国产一级a片免费看高清,亚洲熟女中文字幕在线视频,黄三级高清在线播放,免费黄色视频在线看

作者：謝磊

語(yǔ)音是語(yǔ)言的物質(zhì)外殼，是人類區(qū)別與其他動(dòng)物從而能夠主宰世界的一種強(qiáng)大能力，是最直接、高效的信息溝通方式。在萬(wàn)物互聯(lián)時(shí)代，隨著機(jī)器學(xué)習(xí)技術(shù)的快速發(fā)展，大規(guī)模場(chǎng)景數(shù)據(jù)的不斷積累，算力的指數(shù)級(jí)提升， 語(yǔ)音逐漸成為人機(jī)交互的全新入口。從手機(jī)端語(yǔ)音助手到智能音響、智能車載設(shè)備……智能語(yǔ)音已經(jīng)由最初消費(fèi)者娛樂時(shí)的調(diào)侃型應(yīng)用，發(fā)展到如今可解決各種實(shí)際問題的功能性平臺(tái)。語(yǔ)音技術(shù)的賦能（即Speech+），為各個(gè)垂直領(lǐng)域開辟出了全新價(jià)值。 

IDC（國(guó)際數(shù)據(jù)公司）最新發(fā)布的報(bào)告《2019年全球IT產(chǎn)業(yè)預(yù)測(cè)》中指出，AI將成為全新的用戶接口，到2024年，支持AI的用戶界面和流程自動(dòng)化將取代目前三分之一基于屏幕的應(yīng)用程序；到2022年， 至少30%的企業(yè)將使用會(huì)話語(yǔ)音技術(shù)進(jìn)行客戶維護(hù)工作。 

近年來(lái)智能語(yǔ)音技術(shù)的飛速發(fā)展背后有三個(gè)推動(dòng)力，這三大因素的組合造就了人工智能和智能語(yǔ)音技術(shù)的發(fā)展：

在以上三大助力的賦能之下，智能語(yǔ)音在技術(shù)層面已具備根基，但若要在人機(jī)交互領(lǐng)域取得絕對(duì)性主導(dǎo)地位，拋開語(yǔ)義理解這個(gè)挑戰(zhàn)不談，目前的智能語(yǔ)音發(fā)展還面臨語(yǔ)音識(shí)別“魯棒性”、個(gè)性化、低資源三大主要瓶頸， 在性能、成本、智能程度上仍需繼續(xù)深耕。 

語(yǔ)音識(shí)別“魯棒性”問題。在生物學(xué)中，有個(gè)術(shù)語(yǔ)叫做“魯棒性”，是指系統(tǒng)在擾動(dòng)或不確定的情況下，仍能保持它的特征行為。這一問題在包括語(yǔ)音識(shí)別領(lǐng)域在內(nèi)的眾多AI領(lǐng)域也同樣存在。 

語(yǔ)音識(shí)別整個(gè)過(guò)程包含語(yǔ)音信號(hào)處理、語(yǔ)音檢測(cè)與增強(qiáng)、聲學(xué)特征提取、聲學(xué)建模、語(yǔ)言模型、解碼搜索等多個(gè)環(huán)節(jié)。語(yǔ)音信號(hào)的多樣性和復(fù)雜性對(duì)每個(gè)模塊都有影響，因此在真實(shí)使用場(chǎng)景中，語(yǔ)音識(shí)別的“魯棒性”（穩(wěn)健性）是非常重要的挑戰(zhàn)。特別是語(yǔ)音交互從近講走向遠(yuǎn)講，場(chǎng)景發(fā)生了變化，語(yǔ)音交互跨界聲學(xué)、信號(hào)處理和機(jī)器學(xué)習(xí)三個(gè)領(lǐng)域。聲學(xué)上帶來(lái)的影響眾多，包括聲學(xué)回波、目標(biāo)移動(dòng)、房間混響、各種背景噪音、干擾聲源等， 語(yǔ)音識(shí)別的準(zhǔn)確率會(huì)大打折扣。 

個(gè)性化。基礎(chǔ)語(yǔ)音識(shí)別和合成效果穩(wěn)定后，下一步就是追求差異化或個(gè)性化。語(yǔ)音服務(wù)應(yīng)該為每個(gè)場(chǎng)景、每個(gè)用戶來(lái)深度定制，提高交互服務(wù)的粘合度。例如，開車導(dǎo)航時(shí)，男性就可能喜歡用林志玲的聲音，女性可能就喜歡用岳云鵬的聲音。如果語(yǔ)音合成只有一個(gè)聲音，大家就會(huì)覺得很無(wú)聊，因此需要做出個(gè)性化的聲音來(lái)滿足大家個(gè)性化需求，這對(duì)技術(shù)也有非常大的考驗(yàn)。 

低資源場(chǎng)景的挑戰(zhàn)。人工智能行業(yè)內(nèi)流傳一句話：“有多少人工，就有多少智能。”智能語(yǔ)音作為人工智能的重要分支，在數(shù)據(jù)標(biāo)注、計(jì)算資源、模型自適應(yīng)等方面也都需要大量的人力財(cái)力投入。如何投入更少的資源來(lái)獲取更多更有效的成果，也是目前智能語(yǔ)音技術(shù)需要探索的一大重點(diǎn)。 

瞄準(zhǔn)智能語(yǔ)音技術(shù)的三大挑戰(zhàn)， 同盾智能語(yǔ)音實(shí)驗(yàn)室做了眾多探索， 包括智能語(yǔ)音降噪、小數(shù)據(jù)遷移學(xué)習(xí)、低資源關(guān)鍵詞檢出等方面，有效提高了智能語(yǔ)音交互的體驗(yàn)。 

基于深度學(xué)習(xí)的智能語(yǔ)音降噪。在各種實(shí)際語(yǔ)音交互場(chǎng)景（比如智能客服）中，用戶語(yǔ)音不可避免的帶有噪聲，噪聲嚴(yán)重影響語(yǔ)音識(shí)別的準(zhǔn)確率。傳統(tǒng)基于統(tǒng)計(jì)信號(hào)處理的方法很難解決一些棘手的突發(fā)或非平穩(wěn)噪聲。通過(guò)深度學(xué)習(xí)的方法，用數(shù)據(jù)驅(qū)動(dòng)的思路來(lái)降噪，借助大數(shù)據(jù)有效地去學(xué)習(xí)語(yǔ)音和非語(yǔ)音之間的結(jié)構(gòu)關(guān)系，從而可以獲得非常理想的降噪效果。此外，同盾語(yǔ)音團(tuán)隊(duì)還嘗試把人的“注意力機(jī)制”引入到深度學(xué)習(xí)算法中， 更好地解決突發(fā)噪聲問題。 

基于深度學(xué)習(xí)的語(yǔ)音識(shí)別說(shuō)話人自適應(yīng)。在很多時(shí)候，通用語(yǔ)音識(shí)別的測(cè)試準(zhǔn)確率已經(jīng)較為理想，但是“千人千音”，每個(gè)人的口音造成了每個(gè)人機(jī)器語(yǔ)音識(shí)別性能的差異。通過(guò)深度學(xué)習(xí)的方法，基于小樣本遷移學(xué)習(xí)， 讓模型適應(yīng)不同人的口音，實(shí)現(xiàn)通過(guò)少量目標(biāo)說(shuō)話人數(shù)據(jù)提升語(yǔ)音識(shí)別性能的目標(biāo)，提升模型效率。 

低資源關(guān)鍵詞檢出。關(guān)鍵詞檢出是指從一段語(yǔ)音流中檢測(cè)出關(guān)注的部分，在語(yǔ)音內(nèi)容理解與信息挖掘中具有重要的作用。例如，在智能客服對(duì)話中，通過(guò)檢測(cè)一些關(guān)鍵詞，來(lái)挖掘用戶的需求，理解用戶。同樣的，智能音箱交互的“喚醒詞”、命令控制都是屬于關(guān)鍵詞檢出任務(wù)，通過(guò)比較輕量級(jí)的資源去做關(guān)鍵詞檢出，并不斷提升關(guān)鍵詞檢出的魯棒性和適應(yīng)性， 來(lái)提高交互準(zhǔn)確率。