人工智能日益“火熱”，可目前的智能語音技術(shù)，機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！
國內(nèi)最新的智能語音技術(shù)成果表明：機器已能以較高的準確率實現(xiàn)語音轉(zhuǎn)化文字、多語種同步翻譯、甚至模仿某個人的聲線講話，以假亂真。
在上千人的會場，多位嘉賓近3小時的演講交流，全程無速記員，演講內(nèi)容卻能實時轉(zhuǎn)成文字顯示在大屏幕上。
能糾錯，能秒懂
近日在科大訊飛年度發(fā)布會上看到，除了演講中個別人名地名的差錯，以及說話者口語表達中冗余的詞匯外，絕大部分演講內(nèi)容都被整理得非常準確，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，甚至對故意“刁難”的極簡指令，也能迅速聽懂“弦外之音”，導航、聽歌、團票都不在話下。
據(jù)介紹，這些都是基于深度神經(jīng)網(wǎng)絡的語音識別技術(shù)來實現(xiàn)的。語音識別技術(shù)，簡單說就是讓計算機“聽懂”人類的語音，將語音中包含的文字信息提取出來。該項技術(shù)在智能計算機系統(tǒng)中扮演著重要角色，相當于給計算機裝上了“耳朵”，使其實現(xiàn)人機通信和交互。目前語音識別準確率可達到97%。
“隨著萬物互聯(lián)時代到來，以語音為主、鍵盤觸摸為輔的人機交互正逐漸成為剛需。未來5到10年，人工智能會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。”科大訊飛董事長劉慶峰說。
聰明的機器人會說話
聰明的機器人要能聽會說，語音合成技術(shù)就是“讓機器像人一樣開口說話”，它是涉及聲學、語言學、數(shù)字信號處理、計算機科學等多個學科的一項信息處理的前沿技術(shù)。
中國工程院院士、中國人工智能學會理事長李德毅表示，在人工智能領(lǐng)域，對話是目前最直接、最便捷的交互方式，對話智能是幾乎所有服務機器人的必備技能。
目前，中國在智能語音技術(shù)上已經(jīng)實現(xiàn)了5到8米的遠場識別、多輪交互對話、免喚醒詞交流、交流隨時打斷等多項突破，人機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，在多種語言的測試中表現(xiàn)不俗。”劉慶峰說。
讓機器人“開口”說話的技術(shù)并不新鮮，電子萬年歷、計算器上都能用得到，但要像人一樣說得自然流利、有聲調(diào)起伏，并非易事。
現(xiàn)場用手機試用科大訊飛開發(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，還能將某個人的聲線特征收入語音庫中，然后用很短的時間將文本用被模仿者的聲線特點讀出來，確有以假亂真之效。未來，人們的聲音也可能存在被“盜”用的風險。
