智能语音厉害了,“弦外之音”能秒懂

人工智能日益“火热”,可目前的智能语音技术,机器还不能充分理解自然语言,听懂“弦外之音”的情景仅存在于科幻作品中。但这正在起变化!

国内最新的智能语音技术成果表明:机器已能以较高的准确率实现语音转化文字、多语种同步翻译、甚至模仿某个人的声线讲话,以假乱真。

在上千人的会场,多位嘉宾近3小时的演讲交流,全程无速记员,演讲内容却能实时转成文字显示在大屏幕上。

能纠错,能秒懂

新华社记者近日在科大讯飞年度发布会上看到,除了演讲中个别人名地名的差错,以及说话者口语表达中冗余的词汇外,绝大部分演讲内容都被整理得非常准确,并能同步翻译成英、日、韩等多种语言。

在智能车载系统的展示中,面对驾驶员任性地打断、随意地插话,车载系统竟能通过上下文语境“秒懂”驾驶员意图,甚至对故意“刁难”的极简指令,也能迅速听懂“弦外之音”,导航、听歌、团票都不在话下。

据介绍,这些都是基于深度神经网络的语音识别技术来实现的。语音识别技术,简单说就是让计算机“听懂”人类的语音,将语音中包含的文字信息提取出来。该项技术在智能计算机系统中扮演着重要角色,相当于给计算机装上了“耳朵”,使其实现人机通信和交互。目前语音识别准确率可达到97%。

“随着万物互联时代到来,以语音为主、键盘触摸为辅的人机交互正逐渐成为刚需。未来5到10年,人工智能会像水和电一样成为我们生活的必需品,深刻改变我们的世界。”科大讯飞董事长刘庆峰说。

聪明的机器人会说话

聪明的机器人要能听会说,语音合成技术就是“让机器像人一样开口说话”,它是涉及声学、语言学、数字信号处理、计算机科学等多个学科的一项信息处理的前沿技术。

中国工程院院士、中国人工智能学会理事长李德毅表示,在人工智能领域,对话是目前最直接、最便捷的交互方式,对话智能是几乎所有服务机器人的必备技能。

目前,中国在智能语音技术上已经实现了5到8米的远场识别、多轮交互对话、免唤醒词交流、交流随时打断等多项突破,人机交互越来越流畅自然。

“不仅中文语音合成技术取得突破,在今年的全球语音合成大赛中,科大讯飞的语音合成技术能够声情并茂讲英文故事,在多种语言的测试中表现不俗。”刘庆峰说。

让机器人“开口”说话的技术并不新鲜,电子万年历、计算器上都能用得到,但要像人一样说得自然流利、有声调起伏,并非易事。

记者在现场用手机试用科大讯飞开发的语音合成软件,发现语音合成功能不仅能将文字信息转化为可听的声音信息,还能将某个人的声线特征收入语音库中,然后用很短的时间将文本用被模仿者的声线特点读出来,确有以假乱真之效。未来,人们的声音也可能存在被“盗”用的风险。(记者 白国龙)