北京時(shí)間2012年9月13日，以“開放 誠信 融合——迎接移動(dòng)互聯(lián)網(wǎng)新時(shí)代”為主題的2012中國互聯(lián)網(wǎng)大會(huì)進(jìn)行到第三天�？拼笥嶏w副總裁 江濤 應(yīng)邀參加了今天的“第二屆中國移動(dòng)互聯(lián)網(wǎng)基地招商大會(huì)”，并進(jìn)行了主題為“開啟交互新時(shí)代”的精彩演講。

 
(科大訊飛副總裁 江濤 進(jìn)行主題演講)

　　以下為江濤演講實(shí)錄：

　　說到人機(jī)交互就是不斷的讓人變得更懶。十年前我們用手機(jī)的時(shí)候主要靠鍵盤輸入，五年前iPhone帶著多點(diǎn)觸控可以用觸摸操控手機(jī)�，F(xiàn)在隨著語音技術(shù)的發(fā)展，新的機(jī)會(huì)又出現(xiàn)了，就是智能語音技術(shù)。我在這兒說的智能語音技術(shù)就是讓咱們的各種機(jī)器像人一樣能說會(huì)聽的技術(shù)。

　　訊飛的前身是科大的人機(jī)實(shí)驗(yàn)室，98年科大訊飛開始創(chuàng)業(yè)的時(shí)候我們也是抱定一個(gè)信念，語音是人類獲取信息最自然便捷的手段。未來每一個(gè)手機(jī)、每一臺(tái)電視每一個(gè)汽車都會(huì)像人一樣能聽會(huì)說，這樣的信念支持下十幾年來我們就做語音支持�，F(xiàn)在確實(shí)條件已經(jīng)逐步成熟。一方面關(guān)鍵技術(shù)的持續(xù)進(jìn)步，現(xiàn)在陸續(xù)都已經(jīng)達(dá)到了使用門檻�，F(xiàn)在語音識(shí)別復(fù)雜的環(huán)境下已經(jīng)能夠達(dá)到90%以上，語音合成自然度已經(jīng)達(dá)到90%，這些依賴于云、管、端這些外部條件的逐步成熟。國際商智能語音交換方興未艾，昨天發(fā)布的iPhone仍然把SiRi作為最大的賣點(diǎn)。Google作為Android平臺(tái)的擁有者，它對(duì)于未來智能終端的人機(jī)交互也是非常重視的。2009年Google為VoiceSearch為作為面向移動(dòng)互聯(lián)網(wǎng)的戰(zhàn)略性產(chǎn)品推出，今年6月份也推出了新一代的語音搜索。

　　另外就是微軟，比爾.蓋茨06年的一次展會(huì)中提出過未來將在操作系統(tǒng)中實(shí)現(xiàn)自然語音的人機(jī)交互，他們收購了TeLLMEe，平臺(tái)每年執(zhí)行110億次以上語音識(shí)別的請(qǐng)求。在中國我們東方人相對(duì)來說羞澀一點(diǎn)，不善于跟機(jī)器交互，但是我們還是在2010年啟動(dòng)了移動(dòng)互聯(lián)網(wǎng)的項(xiàng)目。2010年10月份我們?cè)跇I(yè)界第一個(gè)發(fā)布了能同時(shí)提供高質(zhì)量語音識(shí)別能力的訊飛語音云平臺(tái)。一年多過去了，成果還是比較顯著的，現(xiàn)在基于訊飛語音云的帳戶已經(jīng)有6000多個(gè)，上線的有幾百個(gè)應(yīng)用，覆蓋了娛樂、虛擬形象搜索等等各個(gè)領(lǐng)域都有一些很典型的應(yīng)用。

　　語音云的用戶規(guī)�？焖俪砷L(zhǎng)，2011年底上線，當(dāng)時(shí)6個(gè)月做到了一百萬的用戶，剩下下半年從一百萬增長(zhǎng)到了一千萬的用戶。今年上半年訊飛語音云用戶從一千萬增長(zhǎng)到了六千萬。訊飛的語音云在汽車、電視上已經(jīng)有很多應(yīng)用。去年廣州車展最火的一款車榮威350，內(nèi)置了IVOKA五的系統(tǒng)，就是訊飛語音云。長(zhǎng)虹新款的電視中都把訊飛的語音交互技術(shù)作為一個(gè)最大的賣點(diǎn)。

　　我們今年3月份在國家會(huì)議中心發(fā)布了新一代語音云，新一代語音云的后臺(tái)技術(shù)到了什么狀態(tài)呢？國際上有一個(gè)W最權(quán)威的語音大賽，是由美國和日本聯(lián)合發(fā)起的，科大訊飛06年第一次參加就取得了第一名，今年8月份我們第七次蟬聯(lián)了語音合成的冠軍。訊飛的語音合成系統(tǒng)，在播放小說有聲讀物的時(shí)候自然度已經(jīng)超過了4.0分。5.0分是播音員最好的發(fā)音效果，4.0是普通人清晰的發(fā)音效果。另外多語種也逐步實(shí)現(xiàn)全球覆蓋，包括中文、英文、聯(lián)合國的官方語言法文等等，另外德、意、阿拉伯這些語種也正在研究。

　　科大訊飛有一個(gè)訊飛語點(diǎn)的產(chǎn)品：(演示)只要互聯(lián)網(wǎng)上有這個(gè)人足夠的聲音樣本我們可以構(gòu)建出這樣的一個(gè)人的音庫來。再講一下語音識(shí)別，訊飛在最典型的場(chǎng)合語音識(shí)別率都遠(yuǎn)遠(yuǎn)高出于國內(nèi)國外的同行，為什么能夠做到這一點(diǎn)，我們?cè)谡Z音識(shí)別最難的三點(diǎn)，噪聲適應(yīng)性、口音適應(yīng)性、個(gè)性化方面都有很好的造聲造法。

　　對(duì)于后臺(tái)的語音理解，這目前是業(yè)界的一個(gè)難點(diǎn)，如何讓人工智能、機(jī)器能夠更好的理解�，F(xiàn)在科大訊飛我們是在特定的領(lǐng)域首先達(dá)到使用�，F(xiàn)在訊飛語點(diǎn)20多個(gè)領(lǐng)域內(nèi)語音系統(tǒng)已經(jīng)有平均85%準(zhǔn)確的理解。

　　下面講一下訊飛語言的平臺(tái)，它是跨終端的個(gè)性化平臺(tái)，我們通過語音通行證的機(jī)制，用戶注冊(cè)以后，他可以在電視、平板、手機(jī)、電腦上只要使用語音相關(guān)數(shù)據(jù)就可以在相關(guān)帳號(hào)，不同終端可以保持一致性。通過一年多的發(fā)展，我們整個(gè)語音云在可靠性和服務(wù)效率上也有明顯的提升。對(duì)于開發(fā)者來說是提供了一個(gè)簡(jiǎn)單易用的平臺(tái)，他可以很方便縮短語音交互應(yīng)用的開發(fā)時(shí)間。我們提供了這種可視化空間的接口，可以把交互、錄音安裝都簡(jiǎn)化出來。應(yīng)該說這個(gè)接口的尺寸我們也很好的控制了。

　　剛才王煜全老師提到互聯(lián)網(wǎng)娛樂比功能重要，我們也非常認(rèn)同這一點(diǎn)，現(xiàn)在語音云基于語音的游戲還不太多，我個(gè)人覺得這塊未來大有可為，我希望在座開發(fā)者對(duì)游戲比較有感覺的開發(fā)者建議考慮一下如何做出模擬現(xiàn)實(shí)的游戲。

　　策略開發(fā)初期我們提供免費(fèi)的開發(fā)支持，應(yīng)用推廣上也予以支持，規(guī)模階段再進(jìn)一步探討商業(yè)模式。具體大家可以登錄到我們的科大訊飛語音云平臺(tái)上去利用。感謝每一位開發(fā)者你們的使用為語音云數(shù)據(jù)進(jìn)行了寶貴的積累，推動(dòng)了語音云效率的提升。我的介紹就到這里，謝謝大家!