智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
品牌
CINCON
語(yǔ)音識(shí)別是一門交叉學(xué)科，也被稱為自動(dòng)語(yǔ)音識(shí)別。其目標(biāo)是將人類的語(yǔ)音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。與說(shuō)話人識(shí)別及說(shuō)話人確認(rèn)不同，后者嘗試識(shí)別或確認(rèn)發(fā)出語(yǔ)音的說(shuō)話人而非其中所包含的詞匯內(nèi)容。
二十世紀(jì)末，語(yǔ)音識(shí)別系統(tǒng)已經(jīng)在電腦游戲和玩具，不同樂(lè)器的控制，數(shù)據(jù)采集和聽寫等方面發(fā)現(xiàn)了廣泛的應(yīng)用。而在近二十年，由于人工智能和機(jī)器學(xué)習(xí)迅猛發(fā)展，語(yǔ)音識(shí)別技術(shù)取得顯著進(jìn)步，語(yǔ)音控制也變得更為實(shí)用，開始從實(shí)驗(yàn)室走向市場(chǎng)。
《互聯(lián)網(wǎng)趨勢(shì)》報(bào)告中曾談及語(yǔ)音將是人機(jī)交互的新范式，語(yǔ)音技術(shù)將解放人類雙手和眼睛，用戶以較低的成本實(shí)現(xiàn)隨時(shí)訪問(wèn)。人們預(yù)計(jì)，未來(lái)10年內(nèi)，語(yǔ)音識(shí)別技術(shù)將進(jìn)入工業(yè)、家電、通信、汽車電子、醫(yī)療、家庭服務(wù)、消費(fèi)電子產(chǎn)品等各個(gè)領(lǐng)域。未來(lái)與智能家居、可穿戴設(shè)備、機(jī)器人等交互模式，語(yǔ)音將是佳人機(jī)交互模式。
據(jù)悉，智能語(yǔ)音技術(shù)涉及多個(gè)學(xué)科，具備技術(shù)壁壘較高，研發(fā)周期長(zhǎng)，投入大等屬性，只有綜合實(shí)力突出的廠商才能脫穎而出，因此造就寡頭壟斷市場(chǎng)格局。自2011年蘋果開發(fā)個(gè)智能語(yǔ)音助手Siri之后，Google、微軟、亞馬遜、Facebook陸續(xù)加入陣營(yíng)，這些智能助手各自嫁接在智能移動(dòng)設(shè)備終端上。
但識(shí)別的準(zhǔn)確性問(wèn)題一直阻礙著智能語(yǔ)音的不斷發(fā)展。目前在實(shí)際應(yīng)用中，我們看見語(yǔ)音識(shí)別多是在智能家居領(lǐng)域，比如智能家電或智能音箱。此時(shí)，我們就需要考慮一個(gè)問(wèn)題了，當(dāng)多個(gè)家庭成員同時(shí)講話時(shí)，智能家電或智能音箱該執(zhí)行誰(shuí)的命令呢？它們又如何能在眾多聲音中找出自己主人的命令？這些都是當(dāng)前語(yǔ)音識(shí)別所需要解決的問(wèn)題，畢竟我們通常所說(shuō)的語(yǔ)音識(shí)別不僅僅只是單純的對(duì)語(yǔ)音內(nèi)容進(jìn)行識(shí)別。
在這一方面，微軟近有了新進(jìn)展。微軟語(yǔ)音團(tuán)隊(duì)黃學(xué)東介紹，“去年10月，在我們的轉(zhuǎn)錄系統(tǒng)達(dá)到5.9%的錯(cuò)誤率之后，其他研究人員也進(jìn)行了自己的研究，采用了更多參與的多轉(zhuǎn)錄程序，將錯(cuò)誤率降低至5.1%。這是一個(gè)新的行業(yè)里程碑，大大超過(guò)了去年實(shí)現(xiàn)的準(zhǔn)確性。”
按照黃學(xué)東所說(shuō)，從研究角度來(lái)說(shuō)，這個(gè)意義十分重大，即便是0.1%的差距，無(wú)論是運(yùn)算量還是時(shí)間，耗費(fèi)都是巨大的：“你知道0.1、0.2、0.3的差距要跑多少時(shí)間才會(huì)達(dá)到，錯(cuò)誤率的計(jì)算應(yīng)該按照相對(duì)錯(cuò)誤率來(lái)看，5.9到5.1相對(duì)錯(cuò)誤率應(yīng)該是13%左右，相對(duì)錯(cuò)誤率超過(guò)13%，統(tǒng)計(jì)上已經(jīng)有重要意義了。”簡(jiǎn)單來(lái)說(shuō)，微軟語(yǔ)音團(tuán)隊(duì)是通過(guò)改進(jìn)微軟語(yǔ)音識(shí)別系統(tǒng)的神經(jīng)網(wǎng)絡(luò)聲學(xué)和語(yǔ)言模型，將錯(cuò)誤率大大降低。
隨著準(zhǔn)確性的提升，語(yǔ)音識(shí)別應(yīng)用范圍將不斷拓寬，語(yǔ)音交互也逐漸成為可能。不過(guò)在語(yǔ)音識(shí)別更新迭代的過(guò)程中，新舊共存現(xiàn)象必可避免，在初期混亂的市場(chǎng)藍(lán)海中，只有看清發(fā)展大勢(shì)，方能真正抓住機(jī)遇，迎來(lái)新發(fā)展。
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
