捷通華聲總經(jīng)理武衛(wèi)東

　　大家晚上好，非常有幸在鈦坦白跟大家分享關(guān)于“從語(yǔ)音到全方位人工智能，AI技術(shù)的融合發(fā)展之路”的心得體會(huì)。

　　人工智能技術(shù)經(jīng)歷了半個(gè)多世紀(jì)的發(fā)展，現(xiàn)在的人工智能通過(guò)計(jì)算方法能夠賦予機(jī)器一些類(lèi)似人的感知功能，像人有口眼耳手，這是我們的感官功能。我們還有大腦，這是我們的思維認(rèn)知功能，那么機(jī)器人是不是可以具備這些擬人化的功能呢？

　　像人的嘴是用來(lái)說(shuō)話的，耳朵是用來(lái)聽(tīng)聲音的，這就催生了像語(yǔ)音合成、語(yǔ)音識(shí)別這樣的語(yǔ)音技術(shù)。

　　圖像識(shí)別就像人觀察外界事物的眼睛，手是用來(lái)拿東西和寫(xiě)字的，這就催生了OCR、手寫(xiě)識(shí)別技術(shù)等這樣的一些圖像識(shí)別技術(shù)。

　　在眾多感知功能方面，人工智能技術(shù)還涉及到很多功能，包括人臉識(shí)別，聲紋識(shí)別，指紋識(shí)別等等。經(jīng)過(guò)十幾年的發(fā)展，我們看到人工智能技術(shù)中最難的實(shí)際上是與認(rèn)知相關(guān)的一些技術(shù)。人的認(rèn)知，即人的大腦，是個(gè)非常復(fù)雜的結(jié)構(gòu)，可以說(shuō)到今天，我們自己也沒(méi)有研究清楚我們自己的大腦。

　　近幾年來(lái)，神經(jīng)網(wǎng)絡(luò)尤其是深度學(xué)習(xí)，提升了感知計(jì)算的一些模型方法，相關(guān)感知方面的技術(shù)取得了比較大的進(jìn)步。

　　實(shí)際上，神經(jīng)網(wǎng)絡(luò)的一些算法研究，早在二三十年前就開(kāi)始了。我記得原來(lái)在學(xué)校的時(shí)候，我們有很多的研究人員就從事在圖像模式識(shí)別方面的一些研究，但是由于當(dāng)時(shí)的算法能力以及設(shè)備能力有限，很難去在復(fù)雜結(jié)構(gòu)和深層次結(jié)構(gòu)上提升算法模型。

　　現(xiàn)在的GPU技術(shù)使得過(guò)去復(fù)雜的算法模型能夠通過(guò)有效的訓(xùn)練，提升訓(xùn)練速率，并能夠通過(guò)算法和大數(shù)據(jù)的加工，實(shí)現(xiàn)更加普適性和實(shí)用性的一些模型，供我們做一些智能化的應(yīng)用。

　　我們看到現(xiàn)在的語(yǔ)音識(shí)別技術(shù)，能夠達(dá)到百分之九十幾，接近于人的甚至在某些方面超過(guò)人的這樣一個(gè)準(zhǔn)確率。通過(guò)深度學(xué)習(xí)，語(yǔ)音識(shí)別已經(jīng)實(shí)現(xiàn)了一些突破。

　　尤其是隨著互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)的發(fā)展，現(xiàn)在交互終端、智能終端，給我們?cè)谘芯糠矫嫣峁┝舜罅康�、真�?shí)的場(chǎng)景數(shù)據(jù)，有了這些大的數(shù)據(jù)，使用神經(jīng)網(wǎng)絡(luò)算法，通過(guò)訓(xùn)練，可以讓語(yǔ)音識(shí)別技術(shù)更加實(shí)用化。

　　在語(yǔ)音方面，實(shí)際上大家看到，真正最早能夠形成實(shí)用化的語(yǔ)音技術(shù)是從語(yǔ)音合成開(kāi)始的，也就是我們說(shuō)的TTS技術(shù)。

　　下面給大家放一些聲音，大家可以聽(tīng)一聽(tīng)，現(xiàn)在在語(yǔ)音合成方面，從過(guò)去比較機(jī)械的音色發(fā)展到現(xiàn)在流暢、自然的聲音。

　　比如說(shuō)我們?cè)谝恍┐笮偷膱?chǎng)館會(huì)議，像奧運(yùn)會(huì)，世博會(huì)，包括一些公共場(chǎng)所，像高鐵站，機(jī)場(chǎng)聽(tīng)到的廣播聲，很多實(shí)際上都是通過(guò)語(yǔ)音合成技術(shù)合成出來(lái)的。另外，我們推出了可以唱歌的TTS技術(shù)，歌唱TTS實(shí)際上就是在標(biāo)準(zhǔn)的語(yǔ)音合成基礎(chǔ)上，結(jié)合現(xiàn)在一些應(yīng)用場(chǎng)景，比如說(shuō)一些娛樂(lè)機(jī)器人，教育機(jī)器人，玩具等等，在應(yīng)用場(chǎng)景當(dāng)中，我們做的更加娛樂(lè)化的TTS技術(shù)。

　　現(xiàn)在大家都在探索和研究一個(gè)新方向，情感TTS。因?yàn)椴还茉趺礃拥囊粋�(gè)算法，達(dá)到完全像人一樣的自然、有情感、富有喜怒哀樂(lè)情緒的TTS技術(shù)，還是有很多的研究工作要做。當(dāng)前TTS作為一種信息的交流、信息的播報(bào)是完全可以達(dá)到實(shí)用化的程度。經(jīng)過(guò)這十幾年的時(shí)間，捷通華聲在TTS方面，國(guó)內(nèi)市場(chǎng)占有率超過(guò)了50%。

　　我再說(shuō)說(shuō)語(yǔ)音識(shí)別，昨天錢(qián)博士，我們清華的一個(gè)師弟特別提到了語(yǔ)音識(shí)別技術(shù)的發(fā)展�，F(xiàn)在實(shí)際上就是說(shuō)在語(yǔ)音識(shí)別方面國(guó)內(nèi)也有一些從事語(yǔ)音識(shí)別技術(shù)應(yīng)用和研究的企業(yè)，但是從語(yǔ)音識(shí)別現(xiàn)在目前發(fā)展的現(xiàn)狀看，普通話在一個(gè)自然的場(chǎng)景中識(shí)別率達(dá)到96%，97%，其實(shí)已經(jīng)不是什么太高的目標(biāo)。

　　但是96%、97%實(shí)際上并不是一個(gè)真實(shí)應(yīng)用場(chǎng)景的指標(biāo)，我們要利用這項(xiàng)技術(shù)，能夠達(dá)到人人說(shuō)話、大多數(shù)常見(jiàn)聲音環(huán)境中都能達(dá)到這么高的一個(gè)準(zhǔn)確率，還是有很多工作要做的。我個(gè)人認(rèn)為，現(xiàn)在大家說(shuō)96%、97%實(shí)際上是一個(gè)在技術(shù)層面達(dá)到的高度，但是實(shí)際上在實(shí)用化方面，要達(dá)到這樣一個(gè)高度，我感覺(jué)恐怕國(guó)外語(yǔ)音公司也不敢這么說(shuō)，我們國(guó)內(nèi)的一些人有時(shí)候在這方面會(huì)更多的注入一些商業(yè)化宣傳。

　　大家知道，語(yǔ)音識(shí)別是從2001年、2002年就進(jìn)入了中國(guó)市場(chǎng)，但當(dāng)時(shí)的語(yǔ)音識(shí)別，主要是基于命令詞條的識(shí)別。經(jīng)過(guò)十幾年的發(fā)展，語(yǔ)音識(shí)別技術(shù)進(jìn)入到自由說(shuō)的狀態(tài)，當(dāng)人自然說(shuō)話、自然表達(dá)時(shí)，能夠準(zhǔn)確識(shí)別，這推動(dòng)語(yǔ)音識(shí)別進(jìn)入到實(shí)現(xiàn)應(yīng)用的階段。

　　比如說(shuō)在手機(jī)端用輸入法這樣的一些app或者是工具，對(duì)著手機(jī)尤其是現(xiàn)在的手機(jī)，都支持多麥克風(fēng)，在近講模式下，如果你的普通話說(shuō)得比較好，96%、97%比如說(shuō)像我這樣講話，98%、99%的識(shí)別率也是可能的。但是如果說(shuō)話帶著方言，很重的方言，去識(shí)別，達(dá)到這個(gè)高度，也不是太容易，至少我現(xiàn)在沒(méi)有看到哪家在方言普通話或者普適性人群上面達(dá)到這樣一個(gè)高度。

　　當(dāng)然，這里邊還包括不同的輸入設(shè)備，比如說(shuō)在電話端，8K的窄帶數(shù)據(jù)識(shí)別率如果能達(dá)到97%，那真的是效果非常好了，現(xiàn)在大家的水平基本上在80%上下。那么在一些特殊領(lǐng)域里邊，通過(guò)一些垂直領(lǐng)域的優(yōu)化，模型的優(yōu)化，能達(dá)到85%，這已經(jīng)是一個(gè)很好的水平。

　　在很多智能家居、家電，包括像機(jī)器人這樣一些智能終端場(chǎng)景下，有很多環(huán)境噪音，語(yǔ)音識(shí)別如果不解決這些數(shù)據(jù)信號(hào)、聲學(xué)信號(hào)的抗噪問(wèn)題，語(yǔ)音識(shí)別的應(yīng)用會(huì)受很大的制約。所以現(xiàn)在從事語(yǔ)音的廠家，在麥克風(fēng)陣列這方面也都開(kāi)始做自己的研究，推出了兩麥，四麥甚至六麥這樣一些抗噪模塊，來(lái)解決實(shí)際應(yīng)用場(chǎng)景下的噪音干擾問(wèn)題。

　　大家看到，上面這個(gè)四麥降噪模塊，已經(jīng)在一些機(jī)器人里邊，包括一些服務(wù)機(jī)器人、兒童教育娛樂(lè)機(jī)器人中使用，其中包括線陣和圓陣，重點(diǎn)是解決麥克風(fēng)在遠(yuǎn)講、定向、回聲消除，還有語(yǔ)音增強(qiáng)等實(shí)際應(yīng)用情況。當(dāng)然，語(yǔ)音識(shí)別還包括方言、多語(yǔ)種識(shí)別，以及中英文混合等情況，這些問(wèn)題我們也在不斷的研究、實(shí)踐。

　　開(kāi)始時(shí)我們提到，在認(rèn)知功能方面，尤其是像語(yǔ)義理解（NLU），這方面有一些國(guó)內(nèi)企業(yè)在做，捷通在這方面也做了大量的工作，有很多的實(shí)踐和應(yīng)用。

　　例如，在智能終端方面，我們做了對(duì)話，包括意圖理解，以滿(mǎn)足智能終端在語(yǔ)義理解和語(yǔ)音識(shí)別共同使用過(guò)程中的一些“理解”用戶(hù)指令的要求。另外，在一些行業(yè)的智能客服的系統(tǒng)里邊，我們也采用了支持多輪對(duì)話、同音字智能糾錯(cuò)、上下文語(yǔ)義分析、相關(guān)問(wèn)題聯(lián)想等功能的語(yǔ)義理解技術(shù)，能夠達(dá)到更好的用戶(hù)體驗(yàn)和準(zhǔn)確率。當(dāng)然，語(yǔ)義理解方面要研究的東西還很多。

　　隨著移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)的發(fā)展，人工智能技術(shù)在物聯(lián)網(wǎng)領(lǐng)域有了越來(lái)越多的需求，或者說(shuō)已經(jīng)成為一種不可或缺的支撐技術(shù)。

　　比如在智能機(jī)器人方面，我們通過(guò)智能客服系統(tǒng)，來(lái)實(shí)現(xiàn)語(yǔ)音交互、知識(shí)庫(kù)構(gòu)建、語(yǔ)義理解，尤其是前端在噪音環(huán)境下，通過(guò)麥克風(fēng)陣列，實(shí)現(xiàn)遠(yuǎn)講、抗噪、定向等等功能。在智能機(jī)器人領(lǐng)域，我們做了很多行業(yè)應(yīng)用，比如說(shuō)在稅務(wù)大廳提供咨詢(xún)的稅務(wù)機(jī)器人，華夏銀行的大堂經(jīng)理機(jī)器人，還有一些圖書(shū)館，購(gòu)物中心的專(zhuān)業(yè)服務(wù)機(jī)器人，當(dāng)然也包括現(xiàn)在大家看到的很多家用的兒童教育機(jī)器人、娛樂(lè)機(jī)器人，以及陪伴機(jī)器人，通過(guò)應(yīng)用智能客服系統(tǒng)，這些機(jī)器人進(jìn)入了各個(gè)行業(yè)，未來(lái)將會(huì)進(jìn)入到我們生活的方方面面。

靈云智能機(jī)器人解決方案

　　在智能家居、家電方面，比如說(shuō)電視，我們搜電影時(shí)，遙控器按鍵輸入慢，總是讓人很頭疼。

　　我們將語(yǔ)音技術(shù)應(yīng)用到電視遙控器上，比如小米電視，樂(lè)視，還有廣電盒子，通過(guò)語(yǔ)音的交互，實(shí)現(xiàn)電視內(nèi)容的快速搜索，甚至一些購(gòu)物，社區(qū)服務(wù)等。

靈云智能語(yǔ)音電視解決方案

　　在智能家居方面，整合了語(yǔ)音交互的麥克風(fēng)陣列是一個(gè)非常好的工具，我們可以遠(yuǎn)距離隨意控制燈光、調(diào)節(jié)空調(diào)等，通過(guò)引入人工智能技術(shù)，讓家居生活更舒適。

　　在智能汽車(chē)領(lǐng)域，尤其是現(xiàn)在大家看到的無(wú)人駕駛、輔助駕駛系統(tǒng)中，也是人工智能的一個(gè)很好應(yīng)用。但是我個(gè)人對(duì)于無(wú)人駕駛汽車(chē)未來(lái)的走向，至少目前看，三五年內(nèi)我感覺(jué)很難真正走向?qū)嵱没�，因�(yàn)榻煌�控制，包括很多交通�?guī)則，都會(huì)限制無(wú)人車(chē)在這方面的發(fā)展。但是我相信，通過(guò)引入智能化的一些技術(shù)，可以在輔助駕駛，包括像一些車(chē)載領(lǐng)域發(fā)揮很好的作用。

　　例如，語(yǔ)音交互技術(shù)在智能車(chē)載上的應(yīng)用，這里邊包括語(yǔ)音識(shí)別的抗噪模型訓(xùn)練、硬件的降噪，以及像喚醒、聲源定向、智能糾錯(cuò)等技術(shù)層面的要求。另外，汽車(chē)現(xiàn)在實(shí)際上已經(jīng)是人們出行的一個(gè)必備手段了，現(xiàn)在北京的交通大家都知道，車(chē)內(nèi)設(shè)備的語(yǔ)音控制實(shí)際上可以有效提高駕車(chē)的安全性。同時(shí)，通過(guò)汽車(chē)這樣一個(gè)移動(dòng)設(shè)備，可以給我們提供導(dǎo)航、餐館、訂酒店、訂機(jī)票，以及天氣、股票等信息的語(yǔ)音查詢(xún)，甚至成為我們生活當(dāng)中的一個(gè)移動(dòng)辦公場(chǎng)所。

　　在這里也提一下，就是我們?cè)谄��?chē)交互方式方面的一個(gè)經(jīng)驗(yàn)或感覺(jué)，可能東西方人對(duì)于汽車(chē)的操控習(xí)慣不同。比如說(shuō)捷通華聲早在我們成立的時(shí)候，就做了手寫(xiě)識(shí)別技術(shù)，在歐美的一些高端車(chē)輛上，通過(guò)引入我們的手寫(xiě)，比如像法拉利、奧迪、寶馬，還有日韓系的像尼桑、現(xiàn)代等等這些車(chē)?yán)镞呌玫搅宋覀兊氖謱?xiě)技術(shù)。我們過(guò)去也不太理解，為什么老外覺(jué)得手寫(xiě)還可以用，后來(lái)發(fā)現(xiàn)，大家可能在一些操作上邊還是習(xí)慣有些不同，我們中國(guó)人可能更善于講，可能老外更善于做一些實(shí)際的操控性的，所以這個(gè)時(shí)候大家看到我們的語(yǔ)音交互在車(chē)機(jī)里邊是大家關(guān)注的一個(gè)熱點(diǎn)，但是手寫(xiě)他們也會(huì)用，而且用的量也不少。不管是用語(yǔ)音的交互還是手寫(xiě)的交互，其實(shí)都是通過(guò)這樣的一些人工智能的交互手段，來(lái)提升人們的駕車(chē)體驗(yàn)，提升駕車(chē)的安全性和舒適性。

　　剛才講了很多物聯(lián)網(wǎng)領(lǐng)域的應(yīng)用場(chǎng)景，下面重點(diǎn)介紹一下捷通目前做的一些靈云全方位人工智能開(kāi)放平臺(tái)方面的工作。

　　捷通的靈云平臺(tái)（AIcloud.com）是我們?cè)缭?011年我們就推出的全球首個(gè)全方位人工智能開(kāi)放平臺(tái)，在當(dāng)時(shí)我們就定立了這么樣一個(gè)目標(biāo)：要實(shí)現(xiàn)語(yǔ)音、手寫(xiě)，拍照，手勢(shì)甚至將來(lái)可以使用腦波來(lái)進(jìn)行智能化的一些手段來(lái)進(jìn)行人機(jī)交互。經(jīng)過(guò)幾年的建設(shè)，靈云平臺(tái)已經(jīng)構(gòu)建了集合十項(xiàng)核心技術(shù)的全方位人工智能開(kāi)放平臺(tái)。

　　其中包括智能語(yǔ)音方面的，語(yǔ)音合成、語(yǔ)音識(shí)別技術(shù)；圖像交互方面，OCR、手寫(xiě)識(shí)別；生物特征識(shí)別方面的人臉識(shí)別、聲紋識(shí)別和指紋識(shí)別；智能語(yǔ)義方面，包括語(yǔ)義理解、機(jī)器翻譯、數(shù)據(jù)挖掘等共10項(xiàng)技術(shù)。

　　靈云實(shí)際上是通過(guò)構(gòu)建這樣一個(gè)云服務(wù)平臺(tái)，提供這些能力，并在能力基礎(chǔ)上，提供智能化解決方案，包括全智能客戶(hù)服務(wù)、多維生物特征識(shí)別身份認(rèn)證服務(wù)平臺(tái)等深入行業(yè)的解決方案，構(gòu)建了包括公有云服務(wù)、全智能能力平臺(tái)和全智能解決方案組成的產(chǎn)品生態(tài)體系。

　　靈云構(gòu)建的B2B2C商業(yè)模式，深入金融、電信、能源、交通、政務(wù)、公檢法等各個(gè)行業(yè)，提供全方位的人工智能能力和解決方案。

　　靈云支持云+端能力，也就是說(shuō)既可以用我們?cè)贫说哪芰�，也可以用我們本地的能力，我們所有的技術(shù)都支持“云+端”的方式訪問(wèn)，這樣就讓廣大的開(kāi)發(fā)者和企業(yè)合作伙伴能方便地調(diào)用各種應(yīng)用能力。

　　在這些應(yīng)用當(dāng)中，我特意介紹一下我們?cè)诰S語(yǔ)和漢語(yǔ)的翻譯，因?yàn)樵谡Z(yǔ)音方面，我們除了中文普通話，我們還做了少數(shù)民族語(yǔ)言，同時(shí)構(gòu)建了十幾種國(guó)外的包括英文、法文、德文這樣的一些語(yǔ)音交互能力。維漢友誼橋這個(gè)翻譯APP，目前在新疆少數(shù)民族地區(qū)，已經(jīng)有數(shù)百萬(wàn)用戶(hù)在使用，大大方便了我們漢族干部和少數(shù)民族間的交流，大家可以下載體驗(yàn)下。還有一個(gè)也是現(xiàn)在有幾百萬(wàn)用戶(hù)在使用的出國(guó)翻譯官，這個(gè)APP也是用了靈云上邊的各種能力，能夠方便的在出國(guó)的時(shí)候，你不管去哪個(gè)國(guó)家，有了這樣一個(gè)應(yīng)用就可以方便的和當(dāng)?shù)厝诉M(jìn)行交流，給大家的出行和旅游提供便利。

　　我們一直強(qiáng)調(diào)，現(xiàn)在AI技術(shù)的應(yīng)用實(shí)際上已經(jīng)不是單一能力的應(yīng)用。為什么講融合，AI的融合發(fā)展，實(shí)際上是現(xiàn)在我們遇到的很多應(yīng)用場(chǎng)景所需要的。在智能終端交互方面，比如說(shuō)現(xiàn)在我們做的機(jī)器人，它其中就用到了語(yǔ)音識(shí)別，語(yǔ)音合成，語(yǔ)義理解，人臉識(shí)別，甚至聲紋識(shí)別；在終端應(yīng)用的場(chǎng)景里邊，包括在家電，現(xiàn)在我們給家電廠商實(shí)際上也在提供一些除了語(yǔ)音交互之外的能力，大家提出來(lái)一些比如說(shuō)像聲紋識(shí)別、人臉識(shí)別等需求，包括在家庭的陪伴機(jī)器人、服務(wù)機(jī)器人方面，包括兒童陪伴機(jī)器人這塊，也提出了一些比如說(shuō)類(lèi)似圖像的識(shí)別、人臉的識(shí)別，包括視頻監(jiān)控等等這方面需求。這些需求，實(shí)際上就是人工智能的融合應(yīng)用。在捷通的靈云平臺(tái)上，如果用了我們這個(gè)平臺(tái)的話，這些能力都可以很方便的實(shí)現(xiàn)調(diào)用，因?yàn)殪`云平臺(tái)是一個(gè)開(kāi)放平臺(tái)，我們的平臺(tái)能力，都能夠在開(kāi)發(fā)者社區(qū)上方便地調(diào)用。

　　捷通構(gòu)建靈云平臺(tái)實(shí)際上是我們有一個(gè)愿景，就是希望能夠讓每一家企業(yè)都能夠擁有人工智能，希望每一個(gè)用戶(hù)都能夠享受人工智能帶來(lái)的便捷。源于這個(gè)目標(biāo)，我們推出了靈云全智能能力平臺(tái)，我們會(huì)和更多行業(yè)集成商、平臺(tái)廠商，一起來(lái)合作，為企業(yè)提供人工智能能力。

　　在智能解決方案方面，我們推出了全智能客戶(hù)服務(wù)和靈云身份認(rèn)證平臺(tái)。我們推出的靈云全智能客戶(hù)服務(wù)是一種客服新模式，它包括了實(shí)體機(jī)器人、網(wǎng)絡(luò)版在線智能客服、電話客服機(jī)器人、智能語(yǔ)音導(dǎo)航等智能客服產(chǎn)品，以及智能語(yǔ)音分析、電話外呼機(jī)器人等呼叫中心行業(yè)解決方案，為用戶(hù)提供隨時(shí)隨地、隨手可及的智能客戶(hù)服務(wù)，同時(shí)也大幅降低了企業(yè)的客服成本，提升了客戶(hù)服務(wù)效率和質(zhì)量。

　　在身份認(rèn)證方面，隨著我們?nèi)四�、聲紋、OCR技術(shù)的發(fā)展，我們推出了人證合一綜合“人臉識(shí)別+聲紋識(shí)別+指紋識(shí)別，OCR證照識(shí)別”的靈云身份認(rèn)證服務(wù)平臺(tái)，這個(gè)系統(tǒng)已在人行的征信系統(tǒng)里得到應(yīng)用�，F(xiàn)在單一生物特征識(shí)別技術(shù)，比如說(shuō)人臉技術(shù)，包括所有的人工智能技術(shù)，大家很難說(shuō)做到100%。

　　我們通過(guò)這樣多項(xiàng)技術(shù)的一個(gè)融合，識(shí)別時(shí)候我們可以把一個(gè)最小的出錯(cuò)概率集合到一個(gè)很小的數(shù)字集合上，比如說(shuō)我們通過(guò)人臉、聲紋、指紋可能有1%、2%這樣的錯(cuò)誤率，三種技術(shù)融合，再加OCR，人證合一，可以把這個(gè)錯(cuò)誤率降到萬(wàn)分之一，甚至更小。這就是我們推出的多維生物特征識(shí)別安全身份認(rèn)證平臺(tái)，也是AI技術(shù)融合應(yīng)用的一個(gè)很好案例。

　　我們給一些公檢法包括政府部門(mén)在一些會(huì)議系統(tǒng)方面做了一些智能解決方案。一方面通過(guò)語(yǔ)音識(shí)別實(shí)現(xiàn)會(huì)議轉(zhuǎn)寫(xiě)，解放了筆錄人員，降低速記員的一些勞動(dòng)強(qiáng)度；在整個(gè)會(huì)議系統(tǒng)里邊，實(shí)現(xiàn)電子簽到，利用我們現(xiàn)在手寫(xiě)筆跡技術(shù)；通過(guò)人臉識(shí)別、身份證識(shí)別，確保參會(huì)者的身份；通過(guò)語(yǔ)音交互，我們可以輕松的來(lái)控制投影設(shè)備、燈光設(shè)備、包括大屏幕的一些切換；另外，通過(guò)語(yǔ)音識(shí)別和OCR的組合，可以把會(huì)議內(nèi)容實(shí)時(shí)結(jié)構(gòu)化轉(zhuǎn)寫(xiě)，并且通過(guò)OCR把一些會(huì)議文件，自動(dòng)掃描錄入，全面、快速記錄會(huì)議內(nèi)容；還有，通過(guò)實(shí)時(shí)翻譯并語(yǔ)音播報(bào)，把會(huì)議內(nèi)容同步聲音直播，這些場(chǎng)景在我們?cè)谝恍┱�府辦公廳已經(jīng)實(shí)現(xiàn)了應(yīng)用。此外，像我們遇到的一些比如說(shuō)公檢法的辦公人員，他們可能每天要閱讀大量的文件，很費(fèi)眼睛，所以像我們的語(yǔ)音合成，他們就很受歡迎，這樣的話他可以去聽(tīng)，邊聽(tīng)邊校，這樣就可以把他們的工作變得更加有趣，更加輕松。

　　還有一個(gè)很有趣的是什么呢？比如說(shuō)現(xiàn)在我們給銀行做大廳服務(wù)機(jī)器人的時(shí)候，一方面通過(guò)語(yǔ)音交互來(lái)咨詢(xún)服務(wù)，用智能客服系統(tǒng)來(lái)傳遞用戶(hù)需要的服務(wù)內(nèi)容。在機(jī)器人上邊，還實(shí)現(xiàn)了人臉識(shí)別、聲紋識(shí)別。對(duì)于一些VIP客戶(hù)，剛剛到了銀行大廳，他可以通過(guò)人臉識(shí)別確認(rèn)身份，能夠更好的對(duì)這些VIP客戶(hù)提供服務(wù)，這樣的話讓VIP客戶(hù)能夠到銀行以后感覺(jué)到一種新的感受。我們做這些能力，其實(shí)就是希望能夠讓這些設(shè)備更加智能化，有更多的功能來(lái)服務(wù)好用戶(hù)。

　　另外捷通在十幾年的發(fā)展當(dāng)中，我們也在不斷總結(jié)，我們的定位實(shí)際上就是做一個(gè)人工智能能力和解決方案的供應(yīng)商。我們有數(shù)千家的合作伙伴，包括我們?cè)陟`云平臺(tái)上服務(wù)了四億多用戶(hù)，我們也希望能夠?qū)崿F(xiàn)一個(gè)準(zhǔn)確定位，構(gòu)建一個(gè)產(chǎn)業(yè)的生態(tài)。這方面和我們的合作伙伴共同探索一些服務(wù)運(yùn)營(yíng)模式，捷通是絕對(duì)不會(huì)去做和我們合作伙伴，合作企業(yè)爭(zhēng)地盤(pán)的事情，這是我們的一個(gè)明確定位，我們就把我們的人工智能的技術(shù)、產(chǎn)品、服務(wù)做好。

　　靈云的愿景，就是讓機(jī)器“能說(shuō)會(huì)聽(tīng)、能寫(xiě)會(huì)看、能辨音會(huì)認(rèn)人、能思考會(huì)判斷”。我們希望能夠匯聚大家的力量，共同分享人工智能產(chǎn)業(yè)機(jī)遇。

　　另外，最后想跟大家分享一些思考。

　　現(xiàn)在大家可能談到人工智能的時(shí)候，往往就會(huì)想到語(yǔ)音識(shí)別，實(shí)際上現(xiàn)在語(yǔ)音識(shí)別還有很多很多的工作和路要走，我非常認(rèn)同昨天錢(qián)博士提出的一些觀點(diǎn)，我感覺(jué)就是說(shuō)人工智能本身是一個(gè)長(zhǎng)跑，這是一個(gè)沒(méi)有終點(diǎn)的長(zhǎng)跑，真的需要一些韌性，我們現(xiàn)在很多的技術(shù)不是說(shuō)不好，是沒(méi)有很好的去用，或者用的不好。另外一個(gè)，可能大家對(duì)這些技術(shù)的期望值有點(diǎn)過(guò)高，也希望產(chǎn)業(yè)界能夠給像捷通這樣，包括其他的一些我們的同仁一些寬容，因?yàn)槿斯ぶ悄芗夹g(shù)本身還有很多的工作要做，還有很長(zhǎng)很長(zhǎng)的路要走。

　　另外，其實(shí)現(xiàn)在大家看到的，這些基礎(chǔ)性研究，不管從國(guó)外還是國(guó)內(nèi)，實(shí)際上在一些基礎(chǔ)性的研究尤其是一些方法理論性的研究，主要還是來(lái)自于大學(xué)，這也就是為什么靈云和清華大學(xué)，捷通華聲和清華大學(xué)建立“靈云科技源自清華”深度合作的原因。我們?cè)谇迦A大學(xué)建了靈云人工智能研究中心，我們有十幾位教授，把他們幾十年來(lái)的研究，積淀的一些東西與產(chǎn)業(yè)結(jié)合，把這些技術(shù)成果應(yīng)用起來(lái)。但是基礎(chǔ)研究的工作，企業(yè)去做恐怕不是太容易，我們還是應(yīng)該把這些基礎(chǔ)研究的工作交給我們這些教授們，專(zhuān)家學(xué)者們?nèi)プ觥?/div>