讓世界聆聽我們的聲音

◎科大訊飛股份有限公司董事長 劉慶峰

讓世界聆聽我們的聲音

◎科大訊飛股份有限公司董事長 劉慶峰

當(dāng)下，萬物互聯(lián)的物聯(lián)網(wǎng)時(shí)代正在到來。以手機(jī)為標(biāo)志的移動(dòng)互聯(lián)網(wǎng)作為IT產(chǎn)業(yè)發(fā)展的第五次浪潮，正在洶涌澎湃地向著穿戴設(shè)備、智能家居、車聯(lián)網(wǎng)等方向發(fā)展。這是未來經(jīng)濟(jì)科技發(fā)展最大的風(fēng)口，已成為產(chǎn)業(yè)界的共識(shí)。未來三到五年內(nèi)，物聯(lián)網(wǎng)將在全世界掀起新的產(chǎn)業(yè)浪潮。在無屏、移動(dòng)和遠(yuǎn)場狀態(tài)下，以語音為主，鍵盤、觸摸為輔的人機(jī)交互時(shí)代正在來臨。

從DOS到Windows，成就了微軟；蘋果則通過把觸屏交互做到極致，成為了全球最值錢的公司。然而，產(chǎn)業(yè)發(fā)展的下一步是以語音為主的交互時(shí)代。作為亞太地區(qū)最大的語音和人工智能公司，今天的科大訊飛正緊緊抓住這樣的大勢與機(jī)遇，努力成就更大的事業(yè)。

智能語音產(chǎn)業(yè)是一個(gè)高門檻的核心技術(shù)領(lǐng)域。科大訊飛在1999年創(chuàng)業(yè)之初，得到了微軟研究院院長、國內(nèi)語音領(lǐng)域?qū)＜?，以及有關(guān)政府部門和產(chǎn)學(xué)研界的大力支持，給予了很多很好的指導(dǎo)和建議，為科大訊飛的發(fā)展壯大提供了巨大的幫助。

2000年以前，中國智能語音市場全由國際巨頭控制。后來，通過產(chǎn)學(xué)研合作，科大訊飛這樣一個(gè)由在校大學(xué)生創(chuàng)建的智能語音公司逐漸發(fā)展成為亞太地區(qū)最大的語音和人工智能上市公司，搶占了包括公安、電信等領(lǐng)域的主流市場80%的份額，民用市場如移動(dòng)互聯(lián)網(wǎng)領(lǐng)域60%的份額。這就是產(chǎn)學(xué)研創(chuàng)新體系發(fā)揮的重大作用。

智能語音交互包含三項(xiàng)關(guān)鍵技術(shù)：一是語音合成，即把文字轉(zhuǎn)換成語音，讓機(jī)器開口說話；二是語音識(shí)別，即把語音轉(zhuǎn)換成文字，讓機(jī)器聽懂人說話，甚至能夠通過聲紋識(shí)別，分辨出說話人的身份特征；三是智能語音交互系統(tǒng)要有會(huì)思考的“大腦”，讓機(jī)器不僅能聽會(huì)說，還要能思考、會(huì)預(yù)測。

當(dāng)前，科大訊飛的智能語音技術(shù)發(fā)展迅速，已在語音合成、語音識(shí)別、口語評(píng)測、自然語言處理等多項(xiàng)技術(shù)上擁有國際領(lǐng)先的成果。首先是語音合成。按照當(dāng)前國際語音合成大賽的評(píng)分標(biāo)準(zhǔn)，5.0分是專業(yè)的播音員水平，普通人說話可以達(dá)到4.0分，基礎(chǔ)門檻是3.0分。在1998年，科大訊飛的語音合成系統(tǒng)得分就已達(dá)到3.0分，今天則達(dá)到了4.5分，合成的語音非常清晰流暢。

2006年，科大訊飛語音合成系統(tǒng)參加國際語音合成領(lǐng)域級(jí)別最高的Blizzard Challenge大賽，首次參賽即奪得冠軍，從2006到2013年，科大訊飛語音合成系統(tǒng)連續(xù)8年在國際語音合成比賽中獲得第一。2012年，科大訊飛語音合成系統(tǒng)讓計(jì)算機(jī)讀英語首次超過人類一般水平（4.0分）。2014年，國際語音合成比賽由合成英語改為合成印地語，科大訊飛依然超過印度人、美國人，再次奪冠。在語音識(shí)別領(lǐng)域，NIST國際評(píng)測大賽是國際上規(guī)模最大、影響力最廣泛的評(píng)測比賽?？拼笥嶏w自2008年開始分別參加了說話人識(shí)別和語種識(shí)別評(píng)測比賽。在說話人識(shí)別比賽上，科大訊飛榮獲2008年說話人識(shí)別評(píng)測大賽全球第一名，榮獲2010年核心測試綜合評(píng)價(jià)第二名；在語種識(shí)別比賽上，科大訊飛榮獲2009年高混淆方言識(shí)別指標(biāo)綜合排名冠軍、通用測試指標(biāo)綜合排名亞軍，榮獲2011年9個(gè)高混淆度方言評(píng)測中7個(gè)方言評(píng)測第一名。

智能語音技術(shù)有著非常廣泛的應(yīng)用場景。萬物互聯(lián)時(shí)代，智能語音技術(shù)在任何地方都可以使用。聲紋和指紋一樣，具有獨(dú)一無二的特征，聲紋識(shí)別技術(shù)在安全領(lǐng)域有很好的應(yīng)用，對(duì)國家安全的意義非常重大。目前，“聲紋+人臉識(shí)別”的身份認(rèn)證已經(jīng)在很多領(lǐng)域應(yīng)用。最近產(chǎn)業(yè)界特別關(guān)注的熱點(diǎn)是汽車內(nèi)的語音交互。隨著車聯(lián)網(wǎng)的發(fā)展，語音將成為車載技術(shù)的剛需。車內(nèi)語音技術(shù)最難的是遠(yuǎn)程語音控制和汽車行駛過程中產(chǎn)生的大量噪音干擾，已成為業(yè)界攻關(guān)的難點(diǎn)。2015年4月，科大訊飛研發(fā)的中文車載語音應(yīng)用技術(shù)在由寶馬中國研發(fā)中心牽頭組織實(shí)施的“寶馬全球中文語音技術(shù)測試”中斬獲第一，全面領(lǐng)先國際競爭對(duì)手nuance，成為業(yè)界唯一達(dá)到實(shí)用標(biāo)準(zhǔn)的技術(shù)。迄今，科大訊飛已經(jīng)與奧迪、寶馬、奔馳、通用、豐田、雷克薩斯、福特等國際車廠，以及國內(nèi)的江淮、奇瑞、上汽、廣汽、長安、吉利、長城等主流車廠建立了廣泛的合作關(guān)系，產(chǎn)品陸續(xù)在榮威350、長城H6等20余款車型中配裝上市。

語音技術(shù)將來可以應(yīng)用在生活的方方面面。比如在手機(jī)應(yīng)用方面，普通人不用經(jīng)過任何事先的訓(xùn)練，打開手機(jī)中的訊飛輸入法，不僅可以手寫、可以疊屏，還可以將直接說出語音立即轉(zhuǎn)換成文字，并且平均識(shí)別準(zhǔn)確率達(dá)到95%以上。目前，訊飛輸入法已擁有2.8億用戶，日活躍用戶數(shù)超過5000萬人。訊飛輸入法主要使用的是科大訊飛的語音識(shí)別技術(shù)。

此外，科大訊飛將語音識(shí)別、語音合成與人工智能技術(shù)結(jié)合起來，推出了另一款應(yīng)用——靈犀語音助手，直接通過語音發(fā)出指令，打電話、發(fā)短信等功能都可以快速響應(yīng)。比如，對(duì)著手機(jī)說出“幫我查昆明到北京的航班”、“我想聽中國人”等，便能輕松實(shí)現(xiàn)所需要的功能。同時(shí)，科大訊飛在語音翻譯技術(shù)方面也取得了可喜成果。語音翻譯需要語音識(shí)別、機(jī)器翻譯和語音合成這三個(gè)核心技術(shù)，科大訊飛如今已做到了語音識(shí)別、語音合成全球第一，文字到文字的翻譯技術(shù)也是第一。

在實(shí)現(xiàn)了機(jī)器能聽會(huì)說之后，科大訊飛開啟了高級(jí)人工智能——認(rèn)知智能的攻關(guān)項(xiàng)目?？拼笥嶏w在人工智能方面的主要項(xiàng)目是承擔(dān)的“國家人工智能863計(jì)劃”，亦即“類人答題機(jī)器人”，也叫“高考機(jī)器人”。國內(nèi)幾乎60%的人工智能專家都在這個(gè)計(jì)劃里，這也是產(chǎn)學(xué)研合作的一個(gè)重要體現(xiàn)。目前，該項(xiàng)目已取得階段性的成果：一是翻譯，科大訊飛口語翻譯技術(shù)在2014年國際口語機(jī)器翻譯評(píng)測大賽（IWSLT）中獲得第一名，已經(jīng)能夠讓翻譯能力達(dá)到了相當(dāng)于大學(xué)英語6級(jí)水準(zhǔn)。二是在對(duì)英語高考試卷中關(guān)于口語、填空題、選擇題等測試方面，配有科大訊飛口語翻譯技術(shù)的機(jī)器已經(jīng)超過人工。目前，科大訊飛器智能閱卷技術(shù)已經(jīng)在安慶、合肥等地成功試點(diǎn)應(yīng)用。

今天，當(dāng)人們?cè)趶?qiáng)調(diào)產(chǎn)學(xué)研用結(jié)合時(shí)，當(dāng)成果轉(zhuǎn)化依然面臨諸多制約瓶頸時(shí)，科大訊飛早已邁開步子搶得先機(jī)，與清華計(jì)算所、中科院自動(dòng)化所等十幾家高校院所成立實(shí)驗(yàn)室，在研發(fā)領(lǐng)域保持國際領(lǐng)先地位；讓創(chuàng)新技術(shù)在合適的地方、以適當(dāng)?shù)姆绞绞褂茫蛟祛I(lǐng)先的產(chǎn)品、不斷解決用戶問題……未來，科大訊飛將繼續(xù)通過加強(qiáng)產(chǎn)學(xué)研合作不斷推進(jìn)技術(shù)和產(chǎn)品創(chuàng)新，領(lǐng)跑國內(nèi)智能語音與人工智能行業(yè)。

以科大訊飛多年的技術(shù)創(chuàng)新和產(chǎn)學(xué)研合作經(jīng)驗(yàn)來看，產(chǎn)學(xué)研合作應(yīng)以企業(yè)為主體，否則創(chuàng)新就沒有“發(fā)動(dòng)機(jī)”。首先，企業(yè)參與產(chǎn)學(xué)研合作要有清晰的產(chǎn)業(yè)發(fā)展目標(biāo)，否則不可能做長遠(yuǎn)的研究。其次，企業(yè)家要有科學(xué)家的思維。再者，企業(yè)參與產(chǎn)學(xué)研合作要有完善的股權(quán)期權(quán)等獎(jiǎng)勵(lì)激勵(lì)機(jī)制。企業(yè)要讓產(chǎn)學(xué)研合作伙伴掌握價(jià)值鏈的主導(dǎo)權(quán)，讓其成為公司的主人。