說到聲音，你會想到什么？是人講話的聲音、汽車發(fā)動機(jī)啟動時(shí)發(fā)出的轟鳴聲，還是手指敲擊鍵盤的陣陣窸窣聲？每天縈繞于人耳的聲音其實(shí)是包羅萬象的，有關(guān)聲音的學(xué)問也與人工智能領(lǐng)域有著密不可分的關(guān)系。

“人耳能聽到的聲音大體上可以為幾種。”北科瑞聲科技股份有限公司副總經(jīng)理黃石磊告訴《中國電子報(bào)》記者，“第一類聲音是人們?nèi)粘Ｕf話的聲音，即語音；第二類是音樂；第三類聲音分別是自然界、城市生產(chǎn)生活中產(chǎn)生的聲音。這三者我們通常也稱為廣義的音頻。”所有的聲音都蘊(yùn)藏著“智慧”的要義，智能系統(tǒng)通過機(jī)器感知技術(shù)可以實(shí)現(xiàn)聲音采集、識別和理解等信息處理，也可以利用更加復(fù)雜的技術(shù)進(jìn)行分析，最終實(shí)現(xiàn)人機(jī)對話、智能判析和決策。作為人工智能產(chǎn)業(yè)鏈的重要細(xì)分領(lǐng)域之一，智能音頻處理也因此有了賦能千行百業(yè)的力量。

智能語音技術(shù)大有可為

現(xiàn)階段，我們正處在一個(gè)信息爆炸的時(shí)代，每個(gè)行業(yè)的發(fā)展都會產(chǎn)生海量的信息。正是這些浩如煙海的信息，構(gòu)成了非常專業(yè)和復(fù)雜的系統(tǒng)。要想在這個(gè)復(fù)雜的系統(tǒng)下將業(yè)務(wù)流程做到標(biāo)準(zhǔn)化和規(guī)范化，智能語音的應(yīng)用就顯得尤為關(guān)鍵。

“語音是人們一種最自然的交互方式，它有非接觸、可穿透等特性。”北科瑞聲科技股份有限公司總經(jīng)理助理汪雪說，“基于它的特性，語音是賦能傳統(tǒng)行業(yè)最好的方式之一。”

汪雪表示，智能語音的應(yīng)用十分自然，可以賦能非常多的應(yīng)用場景。在看到智能語音市場中存在的發(fā)展機(jī)遇后，北科瑞聲選擇了智能音頻賽道，專注于人工智能語音音頻信息處理，目前已成為國內(nèi)擁有全鏈條語音技術(shù)的人工智能企業(yè)。

與國外的Nuance、谷歌、蘋果、微軟和國內(nèi)的科大訊飛、百度、小i機(jī)器人等眾多擁有全棧技術(shù)的智能語音企業(yè)不同，北科瑞聲對垂直領(lǐng)域進(jìn)行了定制化研發(fā)，更多專注于與特定行業(yè)結(jié)合的智能語音技術(shù)，產(chǎn)品應(yīng)用也面向醫(yī)療、政務(wù)和交通等特定行業(yè)。黃石磊以醫(yī)療行業(yè)為例向記者表示，運(yùn)用智能語音技術(shù)可以讓每位醫(yī)務(wù)工作者都擁有一個(gè)自動化語音小助手，這個(gè)語音小助手能夠聽懂他講話，并在必要時(shí)給他提供幫助。

“各行業(yè)業(yè)務(wù)流程的信息化和規(guī)范化會涉及很多重復(fù)的工作，而通過智能化的手段可以自動完成這些重復(fù)的工作。”黃石磊對記者說，“這能夠大大提升專業(yè)工作人員的效率。”

例如在醫(yī)療信息化應(yīng)用中，目前北科瑞聲正在布局的醫(yī)療行業(yè)面臨真實(shí)環(huán)境帶來的難題。黃石磊談道，除了人發(fā)出的聲音以外，周圍環(huán)境的人和各種設(shè)備都會產(chǎn)生聲音。他表示，當(dāng)這些聲音混在一起，就會讓人們關(guān)注的聲音難以被處理。“醫(yī)院中的環(huán)境是非常嘈雜的，（在這種情況下進(jìn)行語音處理）其實(shí)是對現(xiàn)有技術(shù)的一大考驗(yàn)。”黃石磊說。

又比如，當(dāng)前信息化建設(shè)的提速也讓工業(yè)互聯(lián)網(wǎng)屢次成為業(yè)內(nèi)關(guān)注的焦點(diǎn)。在采訪過程中，黃石磊特別強(qiáng)調(diào)了智能音頻在工業(yè)互聯(lián)網(wǎng)領(lǐng)域的應(yīng)用情況。他表示，工業(yè)互聯(lián)網(wǎng)涉及包括音頻處理在內(nèi)的信號處理技術(shù)，基于語音的人機(jī)交互可以應(yīng)用于人和設(shè)備的交互過程中，還可以在針對非語音實(shí)現(xiàn)從智能語音到智能音頻的擴(kuò)展。但是目前，工業(yè)領(lǐng)域是一個(gè)充滿噪聲、混響、回聲等相對復(fù)雜因素的場景，智能語音、只能音頻技術(shù)在工業(yè)領(lǐng)域的賦能效果尚不明顯，落地場景也有待拓寬。很多企業(yè)礙于高成本和低收益，智能化轉(zhuǎn)型動力不足。作為行業(yè)伙伴的賦能者，北科瑞聲將對該領(lǐng)域進(jìn)行更為深入的布局。

共性挑戰(zhàn)亟待突破

不同的應(yīng)用場景會產(chǎn)生不同的數(shù)據(jù)和需求，比如在語音識別等場景中，用戶的需求正在不斷涌現(xiàn)、提升。然而，很多的智能音頻處理產(chǎn)品的應(yīng)用和功能仍具有一定邊界，只能在理想的環(huán)境條件中發(fā)揮作用。

智能音頻處理行業(yè)的發(fā)展一波三折，在整個(gè)行業(yè)的發(fā)展過程中，深耕垂直領(lǐng)域和特定行業(yè)的北科瑞聲也遇到了很多企業(yè)都在面臨的共性挑戰(zhàn)。在黃石磊看來，第一個(gè)挑戰(zhàn)就來源于不同行業(yè)間的行業(yè)知識的壁壘。每一個(gè)行業(yè)都有自己獨(dú)特的符號體系和術(shù)語體系。對智能語音產(chǎn)品來講，要想游刃有余地在不同行業(yè)中理解并識別各種紛繁復(fù)雜的音頻信息，是比較困難的一件事。“就像人一樣，當(dāng)我們從一個(gè)行業(yè)跑到另一個(gè)行業(yè)，我們也會發(fā)現(xiàn)自己完全聽不懂或者不理解新行業(yè)中的一些術(shù)語。”黃石磊對記者說。

第二個(gè)挑戰(zhàn)在于目前機(jī)器與人對語音語言理解的能力差異。黃石磊表示，人類具備抽象表達(dá)的能力，也具備察言觀色的能力。人類的語言會涉及一些隱含的意思和抽象的表達(dá)，但機(jī)器在這些方面還遠(yuǎn)遠(yuǎn)達(dá)不到人類理解能力。

最后一個(gè)挑戰(zhàn)來自于數(shù)據(jù)的獲取，這也是“先有雞還是先有蛋”的問題。黃石磊說，發(fā)展智能音頻處理行業(yè)需要先獲得語音數(shù)據(jù)，但通常只有進(jìn)入到這個(gè)行業(yè)中并得到用戶認(rèn)可后才能獲得數(shù)據(jù)。“理想情況下，還是應(yīng)該先獲得數(shù)據(jù)。”他說，“從商業(yè)模式和技術(shù)的角度來看，（數(shù)據(jù)的獲取）是一個(gè)挑戰(zhàn)。”

針對如何克服這些困難，黃石磊也給出了自己的建議。他認(rèn)為，從公司的角度來講，還是應(yīng)該專注于核心技術(shù)的研發(fā)，比如在核心技術(shù)能力方面提供一些具體的產(chǎn)品形態(tài)。此外，他還特別提到要找一些已經(jīng)在行業(yè)深耕的合作伙伴，進(jìn)行協(xié)同發(fā)展。

就像站在巨人的肩膀上可以看得更遠(yuǎn)，與合作伙伴的配合也可以加速公司對智能音頻對各個(gè)行業(yè)的理解。由于在整個(gè)行業(yè)中扮演的是一個(gè)“被集成者”的角色，北科瑞聲在尋找行業(yè)合作伙伴時(shí)相對而言更具優(yōu)勢。黃石磊表示，合作伙伴在某些領(lǐng)域有一定技術(shù)和客戶基礎(chǔ)，公司可以借助合作伙伴已有的基礎(chǔ)，更快地融入到行業(yè)中去，為行業(yè)客戶提升價(jià)值，最終實(shí)現(xiàn)行業(yè)客戶、行業(yè)產(chǎn)品提供方和公司的三方共贏。

責(zé)任編輯：lq