公司簡介：科大訊飛股份有限公司成立于1999年，是一家專業(yè)從事智能語音及語言技術(shù)、人工智能技術(shù)研究，軟件及芯片產(chǎn)品開發(fā)，語音信息服務(wù)及電子政務(wù)系統(tǒng)集成的國家級骨干軟件企業(yè)。作為中國智能語音與人工智能產(chǎn)業(yè)領(lǐng)導(dǎo)者，在語音合成、語音識別、口語評測、自然語言處理等多項技術(shù)上擁有國際領(lǐng)先的成果。
當今年3月5日兩會工作會議進行網(wǎng)絡(luò)直播時，首次用機器替代人，將李克強總理的現(xiàn)場報告實時轉(zhuǎn)寫成文字，自動同步。這個人工智能技術(shù)來自科大訊飛研發(fā)的“訊飛聽見”，準確率在95%以上。
“訊飛聽見”還為兩會期間安徽代表團會議提供全程轉(zhuǎn)寫服務(wù)，21場會議205位代表的發(fā)言同步轉(zhuǎn)寫成文字，在會議結(jié)束時，即刻打印成稿，代表能進一步深入討論，會議也能立刻存檔。
語音技術(shù)“集大成者”
“2013年，當深度神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到語音識別領(lǐng)域時，猶如給語音識別實用化安裝了加速器，直接引發(fā)了今天各類語音識別應(yīng)用的大爆發(fā)。”科大訊飛聽見科技政企業(yè)務(wù)線總監(jiān)洪源說。
兩年后，在2015年底的公司年度大會上，聚焦在智能語音技術(shù)和信息服務(wù)的科大訊飛迅速推出“訊飛聽見智能會議系統(tǒng)”，這是全球首個會議實時轉(zhuǎn)寫系統(tǒng)。
洪源形容，聽見智能會議系統(tǒng)是“核心語音技術(shù)的集大成者”——因為它包含了迄今為止人類最關(guān)鍵的語音人工智能技術(shù)，像自然語言處理、聲紋識別、語音識別、語音轉(zhuǎn)寫引擎、口語風格處理等。
在這中間，語音識別讓機器“聽懂”人類的語音，將語音中的文字信息提取出來，相當于給機器安裝了“耳朵”；自然語言處理能“理解”語言，讓機器有了思維，具備翻譯、信息檢索的能力；語音轉(zhuǎn)寫引擎將持續(xù)語流轉(zhuǎn)寫成文字；聲紋識別能分辨說話者；口語風格處理能處理口語詞、猶豫詞、重復(fù)詞，讓轉(zhuǎn)寫的文字更流暢簡潔……
在系統(tǒng)推出的最初兩個季度中，洪源和同事深入一線，讓產(chǎn)品與政企市場充分磨合。在經(jīng)過數(shù)次迭代后，系統(tǒng)現(xiàn)在基本能滿足客戶在各種場景下的典型需求，趨于穩(wěn)定和標準化。
中歐商學院的選擇
中歐商學院、馬云湖畔大學開學典禮、羅輯思維跨年演講、政企單位內(nèi)部會議……各類機構(gòu)正在采用聽見智能會議系統(tǒng)。
從用戶的共性需求中，洪源他們將應(yīng)用場景分為三類——會議、教學和演講。
在中歐商學院的辦公會議中，發(fā)言能實時轉(zhuǎn)寫為文字，會議結(jié)束即可同步出會議紀要。利用會議回溯功能，點擊會議紀要的某部分，錄音會自動回溯到相應(yīng)音節(jié)，方便修正和查找重點。
在北京聯(lián)合大學特殊教育學院的教學中，課堂語音能實時轉(zhuǎn)寫成文字，讓聽力障礙學生群體也能像正常學生一樣獲取信息；在課后的課件制作中，字幕能自動轉(zhuǎn)寫，不再需要人工聽錄音、做錄入。
在羅輯思維跨年演講中，現(xiàn)場語音被實時轉(zhuǎn)寫成文字，同步在“得到”APP上做圖文直播，不在現(xiàn)場的觀眾也能獲取第一手信息。
在這些典型場景下，用戶也有著“言必談安全”的需求，科大訊飛提供了離線部署方案。一種是軟硬件一體的單機版。這是科大訊飛與合作伙伴研華科技一起形成的高集成化、能支撐語音識別核心引擎和服務(wù)的一體化方案，適用于單個會議室。另一種針是對智能樓宇多個會議室的網(wǎng)絡(luò)版部署方案，服務(wù)器可部署在客戶機房，統(tǒng)一管理。
因為智能會議系統(tǒng)解決了客戶的業(yè)務(wù)痛點，同時顧及政企市場對安全的要求，中歐商學院管理層甚至向來學院學習的全球行業(yè)精英推薦該系統(tǒng)。
現(xiàn)在，該系統(tǒng)正在政府機構(gòu)、高等教育機構(gòu)、大型企業(yè)展開全面布局。
推進“智慧檢務(wù)”建設(shè)
不僅通用場景，公檢法垂直行業(yè)也迫切想要利用人工智能改善核心工作環(huán)節(jié)的痛點和效率。
在今年全國檢察長會議中提出要加快“智慧檢務(wù)”建設(shè)。基于訊飛聽見打造的聽見智能會議系統(tǒng)、訊（詢）問筆錄系統(tǒng)、檢務(wù)語音輸入法、雙語教學平臺，正在檢察機關(guān)日常辦公會議、審訊、雙語培訓(xùn)等場景下探索深度應(yīng)用。
安徽省人民檢察院檢委會辦公會議應(yīng)用聽見智能會議系統(tǒng)，實時記錄會議委員的發(fā)言和意見。
聽見的訊（詢）問筆錄系統(tǒng)也在安徽、浙江、江蘇、北京、新疆、西藏等17家檢察院，在涉黑、非法吸收公眾存款、妨礙公務(wù)、盜竊、貪污等30種不同案件類型中試用。在審訊過程中，首創(chuàng)的麥克風陣列技術(shù)定制硬件加軟件一體化方案，實現(xiàn)審訊室遠距離拾音、自動降噪及說話人分離功能，讓辦案過程全程留痕、精準回溯，有效固定關(guān)鍵證據(jù)。系統(tǒng)還可通過與錄音錄像第三方系統(tǒng)對接，實現(xiàn)“遠程提審”創(chuàng)新模式。
安徽、浙江、新疆三省的檢察院還在辦公辦案中試用聽見檢務(wù)語音輸入法。它能在各種終端設(shè)備上，將口述內(nèi)容自動轉(zhuǎn)為文本，借助針對檢務(wù)語音資源的定制優(yōu)化，實現(xiàn)最快1分鐘可識別400字，相比傳統(tǒng)方式快3~5倍，讓工作高效便捷。
在新疆自治區(qū)人民檢察院及新疆兵團正試點應(yīng)用聽見維漢雙語翻譯及雙語教學平臺。在審訊場景下，它實時將維漢互譯，還將語音轉(zhuǎn)換成維漢對照筆錄，掃除語言交互障礙，縮短案件審理周期。雙語教學平臺還提供精品學習課件，供民族檢察官自由學習。在新疆檢察官學院，每年有1300多檢察官參與學習，舉辦50多場主題會議。在教學培訓(xùn)和主題會議上，雙語互譯平臺讓不同民族檢察官能輕松交流和學習討論。
正在發(fā)生的未來
“我們要開會了。”伴隨用戶的一句話，會議室的燈光、音響、窗簾、空調(diào)、投影儀、幕布等設(shè)備會自動調(diào)節(jié)到會議模式。這是在聽見智能會議系統(tǒng)基礎(chǔ)上，科大訊飛在今年3月推出的“自適應(yīng)語控智能會議系統(tǒng)”。
通過自然的語音交互，會議系統(tǒng)告別了傳統(tǒng)模式下會前手動調(diào)試設(shè)備的不便，化繁為簡。在會議中，麥克風能根據(jù)發(fā)言者的聲音大小、外部噪音強弱自動調(diào)節(jié)增益，不用再像過去那樣“人去配合麥克風”。“技術(shù)很炫，也解決了我們的痛點。在此之前，真沒有什么好辦法解決這些問題。”客戶對洪源反饋說。
“這是公司愿景‘用人工智能建設(shè)美好世界’驅(qū)動的。”洪源說，“期望人工智能技術(shù)為政企市場創(chuàng)造自然舒適的會議體驗。”
與此同時，2016年底，訊飛聽見融合多語種翻譯技術(shù)，推出聽見智能會議系統(tǒng)的實時翻譯和語音轉(zhuǎn)寫新功能，將中文演講實時翻譯成英語、日語、韓語和維吾爾語并同步展示在大屏幕上。在2017年美國CES展分論壇中，這個人工智能技術(shù)在現(xiàn)場充當了“一名翻譯”。
“語音轉(zhuǎn)寫是個全新市場，我們對它非常樂觀。”洪源說，“但這塊蛋糕能做多大，有賴于我們對應(yīng)用場景的探索拓展、技術(shù)提升等因素。”
科大訊飛還在進一步提升語音轉(zhuǎn)寫技術(shù)，這包括優(yōu)化識別效果、方言識別、分段效果，它們可提升轉(zhuǎn)寫文字的可讀性；還包括提升關(guān)鍵詞提取與主題提取技術(shù)，便于用戶提煉價值信息；還有多語種翻譯技術(shù)，讓國際會議交流無障礙。
這些技術(shù)結(jié)合市場的探索，聽見系統(tǒng)將實現(xiàn)神機妙用。
這篇案例收錄在《物聯(lián)網(wǎng)·智慧城市創(chuàng)新2017案例精選集》，了解更多案例，請訪問http://select.advantech.com.cn/whitepaper2017/
掃描下方二維碼，完成注冊，獲取紙質(zhì)檔。
