人工智能如今已經(jīng)家喻戶曉，從日常生活到行業(yè)賦能，都可見其存在。在這之中，伴隨著智能音箱等單品的爆發(fā)、語音交互的普及，AI語音技術也走進大眾視野。歷經(jīng)近30年的探索，微軟AI語音性能已達到全球領先水平，AI語音技術服務遍及140個國家和地區(qū)。

從2017年在Switchboard語音識別基準測試中以低至5.1%詞錯率創(chuàng)造當時對話語音識別錯誤率最低紀錄以來，微軟AI語音技術不斷解鎖新成就：成為首個在中譯英新聞報道的翻譯質(zhì)量和準確率上媲美人工翻譯的翻譯系統(tǒng)；帶來媲美人類專業(yè)發(fā)音人水平的基于深度神經(jīng)網(wǎng)絡的語音合成技術；2019年，在斯坦福文本理解任務中，微軟機器閱讀理解系統(tǒng)刷新記錄，成為排行榜上唯一一個超過人類分數(shù)的模型。

談及此，微軟（亞洲）互聯(lián)網(wǎng)工程院資深產(chǎn)品總監(jiān)丁秉公說道：“對于微軟來說，我們要讓更多的研究成果走出實驗室，不僅要輸入到微軟的各個產(chǎn)品中，而且還要通過提供先進的工具和平臺服務，讓合作伙伴和開發(fā)者獲得可打造自己的人工智能產(chǎn)品和解決方案的能力，這也是微軟語音研發(fā)的一個定位。”

疫情當下，為助力企業(yè)高效恢復生產(chǎn)，微軟圍繞Azure、Office 365、Dynamics365 智能云服務和Surface硬件，推出了多項免費及優(yōu)惠措施。本次微軟還在疫情期間面向有需要的企業(yè)、政府機構和開發(fā)者推出免費語音服務，包括語音識別、語音合成、語音評估服務。

微軟AzureAI語音服務平臺的功能已經(jīng)滲透到各個領域和應用場景。據(jù)悉， AI語音在疫情期間可以有著廣泛應用，譬如可以應用于通過防疫智能外呼，進行社區(qū)情況排查和通知，回訪協(xié)助政府排查疫情；利用智能語音導航與智能客服，解答用戶的問題，協(xié)助用戶辦理業(yè)務，同時啟動智能客服表單服務，幫助企業(yè)和政府收集和記錄信息；實現(xiàn)智能醫(yī)療，助力醫(yī)院智慧化建設，通過圖片分析/人臉識別，聲音合成，語音識別/聲紋識別，語言理解/信息搜索等功能，實現(xiàn)患者與醫(yī)務人員、醫(yī)療機構、醫(yī)療設備之間的互動?？膳c多種醫(yī)療數(shù)據(jù)整合，構建智慧醫(yī)療體系；以及在疫期利用AI語音合成系統(tǒng)將文字內(nèi)容轉(zhuǎn)成有聲書，提高學習娛樂體驗。

對此，丁秉公也表示：“我們在由世紀互聯(lián)運營的微軟Azure云上推出了面向中國用戶的語音服務，助力復工復產(chǎn)復學，讓企業(yè)可以更好地把握未來數(shù)字化轉(zhuǎn)型機遇，讓公共部門更有效率，讓個人成為技術創(chuàng)新的受益者。”

幾十年來，微軟一直從事著與人工智能相關的技術研發(fā)，微軟全球人工智能首席技術官，原微軟首席語音科學家黃學東此前更是在采訪中指出，語音和語言技術是AI皇冠上的明珠。在萬物互聯(lián)的5G時代下，隨著低延時、低功耗、高帶寬的到來，語音交互也將會成為一個主流。

“伴隨語音技術更加成熟，應用場景越來越豐富，語音交互通過定制也將可以達到更加卓越的效果。這里包括兩個層面，就語音識別來說，一個語音識別系統(tǒng)的識別精度會受到領域相關的詞匯影響很大。通過定制，就可以針對某一個領域的專業(yè)詞匯，讓它的識別精度在原有通用模型的技術上變得很高，還可以針對每一個人的這個口音進行定制。另外一個方面來說，微軟語音合成的定制可以為企業(yè)定制從男女，到不同年齡的豐富音色，甚至對于同一個音色我們可以定制各種的風格?！?在談到不斷優(yōu)化的語音交互體驗時丁秉公說道，“因為5G時代的網(wǎng)絡會比現(xiàn)在更加快更加好，聯(lián)上網(wǎng)一定會有很好的網(wǎng)絡服務，所以基于這兩點，我相信整個語音的應用會有一個爆發(fā)式增長?！?/p>

作為一家全球公司，微軟語音也是支持了世界上的主要語種，其中語音識別技術支持39個國家與地區(qū)的語言、語音合成技術支持80個多語言發(fā)音以及翻譯支持60種語言互譯。同時，Azure擁有全球覆蓋最廣的數(shù)據(jù)中心，所以微軟語音語種的全球覆蓋加上Azure云的全球覆蓋保證了微軟和其生態(tài)伙伴能夠一起賦能世界上的每一個人和每一個組織。

丁秉公認為，中國AI語音創(chuàng)新無論是在技術、產(chǎn)品上，還有商業(yè)模式上都會有特別大的潛力。語音技術也將因此走進千家萬戶讓普羅大眾，特別是包括視障和聽障人士，都可以享受到技術帶來的益處。并且，未來語音技術也將越來越會像空氣一樣，融入日常生活。只要對著一個東西，一個設備，一個服務去說話，就能夠被理解并得到響應和互動。

微軟CEO薩提亞?納德拉曾在微軟Ignite大會上寫了一個公式叫 technologyintensity （技術密集）= （tech adoption 技術落地x tech capability技術能力）^ Trust（信任）。所謂的技術密集就是隨著數(shù)字化的不斷深入，企業(yè)可以利用數(shù)字工具和平臺結合行業(yè)和自身的特點開發(fā)專有技術、產(chǎn)品和服務，以迎接不斷涌現(xiàn)的新機遇和新突破。為了打造一流的技術密集未來，微軟語音研發(fā)團隊的目標是讓語音技術的能力能夠?qū)崿F(xiàn)跨領域、跨語言、跨用戶的不斷提高同時增加技術落地賦能，讓每個企業(yè)和個人能通過技術實現(xiàn)繁榮發(fā)展；最后是發(fā)展可信賴和負責任的技術，這也是其最珍視的技術底線。

丁秉公表示：“希望微軟語音技術可以幫助中國的AI生態(tài)走得更遠更好。幫助更多的中國企業(yè)走出去，也可以幫助國外的企業(yè)走進中國，享受無縫的語音服務，沒有語言的障礙。這次疫情也讓我們更加感受到世界各國的聯(lián)系其實遠比許多人所想象得更緊密。在這個地球村，我們需要來共同應對和解決關乎人類共同命運的問題。我們也希望微軟的語音技術能夠幫到大家?！?/p>

文章來源：環(huán)球網(wǎng)科技?陶宗瑤