人工智能日益“火熱”，可目前的智能語音技術(shù)，機(jī)器還不能充分理解自然語言，聽懂“弦外之音”的情景僅存在于科幻作品中。但這正在起變化！
國(guó)內(nèi)最新的智能語音技術(shù)成果表明：機(jī)器已能以較高的準(zhǔn)確率實(shí)現(xiàn)語音轉(zhuǎn)化文字、多語種同步翻譯、甚至模仿某個(gè)人的聲線講話，以假亂真。
在上千人的會(huì)場(chǎng)，多位嘉賓近3小時(shí)的演講交流，全程無速記員，演講內(nèi)容卻能實(shí)時(shí)轉(zhuǎn)成文字顯示在大屏幕上。
能糾錯(cuò)，能秒懂
近日在科大訊飛年度發(fā)布會(huì)上看到，除了演講中個(gè)別人名地名的差錯(cuò)，以及說話者口語表達(dá)中冗余的詞匯外，絕大部分演講內(nèi)容都被整理得非常準(zhǔn)確，并能同步翻譯成英、日、韓等多種語言。
在智能車載系統(tǒng)的展示中，面對(duì)駕駛員任性地打斷、隨意地插話，車載系統(tǒng)竟能通過上下文語境“秒懂”駕駛員意圖，甚至對(duì)故意“刁難”的極簡(jiǎn)指令，也能迅速聽懂“弦外之音”，導(dǎo)航、聽歌、團(tuán)票都不在話下。
據(jù)介紹，這些都是基于深度神經(jīng)網(wǎng)絡(luò)的語音識(shí)別技術(shù)來實(shí)現(xiàn)的。語音識(shí)別技術(shù)，簡(jiǎn)單說就是讓計(jì)算機(jī)“聽懂”人類的語音，將語音中包含的文字信息提取出來。該項(xiàng)技術(shù)在智能計(jì)算機(jī)系統(tǒng)中扮演著重要角色，相當(dāng)于給計(jì)算機(jī)裝上了“耳朵”，使其實(shí)現(xiàn)人機(jī)通信和交互。目前語音識(shí)別準(zhǔn)確率可達(dá)到97%。
“隨著萬物互聯(lián)時(shí)代到來，以語音為主、鍵盤觸摸為輔的人機(jī)交互正逐漸成為剛需。未來5到10年，人工智能會(huì)像水和電一樣成為我們生活的必需品，深刻改變我們的世界。”科大訊飛董事長(zhǎng)劉慶峰說。
聰明的機(jī)器人會(huì)說話
聰明的機(jī)器人要能聽會(huì)說，語音合成技術(shù)就是“讓機(jī)器像人一樣開口說話”，它是涉及聲學(xué)、語言學(xué)、數(shù)字信號(hào)處理、計(jì)算機(jī)科學(xué)等多個(gè)學(xué)科的一項(xiàng)信息處理的前沿技術(shù)。
中國(guó)工程院院士、中國(guó)人工智能學(xué)會(huì)理事長(zhǎng)李德毅表示，在人工智能領(lǐng)域，對(duì)話是目前最直接、最便捷的交互方式，對(duì)話智能是幾乎所有服務(wù)機(jī)器人的必備技能。
目前，中國(guó)在智能語音技術(shù)上已經(jīng)實(shí)現(xiàn)了5到8米的遠(yuǎn)場(chǎng)識(shí)別、多輪交互對(duì)話、免喚醒詞交流、交流隨時(shí)打斷等多項(xiàng)突破，人機(jī)交互越來越流暢自然。
“不僅中文語音合成技術(shù)取得突破，在今年的全球語音合成大賽中，科大訊飛的語音合成技術(shù)能夠聲情并茂講英文故事，在多種語言的測(cè)試中表現(xiàn)不俗。”劉慶峰說。
讓機(jī)器人“開口”說話的技術(shù)并不新鮮，電子萬年歷、計(jì)算器上都能用得到，但要像人一樣說得自然流利、有聲調(diào)起伏，并非易事。
現(xiàn)場(chǎng)用手機(jī)試用科大訊飛開發(fā)的語音合成軟件，發(fā)現(xiàn)語音合成功能不僅能將文字信息轉(zhuǎn)化為可聽的聲音信息，還能將某個(gè)人的聲線特征收入語音庫中，然后用很短的時(shí)間將文本用被模仿者的聲線特點(diǎn)讀出來，確有以假亂真之效。未來，人們的聲音也可能存在被“盜”用的風(fēng)險(xiǎn)。
