智能语音技术将引领人机交互的新模式

边录音边自动转写成文字的智能录音笔，支持中文与58种外语互译的新一代翻译机、模仿不同人说话的虚拟主播、供开发者使用的语音开放平台。在科大讯飞股份有限公司北京总部的人工智能体验中心，众多人工智能与语音融合的前沿技术项目令记者大开眼界。

在即将到来的万物互联时代，语音作为人类最自然、最便捷的沟通方式，将会成为所有设备和产品至关重要的入口。业界普遍认为，未来的人机交互将以语音为主、键盘和触摸为辅。

近年来，随着智能语音应用场景和手段不断丰富，国内众多技术厂商在语音合成、语音识别、自然语言理解等人工智能核心技术领域持续发力。有理由相信，智能语音技术将给人们生活带来更为深刻的改变。

提起科大讯飞，很多人会想到其主打语音输入特色的“讯飞输入法”。这款早在2010年就推出的软件，版本号已经到了第9代。语音输入速度达到1分钟400字，并支持多种方言，准确率超过98%。在科大讯飞人工智能体验中心，工作人员安琪向记者演示了包括讯飞输入法、讯飞听见、讯飞有声等在内的多个软硬件产品。

“现在我们看到的就是一个离线转写设备，叫讯飞听见智能会议系统，是全球第一款中文语音实时转写和多语种实时翻译的系统……”安琪说了一段话，系统立即在屏幕上输出准确的中文和翻译后的英文。工作人员在演示可用于大型会议翻译的讯飞听见智能会议系统，说一段话，屏幕上同时显示出中文和英语译文。

据介绍，今年全国两会期间，代表委员们在小组讨论中的发言被这套系统“滴水不漏”地记录下来。以前的小组讨论，需配两三名工作人员，会后重听录音是常态。有了“讯飞听见”，只需配一名工作人员，会后半个小时就能得到准确的会议记录。

语音识别就好比“机器的听觉系统”，能够把语音信号转变为相应的文本或命令。安琪介绍，随着深度学习技术快速发展，科大讯飞在语音识别任务中率先实现规模应用。2015年，在公证人员的见证下，科大讯飞机器语音转写准确率首次超过速记员。针对于噪声环境下语音识别的挑战，科大讯飞在国际最权威的多通道语音分离和英文识别大赛（2016年CHiME-4和2018年CHiME-5）中，连续两届所有场景下均取得了世界第一。

另一款能快速转写录音的小型设备吸引了记者的注意，这是今年5月新推出的讯飞智能录音笔。

“在研发之初，我们经过调研发现，81%的传统录音笔用户真正需要的不是录音，而是录音整理出的文字。像记者采访、会议记录这些场景，录完音后都需要及时将文字内容快速整理出。”安琪说，讯飞智能录音笔在联网状态下，1小时的录音出稿只需5分钟，中文普通话识别准确率高达98%，真正打通了从录音到转写再到分享以及后端查找编辑的全链条服务。

智能音箱是如今语音识别技术的热门应用。市场研究机构最新数据显示，中国已成为全球最大的智能音箱市场，仅今年第一季度销量就达到1060万台。科大讯飞MORFEI麦克风产品原型，搭载4+4双环结构麦克风，可实现远场空间全方位拾音。

通常情况下，每次对智能音箱下指令前，都需要提关键词来唤醒，显得“不够智能”。而科大讯飞推出的MORFEI麦克风，内置了AIUI全双工语音交互解决方案，可以实现一次唤醒、连续问答。其远场语音识别技术，更是能在5米距离下达到95%以上的唤醒率、93%的识别率。

同样受益的还有汽车领域。通过融合语音、视觉等感知技术，分析驾驶行为数据，整合优质内容资源，科大讯飞推出的飞鱼智行智能车载交互系统，将语音增强、自然语言理解等技术应用于汽车，并与各场景服务深度结合。