嘉 賓：于繼棟 科大訊飛云平臺事業(yè)部總經(jīng)理

采訪者：劉勝男 本刊記者

作為中國智能語音產(chǎn)業(yè)的領(lǐng)導者，科大訊飛在智能語音技術(shù)的關(guān)鍵領(lǐng)域——語音合成、語音識別、語音評測、口語翻譯、自然語言理解等方面，都代表了世界的最高水平。

那么，科大訊飛的智能語音技術(shù)向傳媒業(yè)傳遞了哪些訊息？本期，《中國傳媒科技》特邀科大訊飛云平臺事業(yè)部總經(jīng)理于繼棟與您分享。

語音合成，助力傳媒內(nèi)容“無聲”變“有聲”

大家對語音合成技術(shù)應該不會陌生，我們耳熟能詳?shù)摹爸玖釣槟鷮Ш健?，便是科大訊飛受高德地圖委托，為其制作的個性化語音合成。語音合成技術(shù)又稱文語轉(zhuǎn)換（Text to Speech）技術(shù)，即將文字信息轉(zhuǎn)化為聲音信息，讓機器像人一樣開口說話。自90年代中期以來，在歷次的國內(nèi)外語音合成評測中，科大訊飛的各項關(guān)鍵指標均名列第一，中文語音合成技術(shù)更是超過了普通人說話水平。

我們知道，在某些場景下，聲音具有文字不具備的優(yōu)勢，比如你可以在開車、跑步的時候聽聲音，卻不能看文字。因此，如果傳統(tǒng)的紙質(zhì)媒體具備了朗讀的功能，必然會增加更多的使用場景?？拼笥嶏w的語音合成技術(shù)，就能為傳統(tǒng)的無聲媒體加上了會說話的“嘴巴”。

科大訊飛將語音能力集成在“訊飛語音云”上并開放接口，開發(fā)者可以免費將科大訊飛的語音能力集成到軟件中，從而實現(xiàn)對文字的新聞的實時播報，并且聲音自然、流暢，一步實現(xiàn)了從“報紙”到“廣播”的跨越。目前，基于科大訊飛語音云開發(fā)的此類應用不勝枚舉，比較著名的有搜狐新聞、一點資訊、荔枝新聞、鳳凰電臺等。

語音合成技術(shù)除了使傳統(tǒng)媒體“發(fā)聲”外，還為自媒體創(chuàng)作內(nèi)容提供了新的可能性。如今，基于各種社交媒體平臺的“自媒體”方興未艾，任何人都可以有自己對外發(fā)言的工具。電臺App的大量涌現(xiàn)，預示著聲音自媒體的大勢所趨，而這正是語音合成技術(shù)的用武之地。一方面，把策劃好的內(nèi)容直接合成音頻，可以節(jié)省錄音的環(huán)節(jié)；另一方面，對于那些對自己聲音不夠自信的人，可以通過語音合成來自由地表達。

目前，科大訊飛的語音合成技術(shù)也吸引了合作伙伴。2015年4月17日，科大訊飛與喜馬拉雅FM達成戰(zhàn)略合作，深入推動智能語音技術(shù)與音頻內(nèi)容的應用結(jié)合。喜馬拉雅FM是國內(nèi)最大音頻內(nèi)容生產(chǎn)和分發(fā)平臺，是中國音頻領(lǐng)域中的發(fā)聲地，互聯(lián)網(wǎng)聲優(yōu)的聚集陣營，手機用戶超過1.5億?？梢灶A見，在不久的將來，喜馬拉雅FM的用戶通過語音合成技術(shù)制作的內(nèi)容，將會占有一席之地。

值得一提的是，個性化語音合成已經(jīng)成為一大趨勢，科大訊飛為高德地圖定制的林志玲、郭德綱的語音導航，一時引起無數(shù)追捧。而隨著技術(shù)的進一步優(yōu)化和相關(guān)版權(quán)規(guī)則的制定，個性化語音庫的制作會越來越便捷，用戶使用起來也會更加如魚得水。未來，每個人都可以讓明星來為自己“代言”。

語音轉(zhuǎn)寫，不只是記者的“福音”

很多朋友在剛使用“訊飛輸入法”的時候，都會由衷地贊嘆：“真是太準了！”訊飛輸入法能夠?qū)⒄Z音“秒翻”成文字，準確率超過95%，并且獨家支持十余種主流方言識別，激活用戶數(shù)已超過2億，深受用戶喜愛。

訊飛輸入法運用的這種說話就能變成文字的技術(shù)，叫作語音識別技術(shù)，讓計算機能夠“聽懂”人類的語音，相當于給計算機安裝上“耳朵”。在這項技術(shù)上，科大訊飛的研究成果也處于世界領(lǐng)先地位。NIST國際評測大賽是此領(lǐng)域中規(guī)模最大、影響力最廣泛的評測比賽，科大訊飛自2008年參賽以來，多次摘得桂冠。

不過囿于輸入法的功能限制，訊飛輸入法對于時間較長的音頻無法處理。為了實現(xiàn)對長篇音頻文件的快速識別，科大訊飛也做出了多種嘗試，并推出了兩款產(chǎn)品，一款是叫做“錄音寶”的手機App，可以直接錄音并轉(zhuǎn)文字，也可以導入錄音進行轉(zhuǎn)寫；另一款則是一個網(wǎng)站，用戶可以將音頻文件導入語音轉(zhuǎn)寫引擎，便可快速處理，1小時的錄音文件只需要幾分鐘便可以識別成文字，并且準確率在80%以上。對于噪音較小，發(fā)音標準的錄音，識別率更是可以達到95%以上。

語音識別技術(shù)的應用，不僅僅是記者的“福音”，電視臺的編導可以用它來為播音員配字幕，政府文秘可以用它來整理領(lǐng)導講話等。以某合作的電視臺為例，在某訪談節(jié)目編排完成后，加字幕是個并不輕松的工作，不到一個小時的電視節(jié)目，要反復聽好幾遍，很是費時。而自從采用了訊飛的語音轉(zhuǎn)寫工具后，嘉賓和主持人的話幾分鐘之內(nèi)便可以識別出來，略作校正就可以發(fā)布。

語音評測：歌唱選秀節(jié)目可以有更客觀的“導師”

每年夏天的《中國好聲音》是歌唱選秀的盛會，但在評選過程中，導師們的選擇并不總能讓觀眾信服。那么，導師們轉(zhuǎn)身的標準是什么，有沒有一種機器可以取代導師，做出更客觀的評價？

答案是肯定的。機器通過海量數(shù)據(jù)深度學習技術(shù)，反復“訓練”，也能夠?qū)W習評測所必備的聲樂知識，從而對演唱進行打分。這項技術(shù)，我們稱之為“唱歌評測技術(shù)”。

科大訊飛獨家首創(chuàng)三維評分技術(shù)，除“音準”外，將“節(jié)奏”“吐詞”兩個重要的評分維度引入唱歌評測系統(tǒng)，該技術(shù)已應用于科大訊飛旗下互動音樂產(chǎn)品，如愛吼網(wǎng)、歡樂KTV等，并擴展到全國音樂等級考試等專業(yè)評測考試中。2013年，全國音樂等級考試正式啟用“計算機自動化考試系統(tǒng)”，實測結(jié)果表明，機評打分性能較專業(yè)老師打分性能有明顯提升。

未來，隨著唱歌評測技術(shù)的不斷發(fā)展，機器評審也會愈發(fā)“智能”。從一開始判斷“唱的準不準”，到“音準、節(jié)奏、吐詞”三維評測，未來可能還會融入更多的評測維度，如顫音、抖音、轉(zhuǎn)音、音域、感情等評價因素，力求打造智能唱歌評測系統(tǒng)。

除了唱歌，科大訊飛的語音評測技術(shù)還廣泛地應用于普通話考試與英語口語考試中。目前，科大訊飛的中文評測技術(shù)是全國唯一通過國家語委鑒定并大規(guī)模實用的技術(shù)，已累計完成近千萬人次的國家普通話等級考試，并在全國八千萬中小學師生的課堂教學中使用。英文評測技術(shù)在多個地區(qū)的中高考等重大考試中全面應用，累計完成數(shù)百萬人次的考試。

口語翻譯，字幕組與翻譯的“對手”

2015年7月15日，第19屆RoboCup機器人世界杯賽在合肥盛大開幕。在開幕式上，演講臺上出現(xiàn)了一個憨態(tài)可掬的機器人“飛飛”，在合肥市市長張慶軍和RoboCup國際聯(lián)合會主席野田致辭的同時，機器人“飛飛”則在一邊同步進行中譯英和英譯中雙向翻譯。準確的翻譯，標準的發(fā)音，靈活的肢體動作引起現(xiàn)場觀眾陣陣驚嘆?！帮w飛”正是科大訊飛推出的翻譯機器人。

其實，這并不是訊飛翻譯技術(shù)的第一次亮相，幾個月前，在武漢舉辦的中博會上，汪洋副總理來到科大訊飛展臺時，就體驗了訊飛的翻譯軟件。當時，總理對著軟件即興問了一句， “有沒有煎餅果子？”軟件立即準確的翻成英文“Do you have any fruit pancakes?”如此的冷門問題得到了準確的回答，一時傳為佳話。

與其他核心技術(shù)一樣，科大訊飛的口語翻譯技術(shù)，同樣在世界上處于領(lǐng)先地位。國際口語機器翻譯評測比賽是國際上最具影響力的口語機器翻譯評測比賽，每年舉辦一次，至今已經(jīng)舉辦了11屆。2014年，科大訊飛首次參加該賽事，便打敗了美國麻省理工學院、日本國家通信技術(shù)研究所、香港科技大學等，以顯著優(yōu)勢奪得中英和英中兩個機器翻譯方向的冠軍。目前，該技術(shù)已應用于靈犀語音助手、翻譯機器人等，為用戶提供快捷準確的翻譯服務。

此外，科大訊飛與新疆大學語音實驗室聯(lián)合發(fā)布 “維漢口語即時翻譯軟件”，也是全球首款實現(xiàn)維吾爾語與漢語之間即時翻譯的應用。該軟件基于科大訊飛與新疆大學語音實驗室聯(lián)合研發(fā)的維漢語音翻譯技術(shù)，可以準確識別維吾爾語和漢語，實現(xiàn)維漢語音即時互譯、情景例句學習、維漢詞典互譯等。

語言的障礙一度造成了不同文化間“交流的無奈”，是文化傳播的限制性因素之一。而科大訊飛的口語翻譯技術(shù)，正在用技術(shù)掃除這一障礙?，F(xiàn)在很多人在看美劇的時候離不開字幕，而在不遠的將來，科大訊飛的口語翻譯技術(shù)必將取代字幕組和翻譯，實現(xiàn)不同語言文化間的暢通交流。

語音互動廣告，顛覆廣告業(yè)的新“玩法”

隨著語音技術(shù)的進步，廣告的形式也在發(fā)生變化。

科大訊飛基于具有龐大用戶數(shù)與合作伙伴的“訊飛語音云”，創(chuàng)立了訊飛移動廣告平臺，該平臺憑借海量的廣告資源與優(yōu)質(zhì)媒體、智能的廣告聚合，精準的定位投放和獨特的互動廣告創(chuàng)意，為廣告主和開發(fā)者創(chuàng)造穩(wěn)定豐厚的營銷回報。

目前，訊飛移動廣告平臺擁有超過7萬家的優(yōu)質(zhì)媒體資源，覆蓋6.8億移動終端，覆蓋3億有效用戶信息，包含年齡、性別、收入、職業(yè)、地域、個人興趣、購買意向等1500多個用戶標簽。

除了傳統(tǒng)的廣告形式外，訊飛移動廣告平臺創(chuàng)造性的推出了語音互動廣告。這種新穎的互動廣告形式，可以讓用戶參與其中，了解更多的廣告內(nèi)容。比如廣告貼片在播放時，若用戶按照提示，按住廣告中的語音按鈕并說出指定廣告語，通過語音識別成功后，就可以跳過該廣告。這種互動方式通過節(jié)省時間來吸引用戶，更好的體現(xiàn)了廣告的效果，突出了語音互動廣告“有趣、有用、有料、個性”的特點，讓用戶對廣告內(nèi)容的印象更加深刻。

另一方面，通過互動，用戶的交互信息反饋到大數(shù)據(jù)平臺，促進了廣告后續(xù)的精準投放，形成一個良性循環(huán)。不僅給用戶帶來極致的廣告體驗，也更有效地提升了品牌影響力，帶來了最高效的廣告收益。

實際效果表明，使用語音互動廣告形式的品牌，消費者的第一提及率為17.19%，是傳統(tǒng)廣告的2.75倍；總提及率為43.75%，是傳統(tǒng)廣告的2倍。隨著語音日益成為人機交互的重要手段，語音交互廣告將會顛覆傳統(tǒng)的廣告形式，被更多人所接受。

寫在后面

科大訊飛公司在創(chuàng)立之初，便將“為了人類之間、人機之間的信息溝通無障礙”作為發(fā)展的使命之一。如今，隨著其核心技術(shù)的不斷突破，當初的目標正在變成現(xiàn)實。在人與人之間、人與機器之間的交流日益暢通的同時，科大訊飛的智能語音技術(shù)悄然改變著人們生活的方方面面，也為傳媒業(yè)帶來了多方面的改變與更多機遇。放眼未來，智能語音技術(shù)與傳媒業(yè)尚只初相識，必將擦出更絢麗的花火。