音識別的過程更加復雜。

就外部環境而言，噪聲下的魯棒識別是語音識別大規模應用的主要絆腳石，會議室、電影院、體育場等場景的不同，會導致噪聲、遠場、信道失配等情況的差異，這對于多類別復雜場景下的通用語音識別的實現難度較大。

識別技術離不開計算資源的支持，離線識別、連續性識別、低功耗等技術和硬件設備的升級都能幫助計算資源的擴展，對將語音識別走向千家萬戶，有巨大的推動作用。

針對以上難點，思必馳的語音識別技術也有了改進，其識別技術可進行聲紋識別、抗噪及遠場識別、性別、年齡、情緒識別等；在設備上，研發的AI語音專用TAIHANG芯片，能更好地實現離線識別和低功耗等功能，將AI語音技術賦能至更多智能硬件中。

智能車載：最佳應用場景

從技術到到商業化變現，離不開對場景需求的挖掘和探索，車載是AI語音的最佳應用場景，思必馳將全鏈路語音交互技術應用于智能車載方案，其中包括車載語音交互系統——天琴語音助手，目前已與上百家車企、Tier1合作，已將“小天”搭載至五十余款主流車型中。

語音采集上，思必馳的雙麥/四麥方案可采集車載空間的全方位語音信息，通過多音區定位技術支持一對多交互；語音識別上，能夠保證在噪音環境下保持超高識別率和“云+端”穩定性，同時支持普通話和多種方言識別。

在語義理解和對話管理上，天琴助手能分析出說話人情感，完成高情商的閑聊互動，并同時完成各項技能和內容資源調用任務，如點歌、導航、訂票、查天氣等等；作為對話回應，思必馳的TTS復刻技術可快速生成“高仿真度”的合成音，讓愛人、家人、朋友時刻陪伴自己。

在整個車載場景的交互中，思必馳的全雙工技術可以讓喚醒、聆聽、回復同時進行，實現one-shot一把說，貼近自然語言對話。此外，還包括了個性化推薦、智能打斷、離線交互等，來更好地幫助車主解放雙手，守護出行安全

未來思必馳會將AI語音技術應用于更多行業場景中，“溝通萬物，打理萬事”是思必馳的愿景，更是智能語音在AI時代的驅動方向。

責任編輯：ct