思必驰发布DUI平台，重磅嘉宾圆桌论道语音交互的现状及未来

前不久，在思必驰发布DUI平台的发布会上，由CSDN创始人蒋涛主持的一场圆桌论坛，各路语音语义届的高手云集，现场雄辩，不仅将自己的观点毫无保留倾囊相授，还在现场碰撞出激烈火花。

先来看看嘉宾阵容：

思必驰VP兼北京研发院院长，原阿里IDST语音团队负责人初敏
助理来也CEO 汪冠春
海知智能CEO 谢殿侠
声智科技CEO 陈孝良

为了将整个圆桌全程还原，AI科技大本营进行了不变动原意的梳理，希望对读者有所启发。

主持人：先请各位做一下简短的自我介绍。

初敏：我是初敏，思必驰这个大家庭新的一员，也是刚刚加入思必驰不久。但是我在这个行业还算是一个老的从业者，一直在语音，这两年也在做人机交互。我觉得加入思必驰最大的原因就是因为我们有着共同的梦想，认为智能的交互模式在未来会变得越来越重要。谢殿侠：我们是专注于语义理解的一家技术公司，通过自然语言理解和知识图谱的技术来做的。跟思必驰接触以来，也觉得是一个非常务实、接地气的公司。主持人：是哪一年创立的？谢殿侠：2014年。今年做这个DUI，价值观也是跟我们不谋而合的。陈孝良：我是陈孝良，来自声智。我们声智科技主要是做麦克风阵列为主的语音交互的前端，也做一些远场的语音识别。汪冠春：我是汪冠春。我是智能交互界的一个连续创业者，11年的时候，我们开始做个性化推荐技术，做过一个今晚看啥的产品，后来被百度收购的，后来又做智能交互、人机对话。15年离开百度，做了特定语义的助理公司。我们今天打造了一款最靠谱的智能秘书产品--小来。同时，也在其它几个垂直领域当中为我们的客户打造一些产品。主持人：我想问一下初敏，你在这个行当的时间也很久了，在微软研究院的时候也做过了。现在的语音交互，对话智能，现在在什么样的一个阶段？初敏：我是这样看的，你要单说单个的技术，其实每个技术都做了2、30年以上了，但是积累到今天，我觉得相对来说，也是天时地利人和都到这个点了。技术本身的效果已经开始呈现了。一个是技术本身，对深度学习，包括对数据的采集和获取的能力有变得很强了。从这点来讲，从技术本身来说，其实是因为有了数据驱动以后，才会有了机器学习。另外一个是试，我们今天做的很多的演示，我在很多年前，2000年前后，我刚进微软的时候就有了。你在电脑上做的所有的事情是很自然的。现在随着移动设备的普及，这种需求也变得很自然了。目前还没有看到一个真正特别成功的，我觉得这个规模还没到，我觉得在未来这2、3年里也可以起来。这也是为什么今天有这么多人对这个这么感兴趣的原因。不见得这么容易的原因是什么？它是一个大的系统的合成，不是某一个单元。这个技术要可以用在任何一个场景，在任何一款产品上都可以取得成功，这真的是一个系统工程。主持人：问一下孝良，你是做声学的，还是刚才那个问题，现在到了什么阶段了？陈孝良：可以从两个方面来说。从技术角度来说，声音学现在在语音交互里，理论性上也没有很大的突破。在技术领域上，和计算机学科这边也非常类似，原理跟以前也都是一样的。现在只是把一些原始的声学技术应用在其他的领域。在技术这个阶段来说，从有了之后到军工来去用，然后再到细分领域里，也在落地，但是也没有完全应用在整个产品中。从产品角度来说，声学在语音交互这个领域才刚刚开始。这里面也有很多的坑，我们比初敏老师还要悲惨一点，有很多坑还没有显现出来。
比较典型的是近场到远场以后，事实上现在很难说直接就可以捕捉到现场整个复杂的声源场景。主持人：就是远场获得的样本还不够？陈孝良：不仅是样本的问题了。涉及到远场的时候，很多是物理上的问题。如果去用数据训练的话又会有一些问题，我们到底应该是偏向于哪一个场景？比如说去做自适应，这也会带来一些问题，容易发散。发散的时候，你会发现，你做这件事情还不如不做，这都是一个矛盾体。中间的矛盾如何去解决？在这里还需要很多产业化的实践，需要不断的去打磨。我也非常赞同思必驰刚才提的观点，是不是真正把技术打造成可以适应这样一个规模化的生产。

这个技术事实上没有太多新鲜的，或者是没有什么太多实质性、理论性的东西。

主持人：要解决落地的问题？陈孝良：对，真正能上天，能带这么多人，我觉得还是要有一个质的差别。主持人：冠春讲一下，你们先披露一下数据量。汪冠春：我们是要打造一款最靠谱的智能助理，以前在百度的时候也做过语音助理这样的产品，但是留存是比较差的。今天，我们是有更好的技术了。但是，功能也收窄了。主持人：为什么留存比较差？汪冠春：一方面是语义的技术比较差。另外，用户对全能智能助理的期望值是比较高的。我们自己做的C端产品是小来，一个秘书可以帮你很好的安排所有的日程，把这个功能点做到极致，我就可以有留存。今天在C端的用户量上已经到了将近300万的级别。我们在为B端的合作伙伴输出的时候，也输出了服务，这个量级已经到了千万级了。主持人：有什么垂直类的服务吗？汪冠春：我们自己的秘书产品有日程安排、订咖啡、跑腿、差旅、出行。
我们还在输出智能化的服务，以及对应的技术，给到母婴、商旅、汽车等行业。主持人：现在的留存和应用的状况是什么样的？用户满意度、重复使用率到了什么阶段？汪冠春：C端现在每周可以做到将近70%。主持人：小秘的那个吗？汪冠春：对，秘书产品。主持人：这个数据是不是可以大规模的进行推广？汪冠春：你做窄的时候，用户群体就会变得更窄一点，全中国有秘书需求的用户还在千万级别，百万级别的用户量机在这个市场上也有一定的渗透了。初敏老师也提到了，智能助理，对话平台是一天天发展的。你要变成所有人都能接受的一个概念，或者是一个产品的话，我觉得还需要时间，也可能是一个个的垂直领域打造出来的。主持人：请问海知，你们是什么状况？谢殿侠：我们相当于2B，或者是2D，面向C端的用户。主持人：哪些是最活跃的？可以分析出来一些什么状况？谢殿侠：反过来说，就是定位。也像前面讨论的一样，在若干年前的时候，这些功能系统上都有。现在做产品、做工程，要取决于工程的门槛。从14年开始做的时候，我们也意识到一个问题，在相当长的时间之内，在语义理解这个层面，没有办法做开放的、通用的。所以，有时候我们也在想，要解决特定场景、特定用户的特定问题。现在在智能家居这个领域，你像天气、百科、音乐，甚至是小玩的词语接龙，这些也会更加的实际。
在开头的时候，我们公司的同事一看这么简单，有人愿意玩吗？主持人：什么样的词语接龙？谢殿侠：你说苹果，机器人就说果脯，就要同语、谐音，然后再有成语接龙，然后再复杂一点还有诗词接龙。主持人：挺有意思的，可以看到用户的量和留存吗？用户会持续去用吗？谢殿侠：不同的设备，不同的技能，可能会出现一些时间的波动，并没有出现稳定的、持续的、爆发性的增长。我们面对的是家庭。汪冠春：补充一下，今天在市场上有两股力量在发声。一个趋势是IOT、智能家具、可穿戴设备，这必须通过语音对话来做交互（刚性场景）。车萝卜这样一个产品的黏性应该是很好的，留存应该也是非常高的。当然，它也是一个非常特定的场景。另外一个比较大的趋势，来也作为抓场景的公司，我们也可以看到及时通讯这个平台在手机时代也变得非常普遍了，所有人都在用。用GUI APP很难捕捉到的服务、行业场景，在这个IM当中也可以很好的得到落地。举个例子，今天小来自己做了秘书化的这种服务，如果我真有一个秘书，我跟他的交互是很频繁的。在微信当中用社群的方式来做电商的、教育的、母婴类的。他们也会有很丰富的对话场景，这个时候不只是语音，语音只是一种模态了，它会有很多自然的对话，一边有问答的，一边也任务型的。在这种场景下，它的留存也是非常高的。主持人：有很大一个应用是智能客服，初敏老师在阿里做过，双十一的时候就有海量的客户需求。现在智能客服做到了什么程度？初敏：客服是大家最容易接受的场景，企业都要提供基本的客服，现在用IM这种形式的也越来越多了。在这种场景下，你就要雇多少人来培训，教他们。其实所有的服务都有一个自己的服务体系。如果用人教的时候，你看我有一个话术，训练人怎么去回答好问题。你每招一个新员工，他也不懂这些东西，都要一步一步的教下来。你只要被模式化过了，这部分的机器就比人的优势更大，回答反而就是一致性的。现在很多企业已经在实实在在的在用了。但是，还是不够理想。交互过程当中也会有一些障碍，包括识别、理解的对不对的问题。也可以看到，市场是非常大的。大家今天看重的，或者是大众感知的，是以端为入口的语音交互，但是对于一个企业，我觉得很多的是把自己的信息、自己的资源更有效的技术组织，然后变成一个智能的服务。一旦技术成型了之后，服务的环境会有很多。主持人：半人半机混合式的。初敏：不一定是今天理解的客服，而是说把很多信息，无论是介绍、推荐，各种都可以做到，这样的话也会非常有前期。主持人：非常好！这也是思必驰的一个目标。初敏：是的。主持人：冠春，思必驰这样一个生态对你的帮助是什么？汪冠春：我们跟思必驰的合作很早就开始了，我们想用到语音技术的时候，那个时候除了讯飞、百度，我们想选一个技术很好的公司的时候，我们就想到了思必驰，那是在2、3年前。今天有了DUI平台以后，我觉得来也跟思必驰的合作又再上升了一个台阶。我们今天做的小来这样一个秘书的产品是比较专的。自然语言对话有一个很大的特点是用户的需求很容易发散，虽然我的咖啡订的很好、日程安排的很好，但是用户偶然也会去问一下我今天的星座运势如何，如果一家公司全都去做的话，这就得变成谷歌、百度这样的公司了。今天如果有DUI的话，我就可以很容易的通过DUI来接入海知这样的能力，我一下就可以变得从一个只能做2、3件事情的秘书变成能做10件事情的秘书了，对于用户来说也是超预期的。而且，我自己投入的成本也不大。反过来说，无论是2C还是2B，在特定领域中做语义对话的智能处理的产品，我也可以通过DUI输出到其他的产品上。今天更多的是在IM的平台上，如果我想很快的跟智能硬件做集成的话，比如说让一个智能音箱上也有一个很靠谱的秘书，或者是在儿童机器人上让它具有母婴知识问答的能力，我就可以通过DUI的平台输出给做这方面工作的开发者。我觉得这对创业公司的长远发展也有很大的帮助。主持人：谢殿侠你怎么看生态这件事？谢殿侠：尤其是创业公司，要专业于细分领域，做得足够的专业，专业到在这个领域里你是做得最好的一家。这就意味着，大家做的工作是细分的，但是，用户的需求是延续的，在这种情况下意味着什么？就是开放合作。我们只做语义理解，我们不做语音识别、不做语音合成，也不做硬件，但是，如果要打造一个智能灯，这个光靠我的力量也不够，这就需要整个生态的力量。反过来，即便我们做了语义理解，我也不可能解决所有的问题。在这个层面上，同行加在一起来做，来提升用户的体验，这在技术发展的初期，在市场需求非常大的情况下，就可以联合起来，比单个自己去解决一个问题的话，带来的体验感也会更好一些。主持人：孝良你分享一下，我们进入到语音交互时代，这个生态会是什么样的？陈孝良：从前端来看，开放是一种必然。事实上有两种模态，有封闭，有开放的。很多还是喜欢做封闭的生态。之前的时候我们和思必驰也有合作。如何把合作推到更广的层面？从我们来说，还是很少能做出这种表率的。将来还会存在封闭的格局。很多公司，也有一些创业公司，也会走向一个封闭的生态。主持人：封闭的定义是什么？讯飞、百度算封闭吗？陈孝良：比如说亚马逊，比如说苹果，我们有很多公司。主持人：亚马逊算封闭？陈孝良：说苹果吧！亚马逊现在放在一个封闭的生态里最好一点。我们来看整个生态的时候，亚马逊对生态还是比较打压的。开放不只是说一个口号，这种胸怀是说，一些企业可以在里面共同发展，说俗一点就是共同去赚钱。
我们说一下汽车的生态，各家都在赚各家的钱，如果说你达不到相应的收益，这个生态也很难维持。从现在来看，我觉得亚马逊还没有做到真正的开放。封闭和开放还是会进行PK的，对我们来说，开放是占主导的。
在整个链条里，你造一家飞机，你是很难把控的，这是一个很长的链条。刚才大家也听到了，我们拿话筒的方式不一样，大家听的也会很累，放的稍微远一点，大家也听的累一点。我们要解决很多的差异性，这是一件很难的事情，而且你还要考虑所有的差异性，你才可以保证这个产品可以真正的落地。将来究竟是封闭还是开放？从我们的角度来说，我们肯定会把这个票投到开放这个生态里来。谢殿侠：我们不说格局、胸怀、道德、境界，我们就说企业的利益诉求。为什么在传统的互联网的商业生态里封闭取得了成功？是因为一个企业的力量足以把整个产业链全部抓在自己的手上，最后就取得了垄断效率，就取得了成功。
现在做的是语音交互，它不是人人交互，它是人和机器交互。语言到今天为止，人类的技术还没有办法让机器真正的懂人的语言。知识：你不仅要有语言，还要懂知识。到今天为止，我们并没有构建一个非常完善的人类的知识库。在这种情况下，我想就算是把地球上所有的公司加在一起的力量，可能也不一定在有限的3、5年把语言、知识的问题解决的。所以说，开放语言生态这会是一个必然的路子。主持人：问一下初敏老师，微软是一个大生态，后面还有移动生态，您觉得后续的语音交互时代的生态，包括思必驰也做过AIOS，我们也想做一个OS，会存在吗？或者说思必驰会成为一个OS的平台吗？初敏：其实我是这样看这个生态的，刚才各位也在讨论所谓封闭的、开发的，不谈别的，就谈利弊吧！苹果就是一个非常封闭的生态，它的全链路是自己控制的，所以运转起来就会更好，所以大家就会感觉，他的手机的体验的会更好一点。如果东西可控性好的时候，串联是容易的，难就难在，所有东西可控，其实一家是很难做到的，今天的矛盾也来自这里。在人工智能，其实也不光是语音交互，也是这样一个技术本身的难度也已经很高了。在这样的情况下，一家想打造的非常好，也会变得越来越难。所以，这个时候就要更倾向于开放的生态。
开放里的难处是什么？其实还是各家的衔接。在生态里不可以做衔接做的好好，就像飞机，或者是汽车一样，它是生态，但是实际上它还是有很多的标准。我们在这个领域里，我觉得要逐渐走出这样的形态之后，这个生态才可以真正的完善起来。
前两年，我们在阿里做的时候，也做了很多的落地工作，你碰到的不光是技术的问题，从对接来说，也会有很大的挑战。建生态，在生态的过程中，这不是简单的工作，一堆人来做就可以了。在这个过程中，所谓的平台就是来解决这样的问题。把一些东西规范一些，标准一些。无非是说，这个标准是我一家提的，还是从某一些联盟开始提的，我觉得这个发展趋势会是这样的。把一些模块化的东西做得逐渐清晰，把模块化串联的关系相对来说做得标准化。我们今天讲的生态更多的还是在讲技术。在座的刚才谈的很多也都是在技术核心上来说的。
从我自己的观点来说，这是一个发展的方向，但是也有一定的难度，就是最终这个生态如何串起来，真正的有效运转？这也面临着很大的挑战。主持人：在座的试过我们语音交互的产品吗？我想试过的比例应该不是很高。真正需要落地的话，还是需要技术、产品的突破，找到更好的场景。
刚才我也问了大华的梁总，他们也跟思必驰有合作，问他们合作的机器人到底怎么样？我自己也很关心，他说这个不是很重要，因为卖的不是很多（相比主营业务），但是他通过卖机器人得到的跟用户的交互，他说可以做到摄像头里去。我想请你们提一下，你看到的大规模落地的，产品也好，场景也好，在语音交互、对话这样一个场景下，有什么样的状态？汪冠春：我们这边更接地气一点，我举个例子，这个场景我们自己都没有完全做到，但是我觉得如果技术足够好的话，或者是AI、语音、对话、落地非常好的一个场景。在金融领域，今天有一个行业叫催收的行业，他们会有催收员打电话，他们会有一个列表，拿着这个列表去查用户的信息，就像侦探一样，其实也是在做用户画像搜索的分析，然后用语音电话的方式跟客户沟通。你用什么语音、语调、语气跟客户对话，这也是很关键的，对是否可以把这笔钱追回来也会产生很大的影响。AI如果真的很强的话，这个环节其实也可以大大提高催收员的效率，或者是替代一个不是很强的催收员。可能每天都会有几十亿的账被催回来，在这个行业也会有百万级的从业人员。如果有一个智能催收员，AI催收员的话也会解决很多的问题。主持人：很有意思的场景。陈孝良：我们比较关注产品，刚才张总也提到了，虽然我们现在的量不是最大的，但是我个人还是看好电视。在一个客厅里，电视还是有它的竞争优势的。在交互的时候，如果没有一个视频的画面去补充，互动信息的时候，我觉得有时候单纯的一个语音交互，它的留存度就不会那么高。音箱最重要的还是听音乐，听音乐还是基于任务去驱动的主持人：比较单任务。陈孝良：体现智能的地方不多。在电视里有一个很强的需求。现在的智能电视，首先要看这个摇控器，绝对是不好使的，按传统电视还可以，但是智能电视里你要找相应的内容，在海量的内容里去找也是很复杂的。如果是一体的电视，随着屏幕越来越薄，这个时候也会影响识别率，如果是分体式电视，有机顶盒，保证用户的体验在80分左右，我觉得对用户来说也会非常好，用户留在电视上的时间也绝对会超过其他设备。在汽车里也是一个，但是相对来说，最大的还是电视这个领域。谢殿侠：如果是场景的话，家庭场景在这一两年可能会有一个很大的爆发，比如说早上AI的闹钟，然后到日程提醒，这是你的私人秘书，晚上回家炒什么菜，会有菜谱，我吃什么，孕妇吃什么，吃完饭以后跟小孩一块玩一些游戏，或者是听听音乐，音乐也有智能，音乐的服务不是做一个语音查询，实际上它是可以懂你的，除了查询之外也可以给你推荐更适合你的音乐。现在看到的是音箱、电视、冰箱，刚好小米也在跟思必驰一起合作（音箱、电视），实际上，带点的设备都应该具备这种能力，台灯、洗衣机，要让产品的价格足够低，产品的特性足够高，然后再加上DUI，加上我们就齐活了。主持人：初敏老师你看好什么呢？初敏：我很难说看好单一的某一个东西，他们两位讲的是端，我觉得跟这个事情发生的节奏是有关的。第一，必须要有端，有了端以后才有语音。从端里，我其实蛮同意几件事的，第一个是车。家里如果是以客厅为中心的，这就是电视。如果大家更喜欢厨房的环境，音箱也会是一个中心。它起的作用是什么？我不相信家里的每一件电视都要跟它说话吧！但是要有语音控制。我觉得家里一定会有一个入口的东西，可能是一件或者是两三件，但是不可能说你家里有20、50个电视，每一个都要装上麦克风阵列，这是会疯掉的。
今天看起来，相对来说，我觉得客厅里的电视会更为唤醒一些。主持人：你们都不看好音箱吗？初敏：我是有一点保留看法的。如果想听音乐的话，这是最好的东西，如果讲入口，今天你推一个新入口，那是不用电视了，从某种角度来说。还有一个可能就是耳机，如果你的耳机可以跟所有的电器接通，这也是一个非常有潜力的东西，这是一个入口。在讲入口的时候，我们在背后要有足够多的服务让这个入口进去。其实最大的场景，后续是在那个地方。如果这个入口技术可以了，我起到入口作用的时候，主要是看我接入了哪些服务。
这个行业要起来是说，有了这样的入口之后你可以干什么，这才是最本质的，回到刚才的生态的话，这要有很多的服务，有很多2C的服务，也会有很多2B的服务，比如说客服，我的电视坏了，冰箱坏了，你是不是可以上门服务，然后3分钟就来了。我开车的时候就会说，路灯在哪里？我不知道。会有这样的问题，这些是不是都可以打通？这也是语音是否真的可以成为入口的一个原因。有了入口就要有内容，要有语音交互，可以访问到。这就需要有自然语音的各种技术，再就是数据的组织（会变）。今天的入口是搜索，这个东西是需要变的。一系列看过来之后，你才可以是一个全套语音交互的入口形态。主持人：总结一下。语音交互智能时代的基础键正在丰富、丰满中，但是真正的大规模应用、落地的场景，还需要各行各业的人加入进来，一起挖掘。就像当年PC之所以可以成为个人的工作平台一样，是因为取代了计算功能。苹果手机出来的时候，大家也不知道它可以干什么，有人就做了《愤怒的小鸟》给大家展示，原来还可以这么玩游戏。语音交互时代的实现，我觉得还需要时间，也需要思必驰去建设这样一个生态，去进行挖掘。但是，这也是一个必将到来的时代。我们也很高兴可以参加这样的一个讨论，也希望我们在未来的时候，可以看到各种的应用都可以丰富起来。

思必驰发布DUI平台，重磅嘉宾圆桌论道语音交互的现状及未来相关推荐

思必驰发布AI芯片，透视智能语音企业的商业化历程
2019 年 1 月 4 日,言由芯生--2019 年思必驰 AI 芯片暨战略发布会在京举行. 现场,AI 芯片作为重头戏展示了其低功耗.高性能的核心优势,同时,思必驰多视角解读了 2018 年所取成 ...
思必驰DUI集成指南
思必驰 DUI 平台官方网址: https://www.dui.ai/ DUI平台是什么? DUI是国内首个以对话为核心的全链路智能对话开放平台,全场景覆盖,提供海量内容资源,内置国内最专业语音技能库 ...
一边深耕场景化应用一边构建DUI生态，AI生态这盘棋思必驰要怎么下？
3月20日,思必驰在2018中国人工智能应用与生态峰会上荣获中国领先语音智能厂商的殊荣后,中国软件网独家专访到了思必驰CMO龙梦竹,就智能语音的发展.思必驰的应对策略以及备受关注的DUI开放平台等内容 ...
思必驰CMO龙梦竹：万物可沟通，万事可打理|量子位沙龙回顾
4月10日,量子位与中关村壹号联合主办的AI+线下沙龙-智慧城市的发展趋势与挑战在中关村壹号举办. 思必驰CMO龙梦竹.明略科技COO兼数字城市发展部总经理唐日新.旷视产品营销总监吕盟.澎思科技公共安 ...
思必驰携手博泰，共创智能汽车新声代
思必驰必将为用户努力提供拥有更加极致丰富的智能体验的语音交互产品,与博泰共同打造汽车智能语音新声代. 据数据显示,到2023年之前智能车载的渗透率将会超过50%.同时,智能语音交互也必然会汽车的标准配 ...
思必驰回复第二轮审核问询，如何与科大讯飞、阿里巴巴“虎口夺食”？
‍数据智能产业创新服务媒体 --聚焦数智 · 改变商业 3月21日,思必驰科技股份有限公司(以下简称"思必驰")更新上市申请审核动态,已回复上交所第二轮审核问询函,回复了涵盖关于实 ...
AWE2018观察：智能电视成黑马，思必驰获双料大奖
2018年3月8日至3月11日,AWE2018中国家电及消费电子博览会在上海举行.作为全球三大家电及消费电子展会之一,本届AWE2018吸引了800余家国内外知名企业参展,展示了家用电器.消费电子.智 ...
思必驰成立2亿基金，扶持DUI平台优秀开发者
AI科技大本营9月7日讯在思必驰大音希声发布会上,思必驰CEO高始兴正式对外发布DUI平台. DUI平台是为物联网.移动互联网还有互联网的开发者提供超高度定制更自由的对话定制的一个平台,它的本质定位 ...
【智能家居】设计一种语音控制识别规则模型---结合思必驰DUI平台
目录智能家具语音识别应用场景控制音乐播放结合思必驰DUI平台智能家居设备控制设备控制场景控制 DUI平台智能家居技能解析设计一个简单的语音控制流程语音匹配规则模型语音识别处理流程优 ...

思必驰发布DUI平台，重磅嘉宾圆桌论道语音交互的现状及未来

思必驰发布DUI平台，重磅嘉宾圆桌论道语音交互的现状及未来相关推荐

最新文章

热门文章