捷通華聲：靈云人工智能開啟家電智能語音交互新時代

捷通華聲：靈云人工智能開啟家電智能語音交互新時代

物聯(lián)網(wǎng)時代，人工智能技術(shù)的融入尤其是語音交互技術(shù)，給家庭交互、客廳娛樂等帶來無限可能。在當下的智能家居行業(yè)，語音基于其交互的自然性，被認為是未來人與家居交互的主要入口路徑，業(yè)內(nèi)普遍認為，“語音將成為入口連接各種服務(wù)，構(gòu)建智家生態(tài)”。

捷通華聲憑借在人工智能領(lǐng)域多年的積累，依托托國內(nèi)首個全方位人工智能開放平臺——靈云平臺，結(jié)合國內(nèi)領(lǐng)先的靈云遠場語音交互技術(shù)，以及人臉識別、聲紋識別、指紋識別等技術(shù)全面賦能物聯(lián)網(wǎng)，成功在智能電視、智能機頂盒、智能車載、智能音箱、智能機器人等眾多領(lǐng)域?qū)崿F(xiàn)落地應(yīng)用。

同時，行業(yè)解決方案已經(jīng)在業(yè)內(nèi)得到廣泛認可，成功應(yīng)用于新松、棠棣、木爺?shù)葞资曳?wù)型機器人中，以及長安等眾多智能車載產(chǎn)品中，并與樂視、小米等眾多電視、空調(diào)家電廠商建立了合作。

近日，捷通華聲總經(jīng)理武衛(wèi)東接受了媒體專題訪談，主要探討了以語音交互技術(shù)為核心的人工智能技術(shù)如何推動智能家電發(fā)展，并對AI與家電未來的深度結(jié)合進行了展望，以下為采訪整理稿。

請簡單介紹公司目前在人工智能領(lǐng)域的布局，尤其以語音識別、語音交互為技術(shù)核心的人工智能戰(zhàn)略。

通過構(gòu)建人工智能開放平臺的方式，深化行業(yè)應(yīng)用、聚集合作伙伴，進而構(gòu)建人工智能產(chǎn)業(yè)生態(tài)是捷通華聲重要的戰(zhàn)略布局。捷通華聲在這方面很早就進行了積極的探索，2011年，捷通華聲的靈云全方位人工智能開放平臺就面向產(chǎn)業(yè)全面開放，并以“云 + 端”方式，為產(chǎn)業(yè)界提供語音合成、自然語言理解、語音識別、麥克風陣列、語音喚醒、手寫識別、光學字符識別、人臉識別、聲紋識別、指紋識別、數(shù)據(jù)挖掘、機器翻譯等全方位人工智能能力。通過將其積累的人工智能技術(shù)開放出來，捷通華聲積累了眾多的合作伙伴，并服務(wù)大量的行業(yè)客戶。

以全方位人工智能技術(shù)為基石，捷通華聲已經(jīng)構(gòu)建了完善的人工智能云服務(wù)和產(chǎn)品生態(tài)系統(tǒng)，從公有云、私有云到行業(yè)解決方案，全面賦能各行各業(yè)，努力實現(xiàn)“讓每一家企業(yè)都擁有人工智能，讓每個人都能享受到人工智能的方便與快捷”的人工智能戰(zhàn)略。

目前，靈云人工智能云服務(wù)及產(chǎn)品生態(tài)系統(tǒng)包括以下五大類：

靈云云服務(wù)平臺（AICloud），包含語音云、圖像云、鎮(zhèn)客服云、智能外呼云等智能方案云服務(wù)以及智能語音、智能圖像等全方位AI技術(shù)云服務(wù)；

智能物聯(lián)網(wǎng)（AIoT），包含智能電視語音助手、智能音箱語音助手、智能車載輸入法等，致力于讓每個智能終端“能聽會說、能思考會判斷”；

全方位人工智能能力平臺（AICP），為企業(yè)提供包括靈云智能語音、智能圖像、智能語義、生物特征識別等全能力私有云能力平臺，客戶可以靈活挑選、組合AI技術(shù)，實現(xiàn)企業(yè)業(yè)務(wù)、應(yīng)用的智能化升級；

人工智能聯(lián)絡(luò)中心（AICC），包含全渠道智能客服系統(tǒng)、智能外呼系統(tǒng)、智能語音分析系統(tǒng)等在內(nèi)的，面向智能客戶服務(wù)中心的全方位人工智能門戶解決方案；

行業(yè)智能解決方案（AIIS），包括應(yīng)用于會議、司法、醫(yī)療領(lǐng)域的智能語音轉(zhuǎn)錄系統(tǒng)，支持文本、名片、票據(jù)、證照識別的智能圖像識別系統(tǒng)，以及可對人臉、聲紋等身份信息進行綜合認證的多維生物特征識別系統(tǒng)等。

在您看來人工智能目前處在怎樣的發(fā)展階段和什么樣的歷史位置？

目前，人工智能已經(jīng)處在了從技術(shù)快速發(fā)展到技術(shù)落地應(yīng)用的階段。例如經(jīng)過十幾年的發(fā)展，語音識別技術(shù)進入到自由說的狀態(tài)：當人自然說話、自然表達時能夠準確識別，這推動語音識別進入到實現(xiàn)應(yīng)用的階段。捷通華聲將先進的語音交互技術(shù)成功應(yīng)用與智能客服、智能外呼機器人、智能電視語音助手等產(chǎn)品上就是典型案例。

但除卻語音和計算機視覺領(lǐng)域，人工智能技術(shù)在其它領(lǐng)域的“落地”卻并不盡如人意，拿不出一份接地氣的商業(yè)落地成績單。很多人工智能技術(shù)開發(fā)者技術(shù)很強，但面對復雜的商業(yè)應(yīng)用場景時便顯得有些捉襟見肘。“人工智能+行業(yè)”是人工智能落地的基礎(chǔ)，它只有像水滴一樣滲透到實體經(jīng)濟中，滲透到各個行業(yè)中，才能帶來價值。

如今人工智能已如當年的互聯(lián)網(wǎng)一樣，成為整個時代的引領(lǐng)者，其應(yīng)用落地也會對各行各業(yè)帶來深遠影響。在未來的發(fā)展中，人工智能技術(shù)的發(fā)展還會有起伏，但不會再出現(xiàn)大的波瀾，它已然成為一項實用的技術(shù)，正在各個領(lǐng)域進入實用階段，必然會對未來帶來巨大變革。

就AI技術(shù)的發(fā)展而言，目前和家電產(chǎn)品是怎么結(jié)合的？能給家電行業(yè)帶來哪些變化？

目前在家電產(chǎn)品上應(yīng)用最廣泛的還是語音交互相關(guān)的AI技術(shù)，通過使用語音識別、語音合成、語義理解等技術(shù)，使家庭中靜止的家居轉(zhuǎn)變?yōu)槟苈牽烧f會思考的智能設(shè)備，用戶通過簡單的語音交互便能實現(xiàn)家居設(shè)備的控制。

AI技術(shù)的發(fā)展，其實改變了傳統(tǒng)的以遙控器或手機APP進行人機交互的方式，給家電行業(yè)注入了新動能，并促使著整個家電行業(yè)進行轉(zhuǎn)型升級，以更加智能化、便捷化、人性化的方式為消費者提供服務(wù)。

在諸多有可能被AI技術(shù)顛覆的領(lǐng)域中，家電是否有被AI賦能的需求？貴公司又是如何給家電行業(yè)帶來變化和發(fā)展？

這個需求是肯定的，特別是物聯(lián)網(wǎng)技術(shù)的發(fā)展，我們正在進入到一個萬物互聯(lián)互通的時代。而與我們息息相關(guān)的家電等設(shè)備，作為一個個獨立的終端，由于傳統(tǒng)交互方式及功能的單一，亟需通過AI賦能來提升用戶體驗并提供額外的增值服務(wù)。

目前捷通華聲已經(jīng)在和各大家電廠商合作，通過輸出ASR（語音識別）、TTS（語音合成）、NLU（語義理解）等核心能力，為家電廠商提供產(chǎn)品智能化升級的技術(shù)保障。

提供核心技術(shù)的同時，捷通華聲也打造了智能電視語音助手、遠場機頂盒語音助手、智能音箱語音助手等各類語音交互產(chǎn)品，從核心技術(shù)到應(yīng)用產(chǎn)品全面賦能，從而實現(xiàn)讓每個智能終端“能聽會說、能思考會判斷”。

站在貴公司的角度，如何推動人工智能家電的發(fā)展？能為家電企業(yè)提供怎么樣的技術(shù)與解決方案？

捷通華聲擁有語音識別、語音合成、語義理解、麥克風陣列技術(shù)、圖像識別、人臉識別、聲紋識別等12項人工智能核心技術(shù)，并在2011年率先推出了全球首個全方位人工智能開放平臺——靈云平臺，30多種人工智能技術(shù)SDK全部免費下載使用，為各行各業(yè)進行AI賦能。針對家電企業(yè)，我們除了提供我們的語音、語義、人臉識別、聲紋識別相關(guān)的AI技術(shù)外，我們還提供智能機頂盒、智能音箱、智能家居等一整套的語音交互解決方案，并且已經(jīng)在一些項目中成功落地。

靈云智能終端解決方案的一大優(yōu)勢就是適應(yīng)性強、可復制性強，可根據(jù)客戶需要在不同設(shè)備中實現(xiàn)助手級的語音交互能力。例如靈云電視語音助手可快速嵌入到電視、機頂盒、廣電盒子等設(shè)備中，通過藍牙遙控器直接語音控制電視，或利用麥克陣列，直接與電視對話，輕松實現(xiàn)語音搜索、設(shè)備控制、天氣查詢等功能。助手級解決方案同樣可以應(yīng)用于機頂盒廠商、OTT盒子、IPTV盒子等電視盒子中，讓盒子也能快速擁有語音交互能力。

貴公司目前是否和家電企業(yè)建立合作，哪些家電品類對AI技術(shù)需求更迫切？您認為哪些家電需要AI技術(shù)的加持和賦能。

捷通華聲一直和家電企業(yè)保持有密切合作，在家電品類上，例如電視、冰箱、空調(diào)等大家電及微波爐、燈具、掃地機器人等小家電都有智能化升級的需求和必要，通過結(jié)合語音識別、圖像識別等AI技術(shù)，賦予家電新的交互方式，例如可以邊看電視邊通過圖像識別下單購物，空調(diào)可以根據(jù)室內(nèi)溫度及用戶習慣自動調(diào)節(jié)，冰箱可以根據(jù)已有食材為你搭配菜譜等等，總之，有了AI技術(shù)的加持，家電會變得越來越“懂你”。

在AI技術(shù)具體落地方面，主要有哪些？是大數(shù)據(jù)的分析、云計算，還是主要指交互方式的變化？

這幾方面應(yīng)該都有。AI技術(shù)的發(fā)展一方面的確會改變傳統(tǒng)的交互方式，比如傳統(tǒng)家電的按鍵到遙控器模式，再到手機APP控制形式，再到最近比較流行的語音交互形式，將來還可能會出現(xiàn)腦電波控制家電的場景；另一方面，通過與大數(shù)據(jù)、云計算技術(shù)的結(jié)合，人工智能還能夠根據(jù)用戶行為歸納預測并智能推薦個性化服務(wù)，例如，冰箱的雞蛋快吃完時，它能夠主動發(fā)出提醒并完成下單；每天回家前一個小時，空調(diào)就會自動啟動，并調(diào)至主人習慣的溫度等等。

AI技術(shù)在實現(xiàn)過程中的難點主要是哪個方面？

AI技術(shù)的發(fā)展其實是螺旋上升的一個過程，它并不完美，想要達到人們期望的效果其實是有一定難度的，一些人類簡單的操作如看和聽，對于機器來說并不容易，而且讓機器能夠像人類一樣思考更是難上加難，這也是AI技術(shù)在實際落地中面臨的最大挑戰(zhàn)。

目前來看，您如何看待，人工智能對家電的影響主要體現(xiàn)在交互方式的變化，語音、圖像以及手勢識別？未來還會有哪些變化？除了交互方式，還有哪些是AI能帶給家電的？

目前，人工智能主要改變的是家電的交互方式，用戶通過語音、圖像、手勢等操作方式更自然地與設(shè)備進行交互，但這其實仍然依賴人去操控，而未來智能家電會根據(jù)用戶行為分析，主動去提供一些個性化服務(wù)。

除了交互方式外，AI將來甚至會改變家電的形態(tài)，例如電視機將不會再有實體設(shè)備，而是一個虛擬的立體投影，除了看電視，還兼具家庭管家、視頻聊天、智能陪護等功能

在交互方式變化的背后，有哪些革命性技術(shù)？作為人工智能技術(shù)解決方案商，貴公司能給家電企業(yè)帶來什么？

交互方式的改變，離不開語音識別、語義理解、圖像識別等人工智能核心技術(shù)，而這些技術(shù)的發(fā)展其實離不開深度學習技術(shù)所帶來的革命性突破。捷通華聲依托與清華大學建立戰(zhàn)略合作，擁有一大批人工智能的核心算法研究團隊，目前公司所推出的12項人工智能技術(shù)均為捷通華聲完全自主知識產(chǎn)權(quán)，全方位的開放平臺為家電企業(yè)變革創(chuàng)新帶來了新的契機。

伴隨全屋智能發(fā)展起來的還有智能音箱這一新品類，您認為在未來智能音箱在AI鏈條中的地位是怎樣的？

智能音箱其實目前更多是起到一個教育用戶認知人工智能的作用，相較于國外流行的音樂文化，國內(nèi)的大多數(shù)用戶并沒有在家庭中使用音箱（或音響）的習慣，而目前智能音箱的火爆，其實是人們對語音交互及智能問答等功能的好奇“嘗鮮”，而在未來，智能音箱很可能會演變?yōu)榧彝サ闹悄苷Z音助手，但是，無論未來語音助手演化成何種形態(tài)，都不會僅僅局限于現(xiàn)有的音箱模式之中。

目前AI交互技術(shù)存在的問題是哪些？不完美的地方有哪些？距離真正的智能還有多遠？

AI技術(shù)存在的問題是目前并不完美，離人們的期望還存在一定差距。例如人臉識別、聲紋識別等身份認證技術(shù)，雖然已經(jīng)達到了很高的識別準確率，但由于應(yīng)用場景的特殊性，千萬分之一的錯誤都可能帶來嚴重的后果。

另外由于目前NLU技術(shù)（語義理解）的發(fā)展瓶頸，市面上大多數(shù)的智能化產(chǎn)品其實并不太智能，依然需要人為主動地進行操控?？傊?，距離真正的智能還有很遠的路要走。

您能描述一下，AI家電的使用場景和終極發(fā)展階段的樣貌。

在未來，所有的家電將會互聯(lián)互通，除了與人交互外，設(shè)備間也能進行“溝通”，家電通過學習用戶行為，能夠在無感知無指令的情況下為人們提供適時適宜的服務(wù)并且不會產(chǎn)生打擾。另外，家電設(shè)備的形態(tài)也可能會發(fā)生變化，人們將會體驗到真正智能化、便捷化、人性化的家居服務(wù)。