走進(jìn)深圳市北科瑞聲科技股份有限公司（以下簡(jiǎn)稱“北科瑞聲”）的人工智能展廳，一件件智能語(yǔ)音產(chǎn)品引人注目。
“智能語(yǔ)音音頻技術(shù)應(yīng)用十分廣泛，可以賦能許多場(chǎng)景。”北科瑞聲董事長(zhǎng)劉軼說(shuō)，公司通過(guò)與高速交通、智慧醫(yī)療、數(shù)字政務(wù)等行業(yè)深度融合，創(chuàng)新研發(fā)了一系列智能產(chǎn)品，并與多個(gè)國(guó)產(chǎn)主流平臺(tái)完成兼容性互認(rèn)證，實(shí)現(xiàn)智能語(yǔ)音系統(tǒng)全鏈自主可控運(yùn)行，持續(xù)推動(dòng)智能語(yǔ)音技術(shù)應(yīng)用研發(fā)及產(chǎn)業(yè)化。2022年，北科瑞聲營(yíng)業(yè)收入突破億元，同比增速超過(guò)56%。
專注技術(shù)研發(fā)
2003年，劉軼從香港科技大學(xué)博士畢業(yè)留校任教，從事嵌入式智能語(yǔ)音識(shí)別技術(shù)研究。“自己研發(fā)的東西能夠?qū)崿F(xiàn)應(yīng)用，產(chǎn)生經(jīng)濟(jì)效益、服務(wù)社會(huì)，這是每一個(gè)工科人的夢(mèng)想。”帶著這樣的夢(mèng)想，2008年，他與兩位合伙人來(lái)到深圳，創(chuàng)立北科瑞聲。
實(shí)現(xiàn)夢(mèng)想的路上，需要不斷探索和創(chuàng)新。嵌入式智能語(yǔ)音識(shí)別技術(shù)通過(guò)將聲音轉(zhuǎn)換成文本和命令，能夠?qū)崿F(xiàn)語(yǔ)音輸入、語(yǔ)音控制，可應(yīng)用于多種應(yīng)用系統(tǒng)、移動(dòng)設(shè)備，大大改善人機(jī)交互方式。但是，要把這個(gè)技術(shù)落地實(shí)現(xiàn)產(chǎn)品化，并不是件容易的事。
“那時(shí)，人們對(duì)語(yǔ)音識(shí)別還沒(méi)什么概念，相關(guān)技術(shù)也不夠成熟，鮮有成功的商業(yè)化案例。風(fēng)口沒(méi)到的時(shí)候，我們需要沉下心來(lái)，做好基礎(chǔ)性工作，錘煉好自己的本領(lǐng)。”劉軼說(shuō)。
瞄準(zhǔn)語(yǔ)音音頻交互核心技術(shù)，北科瑞聲組織研發(fā)團(tuán)隊(duì)開(kāi)展持續(xù)攻關(guān)，不斷突破技術(shù)瓶頸。“在人工智能和機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，有一大一小兩個(gè)難題。大難題是指超大規(guī)模預(yù)訓(xùn)練模型，小難題是指芯片級(jí)神經(jīng)網(wǎng)絡(luò)模型。”北科瑞聲總經(jīng)理王昕介紹，針對(duì)兩個(gè)難題，公司研發(fā)了音頻信息感知、語(yǔ)音識(shí)別、人機(jī)交互系統(tǒng)等全鏈多模態(tài)人工智能技術(shù)，并將這些技術(shù)封裝在自研芯片上，打造存算一體芯片級(jí)小型神經(jīng)網(wǎng)絡(luò)模型語(yǔ)音芯片，推出“云+端+芯”全鏈條、自主可控智能語(yǔ)音產(chǎn)品，實(shí)現(xiàn)從人工智能語(yǔ)音技術(shù)創(chuàng)新到產(chǎn)業(yè)應(yīng)用的生態(tài)閉環(huán)。
“云+端+芯”即云、設(shè)備終端和芯片，三者鏈條打通之后，能夠?qū)崿F(xiàn)對(duì)數(shù)據(jù)的存儲(chǔ)、處理、整理、分析和傳輸。“攻克這個(gè)技術(shù)并非易事，我們面臨許多挑戰(zhàn)。”王昕說(shuō)，語(yǔ)音交互具有時(shí)變性。在溝通過(guò)程中，設(shè)備每一分鐘都要通過(guò)提取語(yǔ)音特征、參數(shù)，與后臺(tái)的模型進(jìn)行大量比對(duì)計(jì)算，快速反饋語(yǔ)音內(nèi)容。這不僅需要一個(gè)速度非常快的計(jì)算單元，還需要中央處理器的算力足夠快、存儲(chǔ)器容量足夠大。與此同時(shí)，還要實(shí)現(xiàn)低功耗，降低應(yīng)用成本。
為了破解這一系列難題，北科瑞聲不斷提升數(shù)據(jù)、算法和算力能力，積累了超10萬(wàn)小時(shí)語(yǔ)音音頻數(shù)據(jù)、TB級(jí)語(yǔ)言數(shù)據(jù)及語(yǔ)音音頻行業(yè)標(biāo)桿級(jí)數(shù)據(jù)資源；研發(fā)出行業(yè)領(lǐng)先的中文復(fù)雜場(chǎng)景語(yǔ)音音頻交互技術(shù)，普通話語(yǔ)音識(shí)別準(zhǔn)確度達(dá)99%，限定領(lǐng)域的意圖識(shí)別準(zhǔn)確度達(dá)到95%。
語(yǔ)音交互技術(shù)好不好，不僅要看測(cè)試的識(shí)別準(zhǔn)確率，還要看其在實(shí)際場(chǎng)景下的語(yǔ)義理解能力。“即便如今普通話普及程度越來(lái)越高，但由于每個(gè)人的經(jīng)歷或生活環(huán)境不同，產(chǎn)生了很多‘不標(biāo)準(zhǔn)’的普通話發(fā)音。這個(gè)‘不標(biāo)準(zhǔn)’千變?nèi)f化，識(shí)別起來(lái)十分困難。而基于中文復(fù)雜場(chǎng)景的語(yǔ)音音頻交互技術(shù)，可以做到在無(wú)需事先指定口音類型的情況下，處理國(guó)內(nèi)50多個(gè)地方的帶口音普通話。”劉軼說(shuō)。
面對(duì)互聯(lián)網(wǎng)時(shí)代層出不窮且逐漸融入人們生活的網(wǎng)絡(luò)新詞，中文復(fù)雜場(chǎng)景語(yǔ)音音頻交互技術(shù)還能通過(guò)自進(jìn)化能力，在30秒內(nèi)對(duì)這些新詞進(jìn)行全面學(xué)習(xí)、掌握，以快速跟上互聯(lián)網(wǎng)信息迭代速度。而原先的傳統(tǒng)技術(shù)若想識(shí)別新詞，一般需要數(shù)天甚至數(shù)周的技術(shù)訓(xùn)練。
經(jīng)過(guò)持續(xù)研發(fā)創(chuàng)新，北科瑞聲攻克了多項(xiàng)人工智能核心技術(shù)，實(shí)現(xiàn)了端云架構(gòu)以及端到端一體化產(chǎn)品應(yīng)用。目前，北科瑞聲擁有知識(shí)產(chǎn)權(quán)200多件，其中發(fā)明專利100多件，參與了智能語(yǔ)音識(shí)別和交互國(guó)家標(biāo)準(zhǔn)制定，獲得我國(guó)智能科學(xué)技術(shù)最高獎(jiǎng)“吳文俊人工智能科學(xué)技術(shù)獎(jiǎng)”、中國(guó)專利優(yōu)秀獎(jiǎng)以及多項(xiàng)廣東省科學(xué)技術(shù)獎(jiǎng)等獎(jiǎng)項(xiàng)，發(fā)展成為人工智能音頻領(lǐng)軍企業(yè)。
拓展應(yīng)用場(chǎng)景
創(chuàng)新不能閉門造車，還需要根據(jù)市場(chǎng)需求將科研成果落地轉(zhuǎn)化。“通用產(chǎn)品僅僅將語(yǔ)音轉(zhuǎn)化為文字，無(wú)法滿足醫(yī)療、交通、政務(wù)等細(xì)分領(lǐng)域的需求。比如一些專業(yè)術(shù)語(yǔ)，如果我們的智能語(yǔ)音系統(tǒng)沒(méi)有與行業(yè)進(jìn)行深度融合或者定制化處理，就達(dá)不到好的效果。”劉軼告訴記者，人工智能要想真正為市場(chǎng)所用，一定要與具體的行業(yè)應(yīng)用結(jié)合起來(lái)，做深、做精，為行業(yè)發(fā)展賦能。
在探尋技術(shù)落地及差異化競(jìng)爭(zhēng)路徑的過(guò)程中，北科瑞聲將目光首先聚焦于車載應(yīng)用領(lǐng)域。
“支持語(yǔ)音交互是車載導(dǎo)航智能發(fā)展的必然趨勢(shì)，出于對(duì)安全駕駛的考慮，人們不能一邊開(kāi)車一邊操作導(dǎo)航。我們嘗試將智能語(yǔ)音識(shí)別技術(shù)嵌入汽車車機(jī)，通過(guò)車機(jī)總線進(jìn)行總控，可執(zhí)行高達(dá)幾萬(wàn)條的語(yǔ)音命令。”北科瑞聲總裁辦公室副總監(jiān)王詩(shī)雨說(shuō)，“車主只需說(shuō)出路線需求，車機(jī)就能規(guī)劃合適的路線，實(shí)現(xiàn)無(wú)手化操作。”
車載應(yīng)用成功落地讓北科瑞聲在智能語(yǔ)音應(yīng)用領(lǐng)域摸索出一些經(jīng)驗(yàn)，隨后開(kāi)始在數(shù)字政務(wù)、智慧醫(yī)療和高速交通等領(lǐng)域發(fā)力。
在數(shù)字政務(wù)智能語(yǔ)音解決方案中，北科瑞聲基于其智能語(yǔ)音核心能力開(kāi)發(fā)出一套主要用于政企會(huì)議場(chǎng)景的智能語(yǔ)音會(huì)議系統(tǒng)。“會(huì)議記錄是政企日常工作中的重要部分，但傳統(tǒng)記錄方式效率較低。”劉軼說(shuō)，智能語(yǔ)音會(huì)議系統(tǒng)提供基于私有云的語(yǔ)音轉(zhuǎn)文字、實(shí)時(shí)轉(zhuǎn)寫上屏顯示、離線語(yǔ)音轉(zhuǎn)寫、紀(jì)要成稿、會(huì)議記錄留存查詢等功能，避免了傳統(tǒng)人工整理記錄會(huì)議內(nèi)容存在的時(shí)間長(zhǎng)、易遺漏、準(zhǔn)確率低等問(wèn)題，從而提升會(huì)議交互體驗(yàn)與辦公效率。目前，北科瑞聲智能語(yǔ)音會(huì)議系統(tǒng)已在深圳許多政企單位實(shí)現(xiàn)應(yīng)用。
“數(shù)據(jù)不只是一種資源，更是一種能力，是企業(yè)的核心競(jìng)爭(zhēng)力。”劉軼說(shuō)，在高速交通領(lǐng)域，北科瑞聲通過(guò)運(yùn)用云計(jì)算、大數(shù)據(jù)分析能力，提升人工智能認(rèn)知能力，實(shí)現(xiàn)大交通領(lǐng)域用戶數(shù)據(jù)安全可靠。
ETC卡剛剛推行時(shí)，由于需求量不高，高速客服中心的線上客服配置并不多。隨著ETC熱潮的到來(lái)，2019年，粵通卡車主大幅上漲，給客服工作帶來(lái)了巨大壓力。基于數(shù)據(jù)、算法、算力三大要素技術(shù)積累，北科瑞聲結(jié)合高速交通業(yè)務(wù)場(chǎng)景及高速視頻云系統(tǒng)，打造出覆蓋互聯(lián)網(wǎng)渠道、電話通道及高速場(chǎng)景線下服務(wù)窗口的人工智能高速交通綜合信息服務(wù)平臺(tái)——全終端高速交通平臺(tái)。
這一平臺(tái)以智能外呼機(jī)器人替代人工客服，通過(guò)與粵高速客服中心電話線路集成，實(shí)現(xiàn)從流程設(shè)置、外呼呼叫到數(shù)據(jù)處理與匯總的全流程自動(dòng)化處理。智能外呼機(jī)器人集成語(yǔ)音識(shí)別、自然語(yǔ)言理解、信息檢索、語(yǔ)音合成等智能技術(shù)，聽(tīng)得懂、能理解、會(huì)說(shuō)話，人機(jī)交互流暢自然，機(jī)器人單條電話線單日可完成外呼電話上千次，外呼數(shù)據(jù)同步轉(zhuǎn)寫生成保存。
“與傳統(tǒng)人工外呼相比，智能外呼機(jī)器人具備自動(dòng)撥打、多輪對(duì)話、自動(dòng)生產(chǎn)外呼數(shù)據(jù)等優(yōu)勢(shì)，還可不間斷工作，有效提升了工作智能化、數(shù)字化水平。”王昕說(shuō)，深圳具有良好的創(chuàng)新土壤，為企業(yè)積累場(chǎng)景應(yīng)用經(jīng)驗(yàn)、促進(jìn)技術(shù)迭代提供了舞臺(tái)。立足這個(gè)資源優(yōu)勢(shì)，北科瑞聲在不斷拓展應(yīng)用場(chǎng)景的同時(shí)，將繼續(xù)破解技術(shù)瓶頸，持續(xù)迭代產(chǎn)品，用人工智能技術(shù)賦能更多行業(yè)發(fā)展。
來(lái)源：《經(jīng)濟(jì)日?qǐng)?bào)》
