智能语音技术：角色可变换，服务多场景

本文转自：科技日报

“车载助理”“随行翻译”“会议记录员”……

智能语音技术：角色可变换，服务多场景

在2024北京车展上，参观者观看一款新能源汽车的智能车控系统演示。

新华社记者 鞠焕宗摄

◎本报记者 都 芃

“关闭车窗、打开空调、降低音乐音量……”在不久前举办的2024（第十八届）北京国际汽车展览会上，有参观者坐进展台上的一辆智能网联汽车，对着智能车机连续发出多个指令。话音刚落，各项指令一一被车辆准确响应。

近年来，我国智能网联汽车产业快速发展，汽车智能化程度不断提升。语音控车正成为汽车产业发展中广泛落地的智能场景。

在本次汽车展览会上，新能源智能网联汽车是绝对主角。不仅多家品牌展出了搭载最新智能成果的新车型，展会也专门开辟出智驾未来展区，集中展示智能网联汽车相关技术成果。

参观体验了多款智能网联汽车后，记者发现，各家品牌车型虽然功能不尽相同，但乘客与汽车之间的交互均围绕语音建立。在语音控车场景下，只需短短一句话，甚至几个词，汽车便可根据乘客指令快速作出相应操作。

本次汽车展览会参展商科大讯飞AI研究院副院长高建清介绍，目前，搭载科大讯飞语音技术的车型可以为海外车主提供对话快速响应、问题回答准确的语音交互服务，已覆盖23个主要语种，搭载车型销往亚洲、欧洲、南美等地的60多个国家和地区。“我们已经与中国汽车‘出海’十强企业中的8家展开合作，助力中国汽车走得更远。”他说。

除了语音控车场景，翻译交流也是智能语音技术应用最广泛的场景之一。在不久前的第四届中国国际消费品博览会上，有外国客商拿着国产品牌翻译机，与在场工作人员你一言我一语地畅聊起来。嘈杂的环境没有影响翻译效果的准确性，不同语言得到了快速、准确的翻译传达，仿佛一名随行翻译就站在身边。

同样借助语音技术实现智能升级的还有会议场景。在数十人参加的会议讨论中，只需拿出智能录音笔，放在会议室一角，每个人的发言均可被精准记录并实现快速转写，甚至还可以一键生成会议总结，大大减少了人工记录工作量。除此以外，智能语音技术的典型应用场景还包括智能家居、智慧教育、手机智能助手等。

多场景广泛应用的背后，是我国智能语音技术近年来的不断突破。语音输入最大的挑战是场景复杂。用户的输入场景情况各异，无处不在的噪声、混响直接影响着语音识别的准确率，进而影响用户的语音交互体验。大模型的发展则给智能语音技术带来了新的前进动力。

高建清介绍，认知大模型的出现，让自然语言处理类任务的上限大幅提升。结合大语言模型更精准的语义理解和更精细的描述能力，各类语音任务也能快速突破效果上限。

“同时，我们也要结合语音属性解耦预训练和语义语音互增强编码等技术，构建起适用于各类场景的语音大模型，让智能语音技术赋能更多场景。”高建清说。