每經(jīng)記者 冷輝    每經(jīng)編輯 盧九安    

圖片來(lái)源：攝圖網(wǎng)

6月28日，由上海新滬商聯(lián)合會(huì)主辦的“第二屆長(zhǎng)三角民企發(fā)展大會(huì)”在上海舉行?？拼笥嶏w股份有限公司（以下簡(jiǎn)稱“科大訊飛”）輪值總裁胡郁出席了本次大會(huì)，并發(fā)表了演講。在此次大會(huì)的間隙，胡郁接受了《每日經(jīng)濟(jì)新聞》記者的采訪。

人工智能并不遙遠(yuǎn)，其相關(guān)應(yīng)用已經(jīng)不知不覺(jué)中滲透進(jìn)人們的生活。例如，在本次長(zhǎng)三角民企發(fā)展大會(huì)現(xiàn)場(chǎng)，會(huì)實(shí)時(shí)將演講嘉賓的講話語(yǔ)音轉(zhuǎn)換成文字，并在大會(huì)主舞臺(tái)的屏幕上同步顯示。這是采用了科大訊飛所提供的智能語(yǔ)音轉(zhuǎn)寫系統(tǒng)“訊飛聽(tīng)見(jiàn)”所生產(chǎn)的大會(huì)字幕。不過(guò)，雖然準(zhǔn)確程度頗高，但也不乏一些專業(yè)字詞錯(cuò)誤。

對(duì)此，科大訊飛輪值總裁胡郁接受《每日經(jīng)濟(jì)新聞》記者采訪時(shí)表示，將從識(shí)別方言、中英文混讀、專業(yè)詞匯，以及降噪等多個(gè)方面進(jìn)行優(yōu)化，以期降低錯(cuò)誤率。

降低錯(cuò)誤率仍有多個(gè)難題要攻克

智能語(yǔ)音識(shí)別作為人工智能的關(guān)鍵組成部分，從軟件開(kāi)發(fā)者的角度來(lái)說(shuō)，如何進(jìn)一步降低語(yǔ)音識(shí)別錯(cuò)誤率？

胡郁在回答《每日經(jīng)濟(jì)新聞》記者提問(wèn)時(shí)表示，主要還是有幾個(gè)方面的難題需要攻克，需要研究人員來(lái)解決這些問(wèn)題。一個(gè)是口音的問(wèn)題，有很多人的普通話可能沒(méi)那么準(zhǔn)，存在一些方言?shī)A雜、口齒沒(méi)有那么清晰的情況。第二個(gè)，現(xiàn)場(chǎng)環(huán)境是不是足夠的安靜。因?yàn)楝F(xiàn)場(chǎng)環(huán)境有些噪聲的話，還需要用一些降噪的方法，才能夠不斷提高智能語(yǔ)音識(shí)別系統(tǒng)的性能。第三個(gè)是有一些關(guān)于中英文混讀的情況，中文和英文混雜的時(shí)候，現(xiàn)在處理的還不是特別好，雖然已經(jīng)比以前要強(qiáng)很多。最后一個(gè)，就是一些專業(yè)詞匯方面，有些詞匯只有在特定的場(chǎng)景下，才知道它是什么意思。一些同音詞匯是很多的，也有可能會(huì)出現(xiàn)一些同音詞方面的問(wèn)題。

胡郁提到，技術(shù)肯定是在不停地進(jìn)行優(yōu)化的。他舉例稱，當(dāng)天大會(huì)現(xiàn)場(chǎng)看到的將語(yǔ)音轉(zhuǎn)換成文字同步到大屏字幕的語(yǔ)音轉(zhuǎn)寫系統(tǒng)，相比兩三年前，準(zhǔn)確度已經(jīng)提高了很多。現(xiàn)在像這種上屏的字幕準(zhǔn)確率在95%以上。如果是幾年前，可能只有90%左右的水平。

除了發(fā)力語(yǔ)音識(shí)別這一場(chǎng)景下的智能應(yīng)用之外，胡郁提到，科大訊飛在教育、醫(yī)療、政法、智慧城市等多個(gè)方面和場(chǎng)景下都有延伸和覆蓋。語(yǔ)音識(shí)別只是語(yǔ)音技術(shù)中的一個(gè)很小的點(diǎn)，科大訊飛現(xiàn)在也不僅僅做語(yǔ)音技術(shù)，也做人工智能的認(rèn)知智能，還有很多其他方面。

人機(jī)交互將更多能通過(guò)語(yǔ)音實(shí)現(xiàn)

5G轉(zhuǎn)瞬即來(lái)，談到在5G的框架之下，如何搭構(gòu)新一代的人機(jī)交互的語(yǔ)音技術(shù)時(shí)，胡郁表示，在5G時(shí)代有非常多的發(fā)展機(jī)會(huì)。

胡郁提到，5G的響應(yīng)速度會(huì)非?？欤憫?yīng)速度延時(shí)現(xiàn)在也達(dá)到了毫秒級(jí)。這對(duì)于將來(lái)的語(yǔ)音、圖像的交互，是非常有機(jī)會(huì)的一個(gè)點(diǎn)。另外，5G會(huì)帶來(lái)內(nèi)容的大爆發(fā)，例如高清視頻、游戲這些內(nèi)容的爆發(fā)，也會(huì)讓人工智能在里面應(yīng)用的機(jī)會(huì)增多。比如對(duì)于內(nèi)容的處理，對(duì)于內(nèi)容的自動(dòng)剪輯，或者要給內(nèi)容增加一些語(yǔ)音的標(biāo)注，這些方面都會(huì)有新的發(fā)展機(jī)遇。

對(duì)于“萬(wàn)物互聯(lián)”的構(gòu)想，從簡(jiǎn)單的在家庭中的應(yīng)用來(lái)看，胡郁表示，未來(lái)萬(wàn)物互聯(lián)會(huì)在家庭里面的很多設(shè)備和產(chǎn)品，在它們跟人的交互中間起到一個(gè)新的入口的作用。家中的家電、玩具、機(jī)器人等彼此間都能夠有連接，而且我們和它們，即人和物之間也能建立連接。人和物之間建立連接，原來(lái)是通過(guò)一些按鍵、控制面板的方式，用觸摸等操作來(lái)實(shí)現(xiàn)的，將來(lái)可能會(huì)越來(lái)越多地在里面用語(yǔ)音的方式實(shí)現(xiàn)，就像我們?nèi)撕腿酥g交流一樣。胡郁認(rèn)為這樣的連接會(huì)越來(lái)越普遍而廣泛。

胡郁表示，科大訊飛自身的定位是在人工智能領(lǐng)域的一家技術(shù)創(chuàng)新型公司。這需要通過(guò)一系列的品牌、市場(chǎng)、產(chǎn)品，要能夠進(jìn)入到大家的生活當(dāng)中去，需要時(shí)間來(lái)逐步建立大眾對(duì)科大訊飛的更多認(rèn)知。

封面圖片來(lái)源：攝圖網(wǎng)