盡管全球新冠疫情給該行業(yè)帶來(lái)了重大挑戰(zhàn)，但創(chuàng)新和進(jìn)步在2020年仍在繼續(xù)�，F(xiàn)在，語(yǔ)音引擎和驅(qū)動(dòng)它們的技術(shù)似乎準(zhǔn)備利用日益偏好和依賴語(yǔ)音而不斷發(fā)展的商業(yè)和消費(fèi)者環(huán)境。
ETS的語(yǔ)音和自然語(yǔ)言處理副研究員AbhinavMisra說(shuō)，自從深度神經(jīng)網(wǎng)絡(luò)（deep neural networks，DNN）問(wèn)世以來(lái)，語(yǔ)音識(shí)別引擎的性能有了顯著提高，更多的組織和消費(fèi)者從中受益。
“隨著越來(lái)越多的人越來(lái)越多地使用語(yǔ)音助手，企業(yè)正在收集更多的數(shù)據(jù)，為這些人工智能算法提供素材，并進(jìn)一步提高語(yǔ)音引擎的性能，”他說(shuō)。
Appen人工智能專家高級(jí)主管Judith Bishop對(duì)此表示同意。
“自動(dòng)語(yǔ)音識(shí)別引擎已經(jīng)變得更加強(qiáng)大和通用。主要的引擎現(xiàn)在能夠識(shí)別更廣泛的不同年齡段的聲音，包括兒童的聲音，這與成人的聲音有很大的不同，”她說(shuō)。
Bishop補(bǔ)充說(shuō)，COVID-19有助于推動(dòng)最近的創(chuàng)新。“這場(chǎng)大流行把重點(diǎn)放在噪音環(huán)境下的語(yǔ)音識(shí)別上，過(guò)去一年，處理背景噪音的噪音抑制算法成為一個(gè)重要的焦點(diǎn)。結(jié)果，語(yǔ)音不再需要被如此大聲和清晰地引導(dǎo)到近距離的設(shè)備上，并且語(yǔ)音現(xiàn)在可以被檢測(cè)和理解，即使在某些情況下，說(shuō)話人正在間接地對(duì)設(shè)備尋址，例如在準(zhǔn)備飯的時(shí)候。這些進(jìn)步進(jìn)一步凸顯了語(yǔ)音引擎如何更接近人類交流的自然條件。”
隨著亞馬遜（Amazon）、谷歌（Google）和IBM（IBM）等供應(yīng)商現(xiàn)在從云上提供語(yǔ)音服務(wù)，語(yǔ)音引擎也從詞匯有限的固定語(yǔ)法模型發(fā)展到更靈活、更開(kāi)放的系統(tǒng)。
“如今的云語(yǔ)音服務(wù)比傳統(tǒng)的固定語(yǔ)法模式更實(shí)惠。在聯(lián)絡(luò)中心環(huán)境中，高級(jí)語(yǔ)音識(shí)別的采用也在穩(wěn)步增加；更多的客戶可以使用自然語(yǔ)言與虛擬聯(lián)絡(luò)中心座席交談，從而改善了體驗(yàn)，”最近被Five9收購(gòu)的InferenceSolutions公司產(chǎn)品副總裁Santosh Kulkarni說(shuō)。
Nuance Communications是這一領(lǐng)域的領(lǐng)導(dǎo)者之一，它可以證明進(jìn)步的步伐是如何加快的，尤其是在醫(yī)療領(lǐng)域。
“深度學(xué)習(xí)技術(shù)迅速改變了計(jì)算機(jī)進(jìn)行語(yǔ)音識(shí)別的方式。”Nuance的首席研究科學(xué)家FelixWeninger說(shuō)：“它使我們能夠?yàn)榉浅＞哂刑魬?zhàn)性的應(yīng)用構(gòu)建語(yǔ)音識(shí)別器，例如轉(zhuǎn)錄醫(yī)生和患者之間的對(duì)話。”
許多企業(yè)也在利用尖端的語(yǔ)音技術(shù)增強(qiáng)客戶對(duì)話的能力。
“我們正在看到一種轉(zhuǎn)變，即從脆弱的、基于命令的交互式語(yǔ)音應(yīng)答系統(tǒng)，轉(zhuǎn)向完全可以使用軟件處理多步驟客戶查詢的自然交互式虛擬座席。”Gridspace首席執(zhí)行官Evan Macmillan表示：“我們也看到了閉環(huán)語(yǔ)音系統(tǒng)，它可以從過(guò)去的對(duì)話中學(xué)習(xí)，讓座席們更有幫助，更有效率。這些語(yǔ)音系統(tǒng)處理的實(shí)時(shí)語(yǔ)音音頻量也在不斷增加，這使人們意識(shí)到有可能出現(xiàn)更為復(fù)雜的語(yǔ)音接口和傳輸模式。”
年度回顧
2020年，一些關(guān)鍵的發(fā)展對(duì)語(yǔ)音引擎和相關(guān)技術(shù)產(chǎn)生了影響。
“在2020年，我們看到基于云的語(yǔ)音引擎解決方案越來(lái)越被接受。依賴于內(nèi)部部署模型的組織被迫重新考慮其方法和投資，”VerintSystems負(fù)責(zé)語(yǔ)音和文本分析的副總裁DanielZiv說(shuō)。“利用云中的語(yǔ)音分析可以讓組織快速啟動(dòng)和運(yùn)行，同時(shí)提供一個(gè)彈性和安全的使用模型，同時(shí)提供一個(gè)有吸引力的訂閱財(cái)務(wù)模型。”
在過(guò)去的一年里，為了響應(yīng)COVID-19和非接觸式服務(wù)的需求，語(yǔ)音引擎也得到了加速采用。
“2020年帶來(lái)了一個(gè)新的緊迫性，以提高語(yǔ)音輔助快速服務(wù)餐廳駕車通過(guò)效率，”Bishop說(shuō)。
端到端語(yǔ)音識(shí)別引擎的出現(xiàn)，得益于谷歌、Facebook、微軟和其他公司更積極的研究，也吸引了大量的注意力。
Misra指出：“使用單一的深層神經(jīng)網(wǎng)絡(luò)將音頻信號(hào)直接轉(zhuǎn)換成字母非常誘人，因?yàn)樗嗽S多復(fù)雜性。”
到2020年，更多的企業(yè)利用會(huì)話人工智能，推出了智能虛擬座席（IVA）。
Kulkarni說(shuō)：“如今，利用最新的無(wú)代碼IVA開(kāi)發(fā)平臺(tái)，公司可以在幾分鐘內(nèi)構(gòu)建出與消費(fèi)者智能揚(yáng)聲器相同的自然語(yǔ)言處理技術(shù)支持的IVA，并在幾天或幾周內(nèi)將其部署到客戶聯(lián)絡(luò)中心。”
在過(guò)去的12個(gè)月中，由于冠狀病毒的影響，人工智能支持的語(yǔ)音助理和會(huì)話系統(tǒng)的革命呈指數(shù)級(jí)增長(zhǎng)，品牌化的文本到語(yǔ)音變得更加流行。
Read Speaker的首席技術(shù)官Niclas Bergstrom說(shuō)：“為了幫助自己從競(jìng)爭(zhēng)中脫穎而出，各品牌也開(kāi)始嘗試不同的文語(yǔ)轉(zhuǎn)換說(shuō)話風(fēng)格，包括用情感化的聲音取代如今語(yǔ)音助理中常見(jiàn)的機(jī)器人聲音。”
技術(shù)提供商改進(jìn)了他們的軟件開(kāi)發(fā)工具包（SDKs）中代碼集成的易用性。例如，Amazon在其AlexaSDK中引入了雙語(yǔ)言模式和更多翻譯模式。
人們對(duì)聲音克隆的興趣也在增加。Bergstrom解釋說(shuō)：“語(yǔ)音克隆允許開(kāi)發(fā)人員提取目標(biāo)語(yǔ)音的特定特征，例如音調(diào)，并將其應(yīng)用于不同語(yǔ)音的波形。”
展望未來(lái)
對(duì)許多語(yǔ)音引擎專家來(lái)說(shuō)，未來(lái)是光明的，盡管還有一些挑戰(zhàn)需要克服。
“許多功能將被廣泛應(yīng)用，以幫助組織更好地支持'在家辦公'模式，同時(shí)繼續(xù)提供積極的客戶體驗(yàn)。”Ziv預(yù)測(cè)：“這些功能包括利用語(yǔ)音分析見(jiàn)解優(yōu)化自助服務(wù)渠道的有效性，以較低的成本提供卓越的服務(wù)。”
例如，分析可以幫助確定客戶打電話的原因以及持續(xù)改進(jìn)客戶參與的方法。Elektrobit的高級(jí)專家VolkerSpringer預(yù)計(jì)，未來(lái)將有更好的對(duì)話背景跟蹤。
“系統(tǒng)將更好地理解句子的語(yǔ)義，并更準(zhǔn)確地將其與用戶的環(huán)境相匹配，這將最大限度地減少聽(tīng)者的疲勞。系統(tǒng)將允許更復(fù)雜的句子和意圖，”他說(shuō)。
Macmillan堅(jiān)持認(rèn)為，未來(lái)一年，會(huì)話座席將協(xié)助、增強(qiáng)和自動(dòng)化更多的語(yǔ)音交互。
他說(shuō)：“對(duì)于一些大型醫(yī)療保健和金融服務(wù)公司，我們可以很容易地將由會(huì)話語(yǔ)音技術(shù)處理的語(yǔ)音查詢比例從2%提升到50%。”
Deepgram聯(lián)合創(chuàng)始人兼首席執(zhí)行官Scott Stephenson預(yù)計(jì)，今年將有更多的資金用于為座席和客戶提供語(yǔ)音體驗(yàn)。
Stephenson補(bǔ)充說(shuō)：“與此同時(shí)，軟件供應(yīng)商將積極資助與語(yǔ)音相關(guān)的產(chǎn)品開(kāi)發(fā)，以突破噪音，努力成為客戶體驗(yàn)技術(shù)領(lǐng)域的下一個(gè)大玩家。”
Bergstrom認(rèn)為，能夠更好地衡量用戶所說(shuō)的內(nèi)容和說(shuō)話方式的Paralinguistic語(yǔ)音接口也將得到改進(jìn)。
“這對(duì)于我們將在未來(lái)幾年開(kāi)始看到的另一項(xiàng)創(chuàng)新非常重要，這項(xiàng)創(chuàng)新將更加注重情感文本到語(yǔ)音的轉(zhuǎn)換。”他說(shuō)：“語(yǔ)音質(zhì)量已經(jīng)存在，但語(yǔ)音提供商需要優(yōu)先考慮情感語(yǔ)音服務(wù)，這樣才能提供更好的客戶體驗(yàn)。”
聲明:版權(quán)所有 非合作媒體謝絕轉(zhuǎn)載
作者：Erik J.Martin
原文網(wǎng)址：
https://www.speechtechmag.com/Articles/ReadArticle.aspx?ArticleID=145090
