1月22日下午消息，2015中國互聯(lián)網(wǎng)產(chǎn)業(yè)峰會在北京召開，科大訊飛云平臺事業(yè)部總經(jīng)理于繼棟分享了《語音云藝術(shù)：自然交互，整裝待發(fā)》，他談了科大訊飛2014年在語音方面的突破，并對預(yù)測了2015年。

 

　　于繼棟指出，從2014年是語音云非常重要的一年，我們走向人臉、聲聞更多的技術(shù)，在四年變化是非常大的，語音云合作伙伴從零到55000多個，激活終端6億。

 

　　于繼棟稱，2014年比較重要一些改變是科大訊飛在2014年首次發(fā)布方言技術(shù)，在語音云上面做了14種方言，這些方言標志著語音技術(shù)走向非常重要的時代，就是個性化的年代。

 

　　于繼棟大膽預(yù)測一下2015年，他認為“2015年是智能機器人元年。”

 

　　以下為于繼棟演講全文：

 

　　于繼棟：謝謝，我今天要分享的整體是自然交互，整裝出發(fā)。

 

　　在過去四年歷訊飛堅持開放道路，然后在2012年到2014年更多走向交互一個階段，也是伴隨著在2012年發(fā)布也帶動交互的變化。從2014年是語音云非常重要的一年，我們走向人臉、聲聞更多的技術(shù)，在四年變化是非常大的，在這四年中其實我們可以看到在語音云合作伙伴從零到55000多個，激活終端6億，那我們其實不知道大家有沒有注意到在手機上所有輸入法在過去四年終悄悄發(fā)生變化，每個輸入法增加語音輸入這個能力，這也是語音作為非常重要的輸入能力也是成為廣大用戶非常重要的一個選擇。

 

　　實際上除了語音輸入之外，語音搜索占有非常大的比例，我們在平臺上有數(shù)百萬用戶在使用語音搜索，百度公布一個數(shù)據(jù)通過語音搜索產(chǎn)生搜索量大概占到了整個百度搜索10%以上，從過去這種文本輸入轉(zhuǎn)向了到語音輸入習(xí)慣中來。那這些數(shù)據(jù)背后我覺得有非常大的變化，用戶習(xí)慣也是我覺得作為一個技術(shù)改變用戶習(xí)慣非常困難，我們可以看到在過去幾年中用戶習(xí)慣在默默發(fā)生改變，2014年是變化非常之大的一年，2014年年初有人說2014年是智能硬件的元年，那確實如此我們在2014年在語音合作伙伴出現(xiàn)智能硬件領(lǐng)域智能家居合作伙伴，語音在這些領(lǐng)域相對于手機來說對用戶來說更加重要更加自然，在2014年產(chǎn)生更多的合作伙伴，其實我們可以大膽預(yù)測一下2015年在講，是智能機器人的元年，我們在2014年底，這個平臺增加機器人開發(fā)合作越來越多，這些合作伙伴開發(fā)出來非常有趣的應(yīng)用，最近其實有一些智能陪護類的機器人已經(jīng)發(fā)布了，這些新型的一些應(yīng)用其實為這個語音和自然交互帶來非常重要的一些變化，那我們也期望2015年有更多交互類，以交互為中心這樣一些應(yīng)用甚至硬件產(chǎn)生。其實在四年多我們在語音方面，伴隨著網(wǎng)絡(luò)進步訊飛語音交互也在快速發(fā)展，整個交互速度比較慢的，2014年我們做的工作整個交互速度已經(jīng)降到500毫秒以下，最快在4GWIFI可以做到200毫秒以內(nèi)，可以形成用戶顛覆，我們希望在2015年之后有更多應(yīng)用，實現(xiàn)非常極致的體驗。

 

　　那另外一個我們在2014年的變化對云和端實現(xiàn)融合，這個能解決問題在沒有網(wǎng)絡(luò)或者網(wǎng)絡(luò)不好的環(huán)境下也能實現(xiàn)語音更好的交互體驗。那我其實之前花一些時間講語音，我們在全新語音云里面認為非常重要一個變化，我們真正走向自然交互一個階段，我們可以看到我們現(xiàn)在語音提供能力過去靈敏耳朵語音識別和嘴巴的能力之外，我們發(fā)布了人臉識別技術(shù)，叫交互一個云我們提供耳朵、嘴巴最主要的交互能力，把剛才能力做一些整合，這些交互能力分為兩種，第一種是確認，每一個交互要確認誰在跟我說話是不是準備在說話或者跟我打招呼這是確認技術(shù)，我們有語音喚醒系統(tǒng)，聲紋，人臉檢測，人臉識別，這才語音云非常完整的特性。說到這些能力我大概把這些能力簡單分析一遍，我們作為訊飛語音云來說最近幾年非常熱一個技術(shù)就是語音識別技術(shù)，我們在語音識別方面一直處于業(yè)界最領(lǐng)先的水平，今年比較重要一些改變我們在2014年首次發(fā)布這些方言技術(shù)，在語音云上面做了14種方言，這些方言標志著語音技術(shù)走向非常重要的時代，就是個性化的年代。

 

　　我們可以看到在過去新亮點我們除了剛才說的方言之外，在我們3.0里邊首次開放三合一的音樂搜索，這個是什么功能我們可以在這個應(yīng)用里面自己哼唱搜索還能實現(xiàn)語音搜索原聲搜索三合一，實現(xiàn)全能力的語音搜索，音樂搜索能力。

 

　　另外一個也是訊飛作為語音技術(shù)看家本領(lǐng)，語音合成技術(shù)，在2014年變化在我們實現(xiàn)多語種多音色，特色音庫，個性化音庫，我們希望在2015年把這些個性化的能力進一步去發(fā)展。能夠給合作伙伴帶來區(qū)別化的支持。還有一個技術(shù)非常重要語音喚醒，這個作用就是在于讓我們智能硬件或者手機終端隨時待命，如果主任有召喚叫它的名字跟我產(chǎn)生一些交互，這個也是非常重要的，也是我們在云開放平臺在今年主推的非常重要的方面。

 

　　另外我們在語音方面推出聲紋識別，一種類似于密碼，最經(jīng)典的密碼就是芝麻開門了，然后另外一種能力就是聲紋鑒別通過聲音鑒別這個人是誰，這兩種能力有非常多的不一樣的應(yīng)用場景。那我覺得在2014年非常重要變化從語音交互走向全面自然交互能力，首先要說就是人臉識別能力，那也是得益于人臉算法2014年得到非常大的提升，首次人臉識別技術(shù)首次超過自然人眼睛識別能力，通過人臉聲紋實現(xiàn)非常高度的身份鑒別這種能力。

 

　　還有手也是非常重要的，在交互過程中如果在人跟人交互手是非常交互的能力，在未來很快就會開放出來，實現(xiàn)全面自然交互能力，那最后其實最重要的就是大腦，如果沒有一個好的大腦其他能力組合起來也不能表現(xiàn)非常智能，訊飛在2014年啟動訊飛超腦計劃，能夠幫助人類實現(xiàn)智能，另外除了這些能力之外我們有非?；A(chǔ)的能力在開放，我們在2014年10月開放語言云，分詞、詞性標注、句法分析、語義分析，這是我們一個小的發(fā)布。另外我們后天發(fā)布一個全新的語音能力，假如我們合作伙伴非常感興趣可以去現(xiàn)場感受我們技術(shù)為未來將帶來哪些顛覆，訊飛云作為云計算PVS平臺希望最終打造交互生態(tài)，我們除了豐富語音交互能力，我們在創(chuàng)新交互式廣告希望在廣告領(lǐng)域做一些探索，另外我們其實積累非常多的數(shù)據(jù)，我們現(xiàn)在平臺開放大數(shù)據(jù)能力，希望為開發(fā)者開發(fā)伙伴提供運營的支撐服務(wù)，另外我們也在平臺上面推出開發(fā)計劃，希望開發(fā)者創(chuàng)業(yè)者在我們平臺獲得更多支持。那我們整個訊飛作為交互式平臺這樣一個初衷，希望通過自然交互能力，能夠讓我們用戶體驗到自然交互的快樂，能夠讓我們開發(fā)伙伴實現(xiàn)我們共同的夢想。

 

　　那我的演講大概就到這里，謝謝大家。