美的科技月 x 思必馳丨聲動無限 共話未來

　　以下內(nèi)容由思必馳轉(zhuǎn)寫一體機(jī)記錄并轉(zhuǎn)寫。思必馳智能會議轉(zhuǎn)寫系統(tǒng)，自從開會用上它，職場社畜早回家！

　　1、思必馳人工智能語音技術(shù)簡介

　　分享環(huán)節(jié)中，思必馳商務(wù)總監(jiān)申曉宇率先為參會人員介紹思必馳公司概況及主要產(chǎn)品技術(shù)、解決方案。思必馳一直以來專注于語音交互核心技術(shù)不斷升級以及AI+行業(yè)的商業(yè)落地，同時(shí)也擁有產(chǎn)業(yè)基金來孵化不同行業(yè)場景下的商業(yè)化應(yīng)用，以擴(kuò)大思必馳在整個(gè)行業(yè)里的布局。

　　思必馳目前為合作伙伴提供全渠道的智能服務(wù)，主要集中在IoT、智能家居、智能車載、智能電子、機(jī)器人等領(lǐng)域。同時(shí)，思必馳業(yè)務(wù)范圍也逐漸覆蓋智慧金融、智慧醫(yī)療、智慧物流、智慧酒店等場景。

　　目前，在整個(gè)IoT場景及車載場景市場占有率里，思必馳以亮眼數(shù)據(jù)占據(jù)了行業(yè)領(lǐng)先地位；同時(shí)，智慧城市、智慧政務(wù)、智能客服等也是思必馳所嘗試的戰(zhàn)略發(fā)展新方向。細(xì)化AI+行業(yè)，以AI賦能全行業(yè)，是思必馳一直以來的用心所在。

　　2、端側(cè)專用芯片——AI算法的理想載體

　　思必馳全資子公司——深聰智能芯片總監(jiān)查亮則對思必馳端側(cè)專用AI芯片做出了更詳細(xì)的闡述。

　　根據(jù)IDC預(yù)測，2021年全球AI生態(tài)市場規(guī)模將超過520億美金?；?021年全球AI生態(tài)系統(tǒng)的發(fā)展態(tài)勢，AI芯片迎來了新的發(fā)展機(jī)遇及挑戰(zhàn)，軟件定義芯片的時(shí)代已經(jīng)來臨。在傳統(tǒng)通用芯片市場上，芯片可匹配的應(yīng)用場景很多，對算力要求不高，可以適配多種產(chǎn)品，但是通用性強(qiáng)可能導(dǎo)致芯片的專業(yè)性較弱。此外在市場層面，從最初的產(chǎn)品定義到軟件功能、硬件設(shè)計(jì)，及最后的用戶體驗(yàn)，能夠給用戶帶來一套完整芯片方案是當(dāng)前比較剛性的需求。所以軟硬件的結(jié)合，是更符合市場趨勢的一個(gè)產(chǎn)品方向。

　　深聰智能自研發(fā)的TH系列芯片作為思必馳語音算法與芯片的完美結(jié)合，令客戶在選擇對傳統(tǒng)產(chǎn)品進(jìn)行智能化改造時(shí)擁有了更多樣化、更靈活的軟硬一體解決方案。深聰智能第一代芯片TH1520已量產(chǎn)上市并落地諸多案例，下一代芯片在開發(fā)中針對算法、架構(gòu)、物理實(shí)現(xiàn)了IP優(yōu)化，多模態(tài)視覺識別也在規(guī)劃中。

　　3、語音前端信號處理技術(shù)

　　在全鏈路語音技術(shù)分享環(huán)節(jié)中，思必馳前端信號處理負(fù)責(zé)人周強(qiáng)認(rèn)為，語音交互仍面臨著遠(yuǎn)場拾音、多聲道同步采集、回聲消除、去混響、平穩(wěn)噪聲降噪、自動目標(biāo)偵聽和喚醒、目標(biāo)聲源波達(dá)方向估計(jì)、目標(biāo)聲源波束形成和干擾抑制等諸多聲學(xué)場景挑戰(zhàn)。信號處理可以提升語音的可懂度和信噪比，用來提升人人交互和人機(jī)交互的性能。

　　思必馳在遠(yuǎn)場語音通話、遠(yuǎn)場語音喚醒識別等方面都有自己的一套處理算法，在不同的系統(tǒng)中做好降噪量和失真的權(quán)衡問題也有著比較充足的實(shí)戰(zhàn)經(jīng)驗(yàn)。在談到思必馳所掌握的核心基礎(chǔ)技術(shù)時(shí)，周強(qiáng)著重介紹了波束成形技術(shù)及盲源分離技術(shù)的技術(shù)原理及關(guān)鍵指標(biāo)。

　　技術(shù)終將凝練成產(chǎn)品再系統(tǒng)形成成熟方案，基于過硬的全鏈路語音技術(shù)，周強(qiáng)也簡要介紹了思必馳的遠(yuǎn)/近場交互方案。近場交互方案多應(yīng)用于智能客服終端、機(jī)器人、自動售賣機(jī)等案例中，它采用大陣列近場模型，對角度和距離進(jìn)行建模，能有效去除范圍外的噪聲干擾。遠(yuǎn)場交互方案則廣泛用于家居場景中，目前思必馳遠(yuǎn)場交互方案配合麥陣方案，可實(shí)現(xiàn)遠(yuǎn)場3~5米識別率在94%以上。

　　4、思必馳ASR(++)技術(shù)與平臺化應(yīng)用

　　思必馳語音識別技術(shù)總監(jiān)薛少飛則從語音識別技術(shù)（ASR）、語音富信息技術(shù)（ASR++）以及語音技術(shù)平臺化幾個(gè)方向分享了思必馳的技術(shù)和產(chǎn)品思路。

　　卷積神經(jīng)網(wǎng)絡(luò)（CNN）應(yīng)用到語音識別中由來已久，最早應(yīng)用在圖像識別領(lǐng)域，大約在2014年引入到語音識別領(lǐng)域。利用CNN將整個(gè)語音信號分析得到的時(shí)頻譜當(dāng)作一張圖像一樣來處理，采用圖像中廣泛應(yīng)用的深層卷積網(wǎng)絡(luò)對其進(jìn)行建模；從實(shí)用性上考慮，CNN也比較容易實(shí)現(xiàn)大規(guī)模并行化計(jì)算。在深度學(xué)習(xí)領(lǐng)域，思必馳聯(lián)合實(shí)驗(yàn)室推出極深卷積神經(jīng)網(wǎng)絡(luò)（VDCNN）在識別魯棒性上展現(xiàn)出巨大的優(yōu)勢。產(chǎn)學(xué)研一體化之下，思必馳語音識別準(zhǔn)確率高達(dá)98%，并具有反饋速度快、快速定制、強(qiáng)魯棒性等優(yōu)勢，這得益于思必馳語音算法的行業(yè)前瞻性及先進(jìn)性。

　　語音識別支持通用以及包括金融、教育、音視頻等在內(nèi)的領(lǐng)域場景，同時(shí)也提供語音識別自定制能力，賦能客戶自主優(yōu)化應(yīng)用場景中的識別體驗(yàn)；即使在本地也可以支持普通話、方言以及外語小語種的識別。而語音副信息技術(shù)則在語音識別基礎(chǔ)上加上了富信息識別，例如說話人、情緒、年齡、性別等。

　　目前思必馳語音富信息技術(shù)已落地至IoT、智能客服、金融安全、會議轉(zhuǎn)寫、國防安全等場景。作為對話式AI平臺型公司，思必馳在語音技術(shù)平臺化方面也做了很多工作，推出的DUI平臺可面向物聯(lián)網(wǎng)場景進(jìn)行智能對話交互的定制化輸出，會話精靈則作為企業(yè)虛擬機(jī)器人定制平臺，幫助企業(yè)快速定制專屬服務(wù)和解決方案。

　　5、全雙工及多模態(tài)交互技術(shù)

　　思必馳全鏈路語音技術(shù)為各行各業(yè)智能交互添磚加瓦的同時(shí)，全雙工交互貫穿始終。思必馳對話組負(fù)責(zé)人樊帥指出，在過去半雙工狀態(tài)下，用戶的跨領(lǐng)域交互每次交互都需要重新喚醒，而現(xiàn)在，思必馳全雙工技術(shù)方案可實(shí)現(xiàn)一次喚醒，在多個(gè)領(lǐng)域持續(xù)交互，跨領(lǐng)域指代消解。不僅如此，全雙工語音交互可以結(jié)合專業(yè)領(lǐng)域知識庫實(shí)現(xiàn)智能語義糾正、支持多領(lǐng)域的模糊信息確認(rèn)、打破沉默主動交互、根據(jù)用戶說話節(jié)奏和內(nèi)容動態(tài)斷句等。

　　全雙工交互技術(shù)的提升涉及到對話系統(tǒng)的各個(gè)模塊，不僅各個(gè)模塊的功能性、穩(wěn)定性需要提升，對各模塊間的配合也提出了更高要求。思必馳專注人性化的智能語音技術(shù)，依托DUI平臺，思必馳全雙工與當(dāng)前全鏈路語音技術(shù)全面兼容，客戶可以選用思必馳全鏈路技術(shù)或采用云對云的方式接入全雙工。

　　此外，樊帥提到多模態(tài)交互將極大提升人機(jī)交互體驗(yàn)，他現(xiàn)場演示了一段視頻，展示多模態(tài)交互中的人臉拒識可以將非喚醒人的指令過濾，指令執(zhí)行有條不紊。多模態(tài)交互可讓全雙工交互技術(shù)發(fā)揮更大的能量，配合聲紋識別、圖像處理等技術(shù)，過濾無用信息，人機(jī)交互會變得更加貼合人性，這也是未來思必馳發(fā)力的方向。

　　6、語音技術(shù)在IoT場景的應(yīng)用

　　成立至今，思必馳以AI賦能多種IoT產(chǎn)品，覆蓋了包括音箱、電視、穿戴、白電、故事機(jī)、廚電在內(nèi)的多種IoT設(shè)備，為實(shí)現(xiàn)物聯(lián)網(wǎng)的智慧互聯(lián)而不懈努力。

　　思必馳IoT產(chǎn)品負(fù)責(zé)人于鵬偉從語音交互流程出發(fā)，簡單系統(tǒng)解釋全鏈路的概念。說話人說話通過陣列采集形成原始音頻，進(jìn)入到信號處理模塊，包括回聲消除、降噪等流程，然后獲得一段相對純凈的音頻。這時(shí)通過本地語音識別進(jìn)入到本地語音播報(bào)并傳達(dá)給說話人；或者通過云端語音識別進(jìn)入到自然語言理解模塊、對話管理、自然語言生成，最后再文字轉(zhuǎn)語音傳達(dá)給說話人。

　　基于關(guān)鍵全鏈路語音技術(shù)，思必馳的近/遠(yuǎn)場方案可以滿足智能客服、家居等多樣化場景需求。思必馳算法技術(shù)中的就近喚醒、聲紋識別、方言識別、通話降噪、圖像與多模態(tài)皆達(dá)到行業(yè)領(lǐng)先水平；此外，思必馳算法模型也已通過亞馬遜驗(yàn)證標(biāo)準(zhǔn)測試，成為亞馬遜前端軟件推薦供應(yīng)商，可協(xié)助合作客戶通過AmazonAlexa實(shí)驗(yàn)室聲學(xué)認(rèn)證測試，將來可為本土廠商發(fā)展海外市場、優(yōu)化多語言模型提供強(qiáng)大技術(shù)支持。

　　7、聲動無限共話未來

　　美的科技月活動始于1996年，在美的集團(tuán)內(nèi)部素有科研奧斯卡之稱，一直被美的視為科技創(chuàng)新實(shí)力和科技人員風(fēng)采的內(nèi)部展示與交流平臺。

　　思必馳與美的集團(tuán)的合作由來已久，近日更是與美的集團(tuán)共同創(chuàng)立AI聯(lián)合研究實(shí)驗(yàn)室，旨在攜手打造全鏈路智能家居生態(tài)平臺。未來，雙方也將在創(chuàng)新研發(fā)、產(chǎn)品更新、市場拓展等方面不斷深化合作，共建雙贏格局，推進(jìn)未來設(shè)備數(shù)字化與智能化升級。