机器人已非“吴下阿蒙” 语言天赋崭露头角

2016年9月29日     来源:科学网      编辑:zhoujiale      繁体
分享到:
智能机器人如何与人沟通?简单的指令输入早已不能满足这个快节奏的社会,如果能够语音操作该有多好。但是现在大部分智能机器人对于语言的识别与回应并不尽如人意,有些只能识别普通话,有些则只能进行一对一回应,如果是多人聊天模式,或者是在嘈杂的背景下,智能机器人
  智能机器人如何与人沟通?简单的指令输入早已不能满足这个快节奏的社会,如果能够语音操作该有多好。但是现在大部分智能机器人对于语言的识别与回应并不尽如人意,有些只能识别普通话,有些则只能进行一对一回应,如果是多人聊天模式,或者是在嘈杂的背景下,智能机器人就会“晕头转向”,不知所云。
  
  想要解决这个问题并不简单,不过近日,在美国旧金山举行的第四届国际多通道语音分离和识别大赛,中国参赛团队通过完成六麦克风、双麦克风和单麦克风场景下的语音分离和英文识别任务,最终夺冠。而这个技术解决的最重要问题,就包括在噪音环境下的语音识别。此次比赛的获奖团队来自科大讯飞,目前,他们已经把这项技术应用在了名为AIUI的人机交互解决方案上。
  
  与机器人对话
  
  语音识别技术,小到手机指令大到智能家居控制都有所体现,这让生活变得更加便捷。但这并非语音识别的终极目标。如果在噪音环境下,多个人给同一个智能机器人下了命令,那么后者应该听谁的,又应该如何应对呢?国际多通道语音分离和识别大赛比的就是如何解决这一类问题。
  
  若想弄明白多通道语音,先明白语音识别的概念。首先,语音识别是指从语音到文本的转换,也就是让机器能够听懂人说的话。这其中包括两层意思,一层是指把用户所说的话逐词逐句转换成文本;二是指正确理解语音中所包含的要求,作出正确的应答。这其中语音语言学、信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能的交叉学科,是中文信息处理领域的一项前沿技术,解决的主要问题就是如何将文字信息转化为可听的声音信息。
  
  智能机器人对于人的语音的处理,与人类自身理解完全不同,它们先将连续的句子分解为词、音素等单位,在理解语义的规则基础上读取其中的含义。如果说话的主体语音模糊或者口音较重时,智能机器人若没有设置过相关的规则,则无法识别。甚至一个人在认真说话与随意说话时的语调在智能机器人听起来都有区别。再加上采集声音时周围环境的噪声等,都会对机器人产生干扰,进而导致语音识别的误差率增加。而多通道语音识别是指,通过多个麦克风采集声源,再用麦克风阵列技术进行降噪之后,语音识别将会更加精确。
  
  科大讯飞AIUI研发总监赵艳军在接受《中国科学报》记者采访时介绍说,AIUI同时拥有的回声消除、置信度判决、连续语音解密等技术,人可以在任何时候对机器进行打断发出需求,AIUI在远场识别方面支持3~5米的识别距离,识别率达到90%。“AIUI还支持方言识别,全双工交互,以及自动纠错的功能。同时,用户在和机器交流的时候发出的非相关语音,机器可以有效拒识。”赵艳军说。
  
  AIUI是目前世界上正在开发的人机交互解决方案之一。作为未来智能机器人的主流配置之一,商业化的语音交互平台也是不少IT巨头的研发重点。比如微软的SpeechAPI,是微软推出的包含语音识别(SR)和语音合成(SS)引擎的应用编程接口(API),依托Windows平台,可以之和朗读英文、中文、日文等。另外一个巨头是IBM,它是较早开始语音识别方面的研究的机构之一,在1984年时,IBM发布的语音识别系统在5000个词汇量级上达到了95%的识别率。
  • 中研网
    发现资讯的价值
  • 中研研究院
    掌握产业最新情报

中研网是中国领先的综合经济门户,聚焦产业、科技、创新等研究领域,致力于为中高端人士提供最具权威性的产业资讯。每天对全球产业经济新闻进行及时追踪报道,并对热点行业专题探讨及深入评析。以独到的专业视角,全力打造中国权威的经济研究、决策支持平台!

广告、内容合作请点这里:

寻求报道 ››

【版权及免责声明】凡注明"转载来源"的作品,均转载自其它媒体,转载目的在于传递更多的信息,并不代表本网赞同其观点和对其真实性负责。中研网倡导尊重与保护知识产权,如发现本站文章存在内容、版权或其它问题,
烦请联系:jsb@chinairn.com、0755-23619058,我们将及时沟通与处理。

行业研究院

更多>>

中国综合支付服务行业竞争格局与投资价值研究咨询

综合支付服务行业研究报告主要分析了综合支付服务行业的

中国真空盐行业投资价值分析及发展趋势预测

真空盐行业研究报告主要分析了真空盐行业的国内外发展概

中国玉米种植行业市场供需调查与投资潜力研究

玉米种植研究报告对玉米种植行业研究的内容和方法进行全

二维码