從感知智能到認知智能，思必馳這次來真的了，人工智能還會遠么?
7.29思必馳【語聲紀元】新技術(shù)發(fā)布會，在深圳3W咖啡順利閉幕。從內(nèi)場活動到外場體驗，從技術(shù)發(fā)布到經(jīng)驗分享，人頭攢動，3個小時座無虛席，共有500余人到場參與了本次思必馳新技術(shù)發(fā)布會。
(圖1圖2：現(xiàn)場火爆，參與人數(shù)眾多)
本次發(fā)布會由思必馳CEO高始興主持，由思必馳聯(lián)合創(chuàng)始人、首席科學家俞凱教授講解技術(shù)。俞凱博士是劍橋大學語音博士，所負責的美國軍方語音識別項目和端到端人機對話系統(tǒng)技術(shù)曾榮獲多項國際大獎，現(xiàn)同時擔任思必馳-上海交大智能人機交互聯(lián)合實驗室負責人。
(圖2：思必馳CEO 高始興)
(圖4：思必馳聯(lián)合創(chuàng)始人、首席科學家 俞凱)
隨著智能硬件時代的全面到來， “人機交互”的概念也被炒得火熱。在移動互聯(lián)時代，由于交互模態(tài)和交互目標的豐富，用戶對人機交互的自由度和豐富性的需求日益提升，已經(jīng)不滿足于簡單的搜索功能，而是正在逐漸向“任務(wù)處理”變遷。
但是目前語音技術(shù)面臨著巨大的挑戰(zhàn)。真正的自由和穩(wěn)定的人機交互系統(tǒng)不僅需要解決語音的“感知/表達”，即傳統(tǒng)的語音識別和合成，更需要解決認知理解和抽象思維的智能。這需要經(jīng)歷兩個階段，一個是傳統(tǒng)語音技術(shù)的優(yōu)化，使其更加人性化;二是對話技術(shù)的使用，采用認知交互智能提升任務(wù)完成的水平和用戶體驗。
那么此次思必馳新技術(shù)發(fā)布會到底給行業(yè)帶來了什么?
遠場及抗噪技術(shù)突破：在國際通用的噪聲標準測試庫上，思必馳的最新結(jié)構(gòu)化抗噪語音識別技術(shù)刷新了國際記錄，取得目前世界單系統(tǒng)最好成績。模型算法的優(yōu)化突破，使得思必馳僅用軟件解決方案就可以達到以往采用語音降噪芯片才能達到的效果，大幅提升了識別率，降低了成本。
更先進的回聲消除和麥克風陣列算法組合：先進的回聲消除算法和麥克風陣列算法結(jié)合，可以有效的跟蹤用戶位置，增強語音信號質(zhì)量，實現(xiàn)高性能的通用語音識別。軟硬件結(jié)合的多種解決方案，更給出了更多的選擇和可能性。僅靠軟件且單麥克風條件下，通過大數(shù)據(jù)整合以及智能算法，思必馳仍然可以達到極為優(yōu)秀的使用體驗，識別速度與準確率均處在世界領(lǐng)先水平。
基于統(tǒng)計的參數(shù)化語音合成方法：傳統(tǒng)語音合成是采用拼接技術(shù)，錄制大規(guī)模的語音庫，切片后在合成的時候把片段拼起來，這就往往需要大量的標準語音。思必馳采用最新的基于統(tǒng)計的參數(shù)化語音合成方法，可以實現(xiàn)模型規(guī)模的大幅壓縮，語音連貫性的大幅提升，能夠自由訓練個性化的語音。
多輪交互和根據(jù)上下文的語義解析：在真實場景下，傳統(tǒng)語音識別加自然語言處理的方案并不能很好地實現(xiàn)自由的“人機交互”。思必馳在領(lǐng)先的傳統(tǒng)語音識別合成技術(shù)的基礎(chǔ)上，引入交互認知智能，通過情境理解和多輪交互，面向最終任務(wù)完成度和用戶體驗進行系統(tǒng)設(shè)計和優(yōu)化。
(圖5：俞凱向參會者介紹思必馳新技術(shù))
(圖6：俞凱現(xiàn)場演示“語音輸入板”)
另外，本次活動上，易觀智庫的高級分析師封莉現(xiàn)場為大家揭開《智能硬件用戶畫像解析》，以及歐瑞博CEO王雄輝，映趣科技CEO王小彬，威仕特CEO聞?wù)H臨現(xiàn)場，分享他們的產(chǎn)品經(jīng)驗。期間，思必馳還向現(xiàn)場預告了即將上線的一檔大型活動——“創(chuàng)星計劃”，由思必馳、FACE++、微動、ablecloud、72變、中發(fā)時代聯(lián)合主辦，旨在培育中小型開發(fā)者成長，推促進智能硬件領(lǐng)域蓬勃發(fā)展的創(chuàng)業(yè)孵化器計劃。相關(guān)活動介紹，可關(guān)注72變智能硬件推薦平臺。據(jù)悉，該活動將于8月中下旬正式啟動。