【51CTO.com原創(chuàng)稿件】隨著人工智能的快速發(fā)展，作為人工智能領(lǐng)域中最先落地的應(yīng)用之一，語音交互開始成為很多設(shè)備的標(biāo)配，被越來越多的人關(guān)注。微軟、蘋果、IBM、思必馳、科大訊飛等國內(nèi)外廠商都在研發(fā)語音交互技術(shù)的新策略新算法，似乎人類與語音的自然交互漸行漸近。

近日，在由51CTO主辦的2017WOTI全球創(chuàng)新技術(shù)峰會上，記者有幸采訪了思必馳副總裁趙恒藝，針對全球智能語音行業(yè)的發(fā)展現(xiàn)狀，思必馳DUI (AISpeech Dialogue User Interface)開放平臺以及思必馳未來的發(fā)展規(guī)劃等問題進(jìn)行了深入交流。

[[198405]]

思必馳副總裁趙恒藝

據(jù)趙恒藝介紹，目前，思必馳主要針對車載、家居、機(jī)器人/故事機(jī)等產(chǎn)品做垂直領(lǐng)域下的對話式交互，根據(jù)各個垂直行業(yè)做場景化的語音技術(shù)創(chuàng)新、優(yōu)化，做差異化的語音解決方案。

全球智能語音行業(yè)的發(fā)展現(xiàn)狀

據(jù)今年年初，調(diào)查公司VoiceLabs發(fā)布的《2017年語音報告》顯示，2015年和2016年智能聲控設(shè)備的銷量共計650萬，2017年該數(shù)字將達(dá)到2,450萬。

目前，幾乎國內(nèi)外所有的IT巨頭都在積極布局人工智能領(lǐng)域，并都相繼進(jìn)入了智能語音市場，全球智能語音市場競爭日益激烈。在國外，蘋果收購英國對話公司VocalIQ并曝出在劍橋設(shè)有秘密研發(fā)地，據(jù)了解，思必馳的首席科學(xué)家俞凱是劍橋大學(xué)語音博士，也曾為VocalIQ的創(chuàng)始人之一;IBMWatson在英文語音識別領(lǐng)域也進(jìn)行著不斷地升級，帶來更好的體驗。在國內(nèi)，BAT已在人工智能領(lǐng)域全面布局，智能語音成為其必要一環(huán);作為專業(yè)的語音公司，思必馳在其垂直細(xì)分領(lǐng)域的表現(xiàn)十分搶眼。

針對國內(nèi)智能語音行業(yè)的發(fā)展，趙恒藝認(rèn)為，一方面，從智能語音這個行業(yè)來講，整個華語行業(yè)有非常舉足輕重的作用。目前，在華語行業(yè)，特別是在語音行業(yè)的一些科學(xué)家都是黃皮膚、黑眼睛的黃色人種，中國人在行業(yè)的發(fā)展中扮演著重要的角色。而且，漢語言是非常具有自身特色的語種，具有自己的研發(fā)規(guī)律和特點。另一方面，從國家層面來講，我國首部國家級人工智能發(fā)展規(guī)劃——《新一代人工智能發(fā)展規(guī)劃》，更是將新一代人工智能發(fā)展提高到了國家戰(zhàn)略層面，為國內(nèi)智能語音行業(yè)的發(fā)展提供了很好的環(huán)境，同時也為中國引領(lǐng)智能行業(yè)創(chuàng)造了機(jī)會。

人機(jī)如何更好的實現(xiàn)對話交互?

如何通過人工智能技術(shù)實現(xiàn)更自然的人機(jī)交互，這是企業(yè)都希望自己能夠做到的。趙恒藝表示，現(xiàn)在，人機(jī)交互到了一個比較關(guān)鍵的時期。隨著移動互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，人們不再局限于鼠標(biāo)鍵盤的交互方式，實現(xiàn)了智能終端觸摸屏的交互方式。如今，伴隨移動智能設(shè)備的快速發(fā)展，以及無屏化、小型化的場景開發(fā)，自然語言的交互必將成為主流的交互手段之一。但是現(xiàn)在仍然是一個開始，思必馳一直認(rèn)為語音交互是非常重要的手段。

趙恒藝強(qiáng)調(diào)：“聲音蘊(yùn)涵著內(nèi)容，通過口語式的對話能夠從我們的設(shè)備端去連接到更大的世界，我們希望跟設(shè)備做一個很好的打通，語音除了服務(wù)之外，就是連接各種各樣的設(shè)備，比如智能中控可以控制家里所有的設(shè)備，就是很常見的一個場景。然而，目前在這個行業(yè)仍然沒有真正的打通，中間還有非常多的路要走，需要業(yè)界同仁一起攜手去推進(jìn)整個行業(yè)的發(fā)展。”

以對話為核心的DUI開發(fā)者平臺

語音交互將使人機(jī)交互以人類最天然、熟悉的方式進(jìn)行，這是未來智能生活的必經(jīng)之路。作為在語音行業(yè)里比較有影響力的公司，思必馳推出了一站式對話定制開發(fā)平臺——DUI開放平臺。該平臺由趙恒藝帶領(lǐng)公司100多人的技術(shù)團(tuán)隊，歷時大半年完成。平臺集專業(yè)技能商店、多場景覆蓋、一站式開發(fā)、數(shù)據(jù)可視化等優(yōu)勢于一體，不僅面向普通開發(fā)者、企業(yè)用戶、也面向第三方平臺公司，提供語音識別、語音合成、語義理解等基礎(chǔ)技術(shù)能力，帶來一整套標(biāo)準(zhǔn)化方案，幫助企業(yè)根據(jù)產(chǎn)品具體需求，去實現(xiàn)更細(xì)致入微的智能交互。

趙恒藝表示，相對于市面上其他的平臺，DUI平臺的優(yōu)勢在于我們不僅僅是一個對話式的定制平臺，也在于：

第一，本地和云端均可以進(jìn)行相關(guān)的對話定制。現(xiàn)在，非常多的語音相關(guān)運(yùn)用都是云端，思必馳DUI開放平臺既提供云端服務(wù)，也提供本地技能服務(wù)，以車載上的應(yīng)用為例，DUI平臺可以在弱連接的情況下做到對話和運(yùn)用，確保在網(wǎng)絡(luò)不佳甚至是無網(wǎng)的環(huán)境下，基本功能仍然可用。同時，DUI平臺支持全流程的定制，包括語音識別、語音識別前的信號處理、語音喚醒、對話邏輯等很多工作的參數(shù)定制，可支持整個對話流程中所有的技術(shù)細(xì)節(jié)的靈活設(shè)置。

第二，全流程可控。語音操控只是一個入口，在用戶通過語音跟設(shè)備對話的過程中，思必馳關(guān)注的不僅僅是設(shè)備獲取信息，獲取到什么樣的信息和內(nèi)容，還包括如何形成最后設(shè)備端的出發(fā)與反饋，實際上，這仍然是需要在DUI開放平臺來解決的一些問題。滿足這些需要，就要連接到第三方設(shè)備、服務(wù)、數(shù)據(jù)，從后端的技能出發(fā)連接更多、更大的資源。

第三，可以做用戶運(yùn)營。DUI平臺支持?jǐn)?shù)據(jù)可視化，思必馳大數(shù)據(jù)團(tuán)隊可以做到實時的數(shù)據(jù)更新，比較復(fù)雜和基礎(chǔ)的數(shù)據(jù)都可以做運(yùn)營管理和呈現(xiàn)。比如：可以給產(chǎn)品者發(fā)季度報表，同時開發(fā)者綁定思必馳微信服務(wù)號的帳號之后，就可以在手機(jī)上看到自己產(chǎn)品的數(shù)據(jù)，從而時刻關(guān)注自己產(chǎn)品運(yùn)行的情況，從而幫助開發(fā)者加快研發(fā)迭代，為他們的用戶能夠提供更大的價值。

展望未來，夯實技術(shù)基礎(chǔ)仍是重中之重

目前，思必馳已經(jīng)與眾多業(yè)界一流公司達(dá)成合作，包括阿里、騰訊、小米、樂視、君正、聯(lián)想等等，幫助數(shù)億用戶通過思必馳自然語言交互技術(shù)，實現(xiàn)與智能家居、車載等智能終端的互動交流，在業(yè)界獲得了很好的口碑。

談及思必馳在未來兩三年內(nèi)的發(fā)展規(guī)劃與目標(biāo)，趙恒藝表示：“首先，夯實我們的技術(shù)基礎(chǔ)是重中之重，因為我們是技術(shù)驅(qū)動的公司。我們希望研究能力及核心的算法能力仍然保持在行業(yè)的領(lǐng)先地位，這是我們一定要做的事情。其次，在業(yè)務(wù)上，我們希望能夠做的更好，與我們的行業(yè)合作伙伴一起推進(jìn)基于DUI開放平臺的交互。我們希望在整個DUI平臺的產(chǎn)出量上十億的規(guī)模。”

【51CTO原創(chuàng)稿件，合作站點轉(zhuǎn)載請注明原文作者和出處為51CTO.com】