“小愛(ài)同學(xué)”“我在”……每一天，這樣看似簡(jiǎn)單的對(duì)話會(huì)在全球重復(fù)1億次以上。“小愛(ài)同學(xué)”如今已成為許多人智能生活中不可或缺的一部分。
小米集團(tuán)人工智能實(shí)驗(yàn)室語(yǔ)音組部分成員正在開(kāi)會(huì)
在這套強(qiáng)大的智能語(yǔ)音交互系統(tǒng)背后，有一支約90人的隊(duì)伍，不斷為完善語(yǔ)音交互技術(shù)、提升用戶體驗(yàn)努力著。他們就是小米集團(tuán)人工智能實(shí)驗(yàn)室語(yǔ)音組。今年“五一”前夕，他們榮獲了“全國(guó)工人先鋒號(hào)”榮譽(yù)稱號(hào)。
(資料圖)
2017年1月，小米人工智能實(shí)驗(yàn)室語(yǔ)音組成立，當(dāng)時(shí)整個(gè)團(tuán)隊(duì)只有4個(gè)人。4個(gè)月后，語(yǔ)音組就開(kāi)發(fā)出了小米第一個(gè)語(yǔ)音識(shí)別系統(tǒng)，并應(yīng)用于小米電視，實(shí)現(xiàn)了可以通過(guò)語(yǔ)音方式搜索、播放電視節(jié)目。
團(tuán)隊(duì)帶頭人、小米集團(tuán)聲學(xué)語(yǔ)音技術(shù)總監(jiān)王育軍把這段經(jīng)歷戲稱為“444歲月”，“4個(gè)人，經(jīng)過(guò)40多次試驗(yàn)，歷時(shí)4個(gè)月，不但上線了語(yǔ)音識(shí)別系統(tǒng)，還發(fā)表了相關(guān)論文。” 在王育軍看來(lái)，首戰(zhàn)告捷的小小成功其實(shí)難度并不大，接下來(lái)的小米音箱語(yǔ)音喚醒功能開(kāi)發(fā)，才是第一塊“硬骨頭”。
小米集團(tuán)人工智能實(shí)驗(yàn)室語(yǔ)音組部分成員正在開(kāi)會(huì)
“我們要進(jìn)行語(yǔ)音交互，先得成功叫醒它，這是第一道環(huán)節(jié)，所以喚醒的成功率和誤喚醒率都非常重要。”王育軍解釋?zhuān)^成功喚醒，就是當(dāng)用戶呼叫“小愛(ài)同學(xué)”時(shí)，系統(tǒng)能準(zhǔn)確地識(shí)別出來(lái)是在進(jìn)行喚醒；而誤喚醒，就是毫不相關(guān)的聲音或是發(fā)音近似的聲音，也會(huì)喚醒音箱，“比如半夜大家都睡覺(jué)呢，鼾聲或是戶外的蛐蛐聲都會(huì)喚醒音箱，那肯定不行，這種對(duì)用戶的打擾是非常嚴(yán)重的。”
回想起這段時(shí)光，小米集團(tuán)聲學(xué)語(yǔ)音算法工程師王永慶形容為“非常難”，“剛開(kāi)始做的時(shí)候是沒(méi)有數(shù)據(jù)的。”簡(jiǎn)單來(lái)說(shuō)，要讓系統(tǒng)識(shí)別出哪些聲音是在喚醒，哪些不是，需要一個(gè)龐大的聲音數(shù)據(jù)庫(kù)做基礎(chǔ)，包括“小愛(ài)同學(xué)”這四個(gè)字，也需要有不同音色、不同口音、不同環(huán)境音下等多種情形做素材。于是，團(tuán)隊(duì)成員們不但自己錄制聲音素材，還請(qǐng)同事幫忙，那段時(shí)間，大家經(jīng)常能看到王永慶提著飲料、小零食，笑瞇瞇地四處招攬同事，“來(lái)幫我們錄一段啊！”
突破，并不容易。半年后，誤喚醒率依然無(wú)法達(dá)到預(yù)期目標(biāo)，團(tuán)隊(duì)成員們開(kāi)始有些動(dòng)搖，但王育軍堅(jiān)信，“技術(shù)的事兒，只要符合常識(shí)，沉下心不慌，就一定能做出來(lái)。”于是，一個(gè)45天計(jì)劃誕生了，團(tuán)隊(duì)成員兵分三路，采取三種不同的方法，共同向著一個(gè)目的地前進(jìn)，最終，把誤喚醒率控制在了一天一次，進(jìn)而一周四次，且仍在不斷降低。
語(yǔ)音識(shí)別，為“小愛(ài)同學(xué)”裝上了“耳朵”，但要能聽(tīng)會(huì)說(shuō)，還要有“嘴巴”。于是，語(yǔ)音組研發(fā)推出了語(yǔ)音生成技術(shù)，可以將文本轉(zhuǎn)化成語(yǔ)音，甚至還能自動(dòng)譜曲、編曲、合成歌曲等等。其中，超級(jí)擬人語(yǔ)音合成技術(shù)最大限度模擬真人說(shuō)話方式，不只是語(yǔ)氣，甚至連人類(lèi)說(shuō)話時(shí)的猶豫、停頓、變速、嘆息等習(xí)慣也能復(fù)刻，使語(yǔ)音合成效果更加自然流暢。
為用戶帶來(lái)智能生活新體驗(yàn)的同時(shí)，小米始終關(guān)注智能設(shè)備無(wú)障礙建設(shè)。“聲音天然應(yīng)該服務(wù)于無(wú)障礙。”在王育軍看來(lái)，無(wú)論是視障人群、聽(tīng)障人群、語(yǔ)言障礙人群還是肢端殘障人群，都可以通過(guò)人機(jī)交互的不同模態(tài)、利用聲音去彌補(bǔ)缺失的能力。
于是，語(yǔ)音組為聽(tīng)障人群開(kāi)發(fā)了“聞聲技術(shù)”，讓聽(tīng)障人群可以通過(guò)手機(jī)、平板電腦等智能設(shè)備“看到”其他人說(shuō)話，也可以幫他們“看見(jiàn)”周?chē)h(huán)境中的聲音，例如警報(bào)聲，敲門(mén)聲等；“讀屏技術(shù)”讓視障人群“聽(tīng)到”屏幕上的內(nèi)容；語(yǔ)音合成技術(shù)，為失去語(yǔ)言能力的用戶發(fā)出聲音；“聆聽(tīng)”技術(shù)為構(gòu)音困難用戶提供了個(gè)性化的語(yǔ)音識(shí)別，讓他們也可以通過(guò)語(yǔ)音和設(shè)備交互，這項(xiàng)技術(shù)還被提名為2021年世界互聯(lián)網(wǎng)領(lǐng)先科技成果。
到去年年底，小米人工智能實(shí)驗(yàn)室聲學(xué)語(yǔ)音組已將自研聲學(xué)語(yǔ)音技術(shù)全面應(yīng)用于小米手機(jī)、音箱、電視、耳機(jī)、手表、機(jī)器人等79個(gè)品類(lèi)，共計(jì)5312款智能產(chǎn)品中。“小愛(ài)同學(xué)”月活躍用戶數(shù)量為1.15億，已成為是世界上最忙的語(yǔ)音助手之一。
“科技發(fā)展的根本目的是作用于人的生活，我們希望通過(guò)自己的努力，讓語(yǔ)音科技更有溫度，讓越來(lái)越多的用戶享受到更好的體驗(yàn)感。”王育軍說(shuō)。
攝影 彭程
來(lái)源：北京日?qǐng)?bào)客戶端 記者：王天淇
流程編輯：u060
版權(quán)說(shuō)明：任何媒體、網(wǎng)站或個(gè)人未經(jīng)書(shū)面授權(quán)許可不得轉(zhuǎn)載、摘編或利用其它方式使用本網(wǎng)站上的文字、圖片、圖表、漫畫(huà)、視頻等內(nèi)容。
未經(jīng)許可即使用，或以此盈利的，均系侵害本網(wǎng)站著作權(quán)及相關(guān)權(quán)益的行為，本網(wǎng)站將追究法律責(zé)任。
如遇作品內(nèi)容、版權(quán)等問(wèn)題，請(qǐng)?jiān)谙嚓P(guān)文章刊發(fā)之日起30日內(nèi)與本網(wǎng)聯(lián)系。
聯(lián)系方式：takefoto@vip.sina.com
責(zé)任編輯：Rex_23
營(yíng)業(yè)執(zhí)照公示信息