语音识别数据库成为了人工智能的核心（转发）

语音识别数据库、语音合成数据库是人工智能的关键技术，让机器能听会说、能像人一样的学习、理解和思考，成为人类生活和工作的得力的帮手、亲密的伴侣，一直是人类的梦想。随着近半

个世纪智能语音技术的进步和深度神经网络技术(DNN)的工程化应用，人类正不断的接近这个梦想，这个梦想也同时极大的驱动着智能语音技术的发展。最初，

人们只能让机器发出类似人的声音，比如18世纪后半叶欧洲人制造的Kempelen讲话机，它能说出有限的词和短句。经历了两个多世纪，现在的“聊天机器

人”不仅能以自然度很高的声音与人交流、还会调侃、卖萌。20世纪50年代AT&T贝尔实验室的Audry，它可以识别十个英文数字。现在，语音识别技术的自然语言识别正确率已经高于95%。

微软发布的“小冰”，和百度发布的“度秘”，再一次在人群中掀起人工智能和人机交互的热潮。

为了深刻的了解在“小冰”和“度秘”聪明伶俐、能听会说背后的秘密，记者专访了”北京海天瑞声科技有限公司”的CEO唐涤飞先生。作为国内、乃至亚洲最大的人工智能数据资源供应商，“海天瑞声”在语音合成(TTS)、语音识别(ASR)、自然语言理解(NLP)和机器翻译(MT)等技术领域的基础数据资源开发领域，积累了17年的专业经验。就智能语音基础数据资源而言，目前已经拥有116种语言、覆盖70多个国家和地区的数据资源制造能力。

小冰和度秘对人发出的指令的理解能力，比之前的语音助手表现要好很多。在百度世界大会上，面对李彦宏的种种刁难，度秘应对自如，不仅帮“厂长”在网上订

了

两杯拿铁，还订好了可以带宠物的餐厅，在网上团购了动画片电影票。那么，“小冰”和“度秘”能准确理解人的指令的提问背后的秘密是什么呢?

唐涤飞先生说，这是由于语音识别(ASR)技术和自然语言理解(NLP)技术的巨大创新和进步，从最初的 DNN 模型到现在的

LSTM 模型，从机器学习(ML)到深度学习(DL)，每次技术创新都给用户带来了全新的体验。不仅如此，在训练语音识别引擎中所使用的基础语音语料库，也是至关

重要的因素。在设计语料时，需要专业的语言学家根据特定语言的语言学现象，全面考虑语料领域分布、应用场景分布、语料时效性等因素，同时借助相应的NLP

处理技术和标注团队来确保数据库语料池的规模和结构科学合理、音素覆盖与平衡、句意完整、语义连贯、拼写正确且易读可懂，最后再按照发音人分布、口音分

布、文本分布、音素分布、场景分布等条件通过采用相应的算法如DTW动态规则算法对发音人的文本进行抽取形成特定发音的文本。

由于口音、年

龄、教育背景和生活地区的不同，不同的人表达同一个意思、问同一个问题，甚至说同一句话，都会有细微的千差万别。比如，在智能客服应用中，机器人不仅要听懂客户的话，还要能识别客户的情绪，比如，根据其情绪是焦躁还是平静，或根据客户情绪的变化，来判断他是变得生气了，还是慢慢消气了，而采取不同的处理优

先级和反馈方式。这就涉及要在训练语料中引入情绪因素。但目前小冰和度秘还不能完全做到这一点。

据唐涤飞先生介绍，为了让“小冰”能用自然甜

美流畅的声音说话，大规模的语音合成(TTS)数据库的设计和开发，从根本性上决定了用户对她的体验。在数据库的设计上，首先要选择年龄和音质合适的发言

人，她的声音要年轻、阳光、伶俐且充满活力。其次，在数据库的设计上，要充分考虑到语言和音素的全面覆盖，语料主要来自海量的聊天对话语料。为了强调小冰

是个有情感的小姑娘，她不仅会一本正经的说话，也会生气、卖萌，因此，需要在语料设计中增加很多口语化的句子和网络用语，甚至还有网络小说里的段落。同

时，还要有常用的英语词汇、中英混合词汇、数字串、地名等专用语料。在人的自然语言中，同一句话在不同的情境里，说出来的语调和韵律是不一样的。因此，在

语料设计中，还要考虑到这些因素。如此一来，语料库的规模往往就要在上万句甚至数万句。从某种程度上说，语音合成语料库设计的失败，会极大的抵消掉语音合

成技术的进步。

从小冰和度秘这样的聊天机器人，到真正的机器伴侣，人类还有一段很长的路要走，还有许多困难需要克服。她必须能更准确的听懂并

响应对她发出的各种指令，还要能“理解”人的情绪变化和情感需要，能进行

“思考“，从而为人提供更接近于真实的人的服务，包括情感支持和慰藉。在语言表达方面，也要更接近人类的真实情感和情绪的表达，要更自然流畅。造成这种困

难的原因当然是多方面的，唐涤飞先生从其中一个方面做了解释，那就是基础数据资源的缺乏和成本居高不下。如上面所提到的，为了让聊天机器人能够尽可能的听

懂、甚至真正能“理解”人的语言和情绪，对基础数据资源设计者和开发者，就提出了更高的要求。

（文章来源：网络整理）

语音识别数据库成为了人工智能的核心（转发）相关推荐

【人工智能】深度学习、数据库选择和人工智能的革命；人工智能是解锁IoT潜力的钥匙
深度学习(DL)和人工智能(AI)已经不再是科幻小说中遥不可及的目标,目前已成为了互联网和大数据等领域的前沿研究内容. 由于云计算提供强的计算能力.提出的先进算法以及充裕的资金,这创造了五年前难以想象 ...
明略数据吴明辉：人工智能的核心一定是大数据
对于很多开发人员而言,大数据应用的开发尚未上手,人工智能又已经泛滥,当前大数据公司也逐渐向人工智能靠拢.是否人工智能将成为应用的必要属性?开发人员应当如何透过现象直面技术本质并充实自身的技能?日前,明 ...
印地语自由对话语音识别数据库-200人
数据名称:印地语语音自由对话识别数据库-200人数据编号:King-ASR-323 数据制作:海天瑞声数据参数:16k, 16bit 录音通道:三通道录音平台:手机录音时长:303小时数据用 ...
为什么说算法不是人工智能的核心
问题这句话实际放在人工智能这一波浪潮里面是讲的通的,但放在每一个AI项目里,又似乎不太通了.懵了?我这里详细展开讲讲. 首先讲讲人工智能浪潮的核心当然,这波浪潮,大数据和算力爆炸是基础,但算法依然是 ...
人工智能的核心是“算法”，医生才是主角！
在智慧医疗与AI一直都是科技榜样的机器人沃森,备受大家的关注,也是热议的话题.医生是大数据的核心,如果没有专业的医生,一切数据都是起不到专业的价值,也就是说医生+数据才是最佳的拍档.其实,人工智能只有 ...
达沃斯群英纵论人工智能，核心观点汇总
AI科技大本营按:一年一度的世界经济论坛年会(达沃斯论坛)已经召开了3天,该论坛历年均会聚集全球工商.政治.学术.媒体等领域的领袖人物,讨论世界所面临的最紧迫问题.其中,"人工智能" ...
干货丨达沃斯群英纵论人工智能，核心观点汇总
概要:一年一度的世界经济论坛年会(达沃斯论坛)上,来自不同领域的精英纷纷发表了自己对于人工智能的看法. 一年一度的世界经济论坛年会(达沃斯论坛)已经召开了3天,该论坛历年均会聚集全球工商.政治.学术. ...
震撼上市！北朝鲜语对话语音识别数据库
北朝鲜语,是一种为朝鲜民族所使用的语言.值得一提的是,北朝鲜所使用的北朝鲜语与韩国所使用的韩语虽然是同一种语言,但无论是用词.发音,还是受外来语影响程度方面(北朝鲜语基本没有外来语,而韩语外来语如汉语 ...
手把手使用Android自带SQLite数据库（1）—— 建立核心文件
SQLite是一个软件库,实现了自给自足的.无服务器的.零配置的.事务性的 SQL 数据库引擎.详细介绍参见https://www.runoob.com/sqlite/sqlite-intro.htm ...

语音识别数据库成为了人工智能的核心（转发）

语音识别数据库成为了人工智能的核心（转发）相关推荐

最新文章

热门文章