走進(jìn)深圳市北科瑞聲科技股份有限公司（以下簡稱“北科瑞聲”）的人工智能展廳，一件件智能語音產(chǎn)品引人注目。

“智能語音音頻技術(shù)應(yīng)用十分廣泛，可以賦能許多場景。”北科瑞聲董事長劉軼說，公司通過與高速交通、智慧醫(yī)療、數(shù)字政務(wù)等行業(yè)深度融合，創(chuàng)新研發(fā)了一系列智能產(chǎn)品，并與多個(gè)國產(chǎn)主流平臺完成兼容性互認(rèn)證，實(shí)現(xiàn)智能語音系統(tǒng)全鏈自主可控運(yùn)行，持續(xù)推動智能語音技術(shù)應(yīng)用研發(fā)及產(chǎn)業(yè)化。2022年，北科瑞聲營業(yè)收入突破億元，同比增速超過56%。

專注技術(shù)研發(fā)

(資料圖片)

2003年，劉軼從香港科技大學(xué)博士畢業(yè)留校任教，從事嵌入式智能語音識別技術(shù)研究。“自己研發(fā)的東西能夠?qū)崿F(xiàn)應(yīng)用，產(chǎn)生經(jīng)濟(jì)效益、服務(wù)社會，這是每一個(gè)工科人的夢想。”帶著這樣的夢想，2008年，他與兩位合伙人來到深圳，創(chuàng)立北科瑞聲。

實(shí)現(xiàn)夢想的路上，需要不斷探索和創(chuàng)新。嵌入式智能語音識別技術(shù)通過將聲音轉(zhuǎn)換成文本和命令，能夠?qū)崿F(xiàn)語音輸入、語音控制，可應(yīng)用于多種應(yīng)用系統(tǒng)、移動設(shè)備，大大改善人機(jī)交互方式。但是，要把這個(gè)技術(shù)落地實(shí)現(xiàn)產(chǎn)品化，并不是件容易的事。

“那時(shí)，人們對語音識別還沒什么概念，相關(guān)技術(shù)也不夠成熟，鮮有成功的商業(yè)化案例。風(fēng)口沒到的時(shí)候，我們需要沉下心來，做好基礎(chǔ)性工作，錘煉好自己的本領(lǐng)。”劉軼說。

瞄準(zhǔn)語音音頻交互核心技術(shù)，北科瑞聲組織研發(fā)團(tuán)隊(duì)開展持續(xù)攻關(guān)，不斷突破技術(shù)瓶頸。“在人工智能和機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，有一大一小兩個(gè)難題。大難題是指超大規(guī)模預(yù)訓(xùn)練模型，小難題是指芯片級神經(jīng)網(wǎng)絡(luò)模型。”北科瑞聲總經(jīng)理王昕介紹，針對兩個(gè)難題，公司研發(fā)了音頻信息感知、語音識別、人機(jī)交互系統(tǒng)等全鏈多模態(tài)人工智能技術(shù)，并將這些技術(shù)封裝在自研芯片上，打造存算一體芯片級小型神經(jīng)網(wǎng)絡(luò)模型語音芯片，推出“云+端+芯”全鏈條、自主可控智能語音產(chǎn)品，實(shí)現(xiàn)從人工智能語音技術(shù)創(chuàng)新到產(chǎn)業(yè)應(yīng)用的生態(tài)閉環(huán)。

“云+端+芯”即云、設(shè)備終端和芯片，三者鏈條打通之后，能夠?qū)崿F(xiàn)對數(shù)據(jù)的存儲、處理、整理、分析和傳輸。“攻克這個(gè)技術(shù)并非易事，我們面臨許多挑戰(zhàn)。”王昕說，語音交互具有時(shí)變性。在溝通過程中，設(shè)備每一分鐘都要通過提取語音特征、參數(shù)，與后臺的模型進(jìn)行大量比對計(jì)算，快速反饋語音內(nèi)容。這不僅需要一個(gè)速度非常快的計(jì)算單元，還需要中央處理器的算力足夠快、存儲器容量足夠大。與此同時(shí)，還要實(shí)現(xiàn)低功耗，降低應(yīng)用成本。

為了破解這一系列難題，北科瑞聲不斷提升數(shù)據(jù)、算法和算力能力，積累了超10萬小時(shí)語音音頻數(shù)據(jù)、TB級語言數(shù)據(jù)及語音音頻行業(yè)標(biāo)桿級數(shù)據(jù)資源；研發(fā)出行業(yè)領(lǐng)先的中文復(fù)雜場景語音音頻交互技術(shù)，普通話語音識別準(zhǔn)確度達(dá)99%，限定領(lǐng)域的意圖識別準(zhǔn)確度達(dá)到95%。

語音交互技術(shù)好不好，不僅要看測試的識別準(zhǔn)確率，還要看其在實(shí)際場景下的語義理解能力。“即便如今普通話普及程度越來越高，但由于每個(gè)人的經(jīng)歷或生活環(huán)境不同，產(chǎn)生了很多‘不標(biāo)準(zhǔn)’的普通話發(fā)音。這個(gè)‘不標(biāo)準(zhǔn)’千變?nèi)f化，識別起來十分困難。而基于中文復(fù)雜場景的語音音頻交互技術(shù)，可以做到在無需事先指定口音類型的情況下，處理國內(nèi)50多個(gè)地方的帶口音普通話。”劉軼說。

面對互聯(lián)網(wǎng)時(shí)代層出不窮且逐漸融入人們生活的網(wǎng)絡(luò)新詞，中文復(fù)雜場景語音音頻交互技術(shù)還能通過自進(jìn)化能力，在30秒內(nèi)對這些新詞進(jìn)行全面學(xué)習(xí)、掌握，以快速跟上互聯(lián)網(wǎng)信息迭代速度。而原先的傳統(tǒng)技術(shù)若想識別新詞，一般需要數(shù)天甚至數(shù)周的技術(shù)訓(xùn)練。

經(jīng)過持續(xù)研發(fā)創(chuàng)新，北科瑞聲攻克了多項(xiàng)人工智能核心技術(shù)，實(shí)現(xiàn)了端云架構(gòu)以及端到端一體化產(chǎn)品應(yīng)用。目前，北科瑞聲擁有知識產(chǎn)權(quán)200多件，其中發(fā)明專利100多件，參與了智能語音識別和交互國家標(biāo)準(zhǔn)制定，獲得我國智能科學(xué)技術(shù)最高獎(jiǎng)“吳文俊人工智能科學(xué)技術(shù)獎(jiǎng)”、中國專利優(yōu)秀獎(jiǎng)以及多項(xiàng)廣東省科學(xué)技術(shù)獎(jiǎng)等獎(jiǎng)項(xiàng)，發(fā)展成為人工智能音頻領(lǐng)軍企業(yè)。

拓展應(yīng)用場景

創(chuàng)新不能閉門造車，還需要根據(jù)市場需求將科研成果落地轉(zhuǎn)化。“通用產(chǎn)品僅僅將語音轉(zhuǎn)化為文字，無法滿足醫(yī)療、交通、政務(wù)等細(xì)分領(lǐng)域的需求。比如一些專業(yè)術(shù)語，如果我們的智能語音系統(tǒng)沒有與行業(yè)進(jìn)行深度融合或者定制化處理，就達(dá)不到好的效果。”劉軼告訴記者，人工智能要想真正為市場所用，一定要與具體的行業(yè)應(yīng)用結(jié)合起來，做深、做精，為行業(yè)發(fā)展賦能。

在探尋技術(shù)落地及差異化競爭路徑的過程中，北科瑞聲將目光首先聚焦于車載應(yīng)用領(lǐng)域。

“支持語音交互是車載導(dǎo)航智能發(fā)展的必然趨勢，出于對安全駕駛的考慮，人們不能一邊開車一邊操作導(dǎo)航。我們嘗試將智能語音識別技術(shù)嵌入汽車車機(jī)，通過車機(jī)總線進(jìn)行總控，可執(zhí)行高達(dá)幾萬條的語音命令。”北科瑞聲總裁辦公室副總監(jiān)王詩雨說，“車主只需說出路線需求，車機(jī)就能規(guī)劃合適的路線，實(shí)現(xiàn)無手化操作。”

車載應(yīng)用成功落地讓北科瑞聲在智能語音應(yīng)用領(lǐng)域摸索出一些經(jīng)驗(yàn)，隨后開始在數(shù)字政務(wù)、智慧醫(yī)療和高速交通等領(lǐng)域發(fā)力。

在數(shù)字政務(wù)智能語音解決方案中，北科瑞聲基于其智能語音核心能力開發(fā)出一套主要用于政企會議場景的智能語音會議系統(tǒng)。“會議記錄是政企日常工作中的重要部分，但傳統(tǒng)記錄方式效率較低。”劉軼說，智能語音會議系統(tǒng)提供基于私有云的語音轉(zhuǎn)文字、實(shí)時(shí)轉(zhuǎn)寫上屏顯示、離線語音轉(zhuǎn)寫、紀(jì)要成稿、會議記錄留存查詢等功能，避免了傳統(tǒng)人工整理記錄會議內(nèi)容存在的時(shí)間長、易遺漏、準(zhǔn)確率低等問題，從而提升會議交互體驗(yàn)與辦公效率。目前，北科瑞聲智能語音會議系統(tǒng)已在深圳許多政企單位實(shí)現(xiàn)應(yīng)用。

“數(shù)據(jù)不只是一種資源，更是一種能力，是企業(yè)的核心競爭力。”劉軼說，在高速交通領(lǐng)域，北科瑞聲通過運(yùn)用云計(jì)算、大數(shù)據(jù)分析能力，提升人工智能認(rèn)知能力，實(shí)現(xiàn)大交通領(lǐng)域用戶數(shù)據(jù)安全可靠。

ETC卡剛剛推行時(shí)，由于需求量不高，高速客服中心的線上客服配置并不多。隨著ETC熱潮的到來，2019年，粵通卡車主大幅上漲，給客服工作帶來了巨大壓力。基于數(shù)據(jù)、算法、算力三大要素技術(shù)積累，北科瑞聲結(jié)合高速交通業(yè)務(wù)場景及高速視頻云系統(tǒng)，打造出覆蓋互聯(lián)網(wǎng)渠道、電話通道及高速場景線下服務(wù)窗口的人工智能高速交通綜合信息服務(wù)平臺——全終端高速交通平臺。

這一平臺以智能外呼機(jī)器人替代人工客服，通過與粵高速客服中心電話線路集成，實(shí)現(xiàn)從流程設(shè)置、外呼呼叫到數(shù)據(jù)處理與匯總的全流程自動化處理。智能外呼機(jī)器人集成語音識別、自然語言理解、信息檢索、語音合成等智能技術(shù)，聽得懂、能理解、會說話，人機(jī)交互流暢自然，機(jī)器人單條電話線單日可完成外呼電話上千次，外呼數(shù)據(jù)同步轉(zhuǎn)寫生成保存。

“與傳統(tǒng)人工外呼相比，智能外呼機(jī)器人具備自動撥打、多輪對話、自動生產(chǎn)外呼數(shù)據(jù)等優(yōu)勢，還可不間斷工作，有效提升了工作智能化、數(shù)字化水平。”王昕說，深圳具有良好的創(chuàng)新土壤，為企業(yè)積累場景應(yīng)用經(jīng)驗(yàn)、促進(jìn)技術(shù)迭代提供了舞臺。立足這個(gè)資源優(yōu)勢，北科瑞聲在不斷拓展應(yīng)用場景的同時(shí)，將繼續(xù)破解技術(shù)瓶頸，持續(xù)迭代產(chǎn)品，用人工智能技術(shù)賦能更多行業(yè)發(fā)展。（經(jīng)濟(jì)日報(bào)記者 楊陽騰）

關(guān)鍵詞：