（騰訊杰出科學(xué)家、AI Lab副主任兼智能平臺部副總經(jīng)理 俞棟）
突破業(yè)內(nèi)技術(shù)瓶頸 深耕行業(yè)發(fā)展需求 全面提升語音智能交互能力
相對于傳統(tǒng)解決方案，騰訊語音智能在技術(shù)上實現(xiàn)了突破性升級。通過采用一體化的基于全神經(jīng)網(wǎng)絡(luò)的方案，極大提升了在復(fù)雜場景下語音采集、降噪分離和增強(qiáng)的效果，從而為人人通話或機(jī)器識別提供了更清晰易懂的語音。通過使用基于語音語義聯(lián)合優(yōu)化的多領(lǐng)域識別器，讓機(jī)器對于各種復(fù)雜語音的識別率也得到極大提升，可以更好地進(jìn)行轉(zhuǎn)寫、理解、和回復(fù)。
另外，騰訊語音智能可以支持多種應(yīng)用場景和設(shè)備，擁有優(yōu)秀的場景適配性和通用性，面向?qū)嶋H場景的定制優(yōu)化更簡單、高效，在為用戶提供更加優(yōu)質(zhì)、自然語音交互體驗的同時，也為企業(yè)場景中的語音服務(wù)需求降低了運(yùn)行和定制成本，助力其降本增效，加快產(chǎn)業(yè)數(shù)字化升級。
在戶外、酒會等高噪聲、嘈雜的環(huán)境中使用手機(jī)助手、智能客服等語音服務(wù)時，環(huán)境的噪聲會對目標(biāo)人物語音的收集帶來極大干擾，語音收集反饋的錯誤率也會隨之提升。騰訊語音智能在前端技術(shù)上，通過研發(fā)全神經(jīng)網(wǎng)絡(luò)波束成型方案、構(gòu)建集合全鏈路的神經(jīng)網(wǎng)絡(luò)模型方案、首創(chuàng)用三種模態(tài)進(jìn)行語音分離的工作模式，完成了行業(yè)內(nèi)的多項技術(shù)突破，可有效應(yīng)對環(huán)境噪聲干擾人聲的問題，實現(xiàn)了場景深度定制，多模塊自動聯(lián)合優(yōu)化，在復(fù)雜聲學(xué)環(huán)境中大幅度降低了語音收集的錯誤率。數(shù)據(jù)表示，經(jīng)過多模態(tài)語音分離再進(jìn)行語音識別，錯誤率可降低相對50%，經(jīng)過多模態(tài)分離并聯(lián)合進(jìn)行多模態(tài)的語音識別，錯誤率可進(jìn)一步降低相對25%。
（騰訊AI Lab語音技術(shù)中心總監(jiān) 蘇丹）
在家居和車載等真實場景下，除了需要克服環(huán)境噪聲、人聲干擾等問題外，還需要應(yīng)對多種挑戰(zhàn)，諸如識別任務(wù)復(fù)雜度高，用戶口音多變、用戶更自然的語音交互體驗需求，以及低資源設(shè)備上識別性能的提升等。深入問題探索，騰訊語音智能在后端處理環(huán)節(jié)研發(fā)了“語音-語義結(jié)合的多領(lǐng)域在線識別系統(tǒng)”、“全雙工交互及閑聊拒識”、“端到端高性能離線識別系統(tǒng)”等技術(shù)方案，運(yùn)用深度學(xué)習(xí)建模、前后端聯(lián)合優(yōu)化、語音-語義聯(lián)合優(yōu)化等技術(shù)手段，很好地滿足了不同應(yīng)用場景下,對于語音交互在識別率、魯棒性、資源消耗和用戶體驗等多方面的要求。
目前，騰訊語音智能已經(jīng)為索尼電視、飛利浦電視提供技術(shù)支持，為家居場景中的人機(jī)互動提供更智能的語音體驗；在車載交互領(lǐng)域，助力長安汽車、福特汽車等，提升語音助手服務(wù)質(zhì)量，給用戶更好的智能出行服務(wù)。
（騰訊智能產(chǎn)品高級專家 馬龍）
未來，隨著行業(yè)和場景需求的迭代升級和智能終端的快速發(fā)展，智能語音的應(yīng)用將擁有越來越大的發(fā)展空間。騰訊語音智能將持續(xù)專注語音智能技術(shù)，發(fā)展連續(xù)對話、多模態(tài)交互等能力，為用戶構(gòu)建更具個性化、更自然、更有情感的語音交互體驗，以“交互智能”為大眾帶來更加智能化的生活方式。
