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)網時代，人工智能技術的融入尤其是語音交互技術，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)內普遍認為，“語音將成為入口連接各種服務，構建智家生態(tài)”。

捷通華聲憑借在人工智能領域多年的積累，依托托國內首個全方位人工智能開放平臺——靈云平臺，結合國內領先的靈云遠場語音交互技術，以及人臉識別、聲紋識別、指紋識別等技術全面賦能物聯(lián)網，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域實現(xiàn)落地應用。

同時，行業(yè)解決方案已經在業(yè)內得到廣泛認可，成功應用于新松、棠棣、木爺?shù)葞资曳招蜋C器人中，以及長安等眾多智能車載產品中，并與樂視、小米等眾多電視、空調家電廠商建立了合作。

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

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

通過構建人工智能開放平臺的方式，深化行業(yè)應用、聚集合作伙伴，進而構建人工智能產業(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業(yè)全面開放，并以“云 + 端”方式，為產業(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開放出來，捷通華聲積累了眾多的合作伙伴，并服務大量的行業(yè)客戶。

以全方位人工智能技術為基石，捷通華聲已經構建了完善的人工智能云服務和產品生態(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及產品生態(tài)系統(tǒng)包括以下五大類：

靈云云服務平臺（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以及智能語音、智能圖像等全方位AI技術云服務；

智能物聯(lián)網（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，實現(xiàn)企業(yè)業(yè)務、應用的智能化升級；

人工智能聯(lián)絡中心（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)等在內的，面向智能客戶服務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），包括應用于會議、司法、醫(yī)療領域的智能語音轉錄系統(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，人工智能已經處在了從技術快速發(fā)展到技術落地應用的階段。例如經過十幾年的發(fā)展，語音識別技術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)應用的階段。捷通華聲將先進的語音交互技術成功應用與智能客服、智能外呼機器人、智能電視語音助手等產品上就是典型案例。

但除卻語音和計算機視覺領域，人工智能技術在其它領域的“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。很多人工智能技術開發(fā)者技術很強，但面對復雜的商業(yè)應用場景時便顯得有些捉襟見肘?！叭斯ぶ悄?行業(yè)”是人工智能落地的基礎，它只有像水滴一樣滲透到實體經濟中，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)網一樣，成為整個時代的引領者，其應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，正在各個領域進入實用階段，必然會對未來帶來巨大變革。

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

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

AI技術的發(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。

在諸多有可能被AI技術顛覆的領域中，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)網技術的發(fā)展，我們正在進入到一個萬物互聯(lián)互通的時代。而與我們息息相關的家電等設備，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。

目前捷通華聲已經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，為家電廠商提供產品智能化升級的技術保障。

提供核心技術的同時，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品，從核心技術到應用產品全面賦能，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、圖像識別、人臉識別、聲紋識別等12項人工智能核心技術，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、聲紋識別相關的AI技術外，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)勢就是適應性強、可復制性強，可根據(jù)客戶需要在不同設備中實現(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、設備控制、天氣查詢等功能。助手級解決方案同樣可以應用于機頂盒廠商、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技術需求更迫切？您認為哪些家電需要AI技術的加持和賦能。

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，通過結合語音識別、圖像識別等AI技術，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，空調可以根據(jù)室內溫度及用戶習慣自動調節(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技術的加持，家電會變得越來越“懂你”。

在AI技術具體落地方面，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？

這幾方面應該都有。AI技術的發(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)、云計算技術的結合，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，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，空調就會自動啟動，并調至主人習慣的溫度等等。

AI技術在實現(xiàn)過程中的難點主要是哪個方面？

AI技術的發(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。

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？作為人工智能技術解決方案商，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，而這些技術的發(fā)展其實離不開深度學習技術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項人工智能技術均為捷通華聲完全自主知識產權，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，雖然已經達到了很高的識別準確率，但由于應用場景的特殊性，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（語義理解）的發(fā)展瓶頸，市面上大多數(shù)的智能化產品其實并不太智能，依然需要人為主動地進行操控?？傊嚯x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并且不會產生打擾。另外，家電設備的形態(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。