圖：深圳黃鸝智能科技有限公司CEO劉志
▲演講PPT下載，pdf格式

　　劉志：感謝CTI論壇，我在呼叫中心和企業(yè)通信領域是個新人，我們公司也很新，去年8月份剛剛成立。但是疫情讓我對這個領域所做的事情有更新的認識，首先我認識到呼叫中心也好、企業(yè)通信也好，是服務于全行業(yè)的。有一個笑話，說疫情當中三個月沒有接到推銷電話感覺整個人都不好了，終于盼來了一通推銷電話，瞬間點燃了自己。我也有這樣的感受，我接到的外呼電話和我打出去的客服電話，經常會遇到這樣的場景，我給大家演示一下，就是這樣嘈雜的環(huán)境。這樣的場景大家并不陌生，不僅是在呼叫中心，在企業(yè)辦公中，整個疫情期間我參加的不下一百場的各種各樣的線上宣講、會議等等，才意識到一個問題，我們大部分人不知道通話的對方聽到我的聲音是怎樣的。而我聽到同事們家里面狗叫貓叫的聲音，我意識到我也可能給對方帶來了不好的體驗。

　　實驗心理學有這樣的數據，說明聲音有多重要，在人類獲取的信息當中有20%是直接來自于聲音，還有25%是聲音和視覺的結合，今天在現(xiàn)場能夠面對面的交流是對于信息交互是非常難得的，因為既有聲音又有視覺，大家可以看到我的表情、形態(tài)和肢體語言，但是一旦到了線上看不到對方，這種情況下聲音是不是就是我們獲取信息的唯一來源呢？從人類表達信息的手段來看，有聲語言更是占據了絕大多數的比例�？墒锹曇暨@么重要，我們卻常常忽略了噪聲的影響。

　　我們可以看到疫情的影響下，越來越多的企業(yè)已經在選擇在家辦公了，包括Facebook、推特，疫情前美國有5%的企業(yè)辦公選擇在家或者是比較自由的方式。我相信疫情終將過去，但是就像03年非典之后電商發(fā)展起來了，這次的疫情后我相信線上辦公、學習、娛樂等等很多新的生活工作方式會變成常態(tài)，但這里面有個非常重要的問題，就像電商普及那樣，就是體驗非常重要。對于在線辦公和呼叫中心來說，語音降噪對于客戶體驗就是非常重要的。

　　呼叫中心大家也都知道，今天數字化越來越成為潮流，今天下午的演講中五個同行，有四家都是在講人工智能，怎么樣用人工智能來讓客戶的體驗更好，但同時也要看到，今天在這種數字化變革下，今年85%呼叫中心也要做數字化變革，但是對于數字渠道滿意客戶只有21%，我自己就對很多數字渠道很不滿意，還有1/3通過數字渠道發(fā)起的客戶服務最終還是轉到了人工，這不是代表智能化不是趨勢，實際上智能化一定是趨勢，但是今天怎么樣去提升客戶的體驗，語音降噪在智能化當中也有非常多重要的價值。

　　我們看到語音雖然是個非常古老的手段，但是不管是在呼叫中心還是在企業(yè)辦公中今天發(fā)揮的作用是不但沒有減小而且是越來越大的。拿呼叫中心來說，作為問題解決中心我們觀察到，雖然人工智能數字化渠道有很多好的提升效率的手段，但是總有一些查詢最終要到人這里，而且要看到一旦到了人這里的問題，一定是最有價值的問題，也是最難解答的問題，機器人搞不定的問題最終交給了人。我也是做人工智能的，人工智能今天只能解決相對簡單的有邏輯問題，畢竟人工智能沒有認知，也無法體察我的情感。

　　語音到人工一定是處理的最有價值的交互，呼叫中心也是價值創(chuàng)造中心，今天獲取客戶的成本越來越高，我以前所在的教育培訓行業(yè)在今年疫情影響下是突飛猛進的增長，但是所有的從業(yè)者都有一個非常擔憂的事情就是獲客成本越來越高，這種情況下怎么能夠保留現(xiàn)有客戶，讓現(xiàn)有客戶為我們帶來更多的價值等等，這些都是企業(yè)必須要思考的問題，而這種保留客戶的發(fā)掘客戶價值的渠道、這樣的交互，人工智能只能作為輔助手段，一定需要通過人與人之間情感的交互。

　　今天呼叫中心行業(yè)中語音渠道的目的改變了，已經不是處理簡單查詢的問題，而更多的是解決復雜但是有價值的交互。優(yōu)化語音渠道，讓語音渠道給用戶帶來的體驗更好，這一點在后疫情時代越發(fā)有必要。

　　我最開始演示的一樣，今天很多語音渠道連最基本的讓對方聽清楚這一點都有差距，這是什么原因呢？核心問題就是噪聲。我們通常大家會有個感受，我面對面交互的時候有噪聲影響也不大，為什么到了坐席這里、線上交互的時候噪聲難道就發(fā)生了質的變化嗎？我研究聲音接近20年的時間，可以很明確的告訴大家線上和線下的語音交互是完全不一樣的體驗。兩點：一是我們在面對面交流的時候除了聲音以外，我們也有眼神的交互、肢體的語言，通過視覺那25%大量獲取輔助的信息，信息傳輸手段是綜合多維的，一旦變到只有單一的語音途徑的時候，對于聲音質量的依賴性極大的加強了；二是人是非常智能的智能體，我們在面對面交流的時候不是一只耳在聽，而是兩只耳朵，這是雙耳效應，雙耳效應可以自動幫助抑制噪聲、定位聲源方向，一旦錄下來再播出來相當于是一只耳朵在聽聲音，這種人類自身降噪機制發(fā)揮不了作用，這也就是為什么降噪這件事非常重要，但是又很困難。

　　上世紀50年代很多人研究相關課題，直到今天我們看到了很多降噪的方法依然有各自缺陷。傳統(tǒng)的方法是預測噪聲的走向，知道下一個時刻噪聲是怎樣，從帶噪語音中把噪聲減去，但是只對穩(wěn)態(tài)的噪聲，比如空調的噪聲有預判，對穩(wěn)態(tài)噪聲效果非常好，但是實際上今天噪聲環(huán)境越來越復雜，傳統(tǒng)的方法很難解決。

　　陣列方法模擬人耳雙耳效應，也有更多的四個麥克風、八個甚至更多，它的思路是模擬人耳，但是首先對麥克風的品質一致性要求非常高，其次這種方法的邊界效應比較明顯。最新2011年興起的深度學習降噪方法取得很好效果，但是也有兩個問題，首先是模型結構非常復雜，算法復雜度非常高，很難滿足通信實時性的要求，其次是這一輪人工智能深度學習方法是黑盒，訓練出來的模型、模型參數什么樣很難搞清楚，我們也無法知道到底是怎么訓練的，有些時候用了這個方法之后中間聲音聽不到了，也不知道發(fā)生了什么、也無法進行修正。

　　黃鸝智聲在降噪方面研究了15年以上的時間，發(fā)現(xiàn)前面的方法有些是從人耳的特性出發(fā)的，有些是從大腦特性出發(fā)，比如深度學習是模擬大腦，前面說的陣列、傳統(tǒng)降噪方法是模擬人耳，而我們做的是把二者統(tǒng)一起來，聽覺智能是耳朵和大腦中樞一起作用的結果，把信號處理的方法和深度學習的方法進行融合，取長補短把它們當中優(yōu)點發(fā)揮出來。從而在降噪問題上解決了以下難題，既要高降噪又要低失真，很多降噪可以把噪聲降得比較好，但是要的聲音也有丟失，要么是聲音聽著還可以，但是一直聽到噪聲。高可靠低延時，我們方案最低8毫秒的延時，這是通信系統(tǒng)里面是完全可以被忽略的，同時高可靠，不會丟數據，不會聽到中間斷斷續(xù)續(xù)的，三是高性能低成本，這樣的技術可以達到參數指標，可以做到降噪40DB以上，今天在飛機發(fā)動機尾部地方，十幾架直升機一起轟鳴，走出去感覺聲浪很厲害，直升機去感受一下，都可以感覺把人振起來，我對著別人耳朵大聲喊人家不知道我在說什么，但是用我們的技術，帶上我們耳麥后可以實現(xiàn)清晰的聲音傳輸，也可以用它去進行語音識別，40db是對噪聲能量降低一萬倍以上，我們還可以讓語音質量保持在3.5分以上滿分是5分，最終可以呈現(xiàn)出高質量、高性價比的產品。

　　基于這樣的技術，我們也給呼叫中心和企業(yè)通信領域帶來了四款產品，自適應通話降噪盒是去年11月份出來的產品，可以接固定電話，傳統(tǒng)的固定電話接上我們的降噪盒以后變成專門降噪的電話，第二款產品G100U，今年4月份剛剛出來的，主要定位教育培訓行業(yè)，看著比較大一些。4月份剛剛出來5月份就在教育行業(yè)拿到了數十K的訂單，現(xiàn)在交付達到幾十K。第三、第四款產品是CTI論壇平臺上首次發(fā)布的，E100U，精英系列產品，主要目標人群是辦公人群，是可以接typecC接口，主流安卓手機，也可以接電話。C101是精巧系列，是給呼叫中心和坐席人員準備的，剛才我在剛開始的時候請老師給我播放了一個噪音我也戴著我的C101耳麥同步做了錄音，大家聽聽剛才用這樣的耳麥錄下來的剛才聲音。

　　（播放聲音）

　　同時播放了噪聲，大家聽聽用C101耳麥錄音是不是完全聽不到任何噪聲也沒有任何失真？這是技術所體現(xiàn)出來的實際的效果，不用建專業(yè)隔音室，只需要戴一個耳麥就相當于給每一個坐席、每一個辦公人員建立了一個專用虛擬的辦公室。

　　智能化是方向，但是今天其實包括剛才云趣提到的問題，今天語音識別的識別準確率會非常受到環(huán)境噪聲的影響，實測安靜環(huán)境下95%的識別率，真的在噪聲環(huán)境下，噪聲環(huán)境相對比較惡劣的話可能會掉到70%以下，我們的設備還可以來支持數字渠道和智能化的渠道，合作伙伴只需要關注后端的質檢、客服助手等技術的準確率以及效果，完全可以把前端怎么讓聲音更加干凈、更加清晰這樣的事情交給我們。

　　我們公司是非常年輕的一家公司，去年剛剛成立，但是在聲音領域的研究有超過20年的歷史，我本人清華電子系畢業(yè)后一直從事聲音相關的工作，做過語音識別、做過口語測評、做過語音編解碼，和聲音相關方方面面很多我是非常非常清楚的，當時做語音識別的時候特別有感受，我的碩士課題是車載環(huán)境下語音識別，在實驗室里面調得非常好的設備拿到車上后馬達一響、車一開，完全報廢了。噪聲的影響也是我們團隊一直想去克服的，而且我們認為它對于人類生活工作品質真的有非常大的幫助。

　　我們企業(yè)的使命是用聲音智能來改善人類生活與工作品質，聲音作為人最重要的信息交互手段之一，實際上今天它的價值遠遠沒有被發(fā)掘，就拿它和視覺去對比，可以看到今天很多視覺的設備已經非常多的應用，但是語音始終感覺還是欠了點火候，在我們看來，噪音是其中一個非常重要的障礙，我們希望把我們的技術和更多的伙伴們一起合作，因為我們是前端技術，是相對底層的技術，所有需要噪聲環(huán)境下進行采集、通信、識別等聲音能夠發(fā)揮價值的地方都希望和大家一起攜手合作。我們有一個愿景，我們認為今天聲音更多的是人與人之間的交互，而未來它可能成為萬物互聯(lián)的手段，我們把我們的技術和大家的結合在一起，構建這樣一個萬物交互的世界，我們認為這樣的一天不是那么的遙遠。

　　謝謝大家！