思必驰 CTO 周伟达：语音技术优先服务于 AIoT｜CCF-GAIR 2019 _知识分享

文章插图
雷锋网按：7 月 12 日-7 月 14 日，2019 第四届全球人工智能与机器人峰会（CCF-GAIR 2019）于深圳正式召开。峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，深圳市人工智能与机器人研究院协办，得到了深圳市政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会，旨在打造国内人工智能领域极具实力的跨界交流合作平台。
当下，智能语音技术成为下一代人机交互新模式已经得到了业界的认可，智能交互、就近唤醒、全双工成为当下语音技术中前沿技术探讨点。在 CCF-GAIR 2019 “5G + AIoT”专场上，思必驰 CTO 周伟达带来了关于语音交互技术的演讲，演讲主题为《语音交互技术在 IoT 方向的应用与挑战》。

文章插图
思必驰 CTO 周伟达
演讲中，周伟达指出，智能语音当下面临的挑战主要有三点，即低功耗、远场交互和高噪声、全场景智能交互。
首先，在低功耗方面，周伟达在演讲中提到低功耗算法、低功耗芯片以及软硬一体的方案。演讲结束后，周伟达接受了雷锋网的采访时也强调了低功耗。他认为：“低功耗是语音技术发展的一个方向，它是一个涉及到语音交互的全链条，从前端的信号处理到语音合成，再通过扬声器的播放，每个环节都要实现低功耗。”
另外，关于软硬结合的行业创新点，周伟达在采访中表示，一方面是 AI 计算的加速，涉及到在现有平台上植入算法去加速运算；另一方面是芯片的创新。他说道：“ AI 芯片会打破传统的冯诺依曼的组件构架，然后把数据和指令从外部输入进来，还要有计算完再输入出去的架构。有可能数据和计算是放在一起来做的，所以我们觉得会是一些革命性的技术突破。”
对于远场交互和高噪声的挑战，周伟达在演讲中提出了麦克风阵列、降噪、多模态交互、全双工系统等解决方案。另外，解决智能语音在全场景智能交互的挑战中，周伟达提出了多设备联动机制，通过正面唤醒、就近唤醒、语义选择、多模态直视唤醒等方案，以解决家居场景中的多设备智能唤醒难题。
关于全双工的语音系统，周伟达在采访中做了补充，他说道，思必驰首先希望提升的是人机交互的自然度，主要着力于两个方面，一方面是处理降噪，提升 VAD；另一方面是完整意图判断。不仅如此，全双工技术在未来除了要提升自然度，还要提高智能；其中包括感知智能和认知智能。
除了演讲中提及的三大挑战，语音交互在 IoT 领域的应用中，隐私安全也是一个值得关注的问题。对此，周伟达在采访中表示，隐私保护是最基础的，行业要发展，就必须保护隐私，尊重隐私。
目前，思必驰不仅聚焦语音技术，而且自研 AI 芯片，周伟达接受采访时说道，要把语音技术产业做起来，思必驰要做更多的事情。其实，思必驰最早主要投入于 AI 算法中，为了技术落地以及给客户提供更好的服务，思必驰在不断地提供多个层面的解决方案。
【思必驰 CTO 周伟达：语音技术优先服务于 AIoT｜CCF-GAIR 2019】值得注意的是，本次演讲的专场主题为“5G + AIoT”，关于 5G 的进步发展对 IoT 的影响，周伟达在采访中表示：“未来接入 5G 之后，户内设备访问数据的能力会更加流畅，更加快速。”
对于户外设备，例如车载设备、地铁售票机等，周伟达认为，语音交互速度能够得到快速提升。将来，在带有语音交互设备的购票机上，大约会有 70% 的用户会选择语音购票，而不是用按键或者是用触屏。通过 5G 联网之后，未来户外设备会提供越来越多便捷的服务。
以下是周伟达在 CCF-GAIR 大会上的演讲内容，雷锋网对其进行了不改变原意的编辑整理：
思必驰创建于 2007 年，这十几年间一直在 AI，特别是语音交互方面从事技术研发，以及技术和内容的服务。

文章插图
语音技术在 IoT 领域面临的挑战
一、低功耗。我们要在耳机设备上做语音交互，做 Always on listening，这对功耗的要求非常高，这部分技术后面会做详细的介绍。
二、远场和高噪声。现在我拿着麦克风是近场的麦克风语音采集，在智能家居环境中，不可能总持着一个麦克风，或是带着麦克风跟设备进行语音交互。在智能音箱、智能电视和各种智能家电以及在各种户外场景中，我们希望人可以脱离手持麦克风，可以跟设备进行自然的、智能的语音交互。