2017-智能语音语义发展趋势概述PPT课件
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
4
语音识别“鲁棒性”问题显著
在生物学中，有个术语叫做“鲁棒性”，是指系统在扰动或不确定的情况 下，仍能保持它的特征行为。这一问题在语音识别领域也存在。
语音识别整个过程包含语音信号处理、静音切除、声学特征提取、模式匹 配等多个环节。由于语音信号的多样性和复杂性，系统只能在一定限制条 件下才能获得满意效果。在真实使用场景中，考虑到远场、方言、噪音、 断句等问题，准确率会大打折扣。目前业内普遍宣称的97%识别准确率， 更多的是人工测评结果，只在安静室内的进场识别中才能实现。
6
语义分析仍是浅层处理
词义消歧是NLP技术的最大瓶颈。机器在切词、标注词性、并识别完后， 需要对各个词语进行理解。由于语言中往往一词多义，人在理解时会基于 已有知识储备和上下文环境，但机器很难做到。虽然系统会对句子做句法 分析，可பைடு நூலகம்在一定程度上帮助机器理解词义和语义，但实际情况并不理想。
目前，机器对句子的理解还只能做到语义角色标注层面，即标出句中的句 子成分和主被动关系等，它属于比较成熟的浅层语义分析技术。未来要让 机器更好地理解人类语言，并实现自然交互，还是需要依赖深度学习技术， 通过大规模的数据训练，让机器不断学习。当然，在实际应用领域中，也 可以通过产品设计来减少较为模糊的问答内容，以提升用户体验。
11
C端应用：变革交互方式，需求和体验是关键
汽车 由于人在车内双手和双眼被占用，而需求又十分明确，因此智能语音成了 这一场景下最合适的交互方式。 智能语音在车内的应用主要以车载导航为主，辅以查询和用车。对于业界 热炒的“以语音为入口连接各种服务，从而构建车联网生态”的畅想，目 前看来还距离较远。核心困难在于，整个行业尚未找到车内场景下用户的 刚性、高频需求。或许等到自动驾驶汽车普及之后，人的双手双眼以及大 脑解放出来，才有条件搭建包含各种服务的车内生态。 对于涉足汽车领域的语音企业来说，当前最重要的是，把导航等刚性需求 的体验做到位，再去考虑如何延伸服务。
智能语音语义 发展趋势
语音识别作为人工智能发展最早、且率先商业化的技术，近几年来 随着深度学习技术的突破，识别准确率大幅提升，带动了一波产业 热潮。继科大讯飞、捷通华声之后，行业内又涌现出思必驰、云知 声、出门问问等后起之秀，在教育、客服、电信等传统行业之外， 开辟出了车载、家居、医疗、智能硬件等语音技术应用新天地。
以问答和聊天为服务形式，智能语音语义在多个使用场景和行业领域都 有广泛应用，我们可以简单从C端和B端两个方向分别来看。
C端应用方面，主要用于移动设备、汽车、家居三大场景，用来变革原有人 机交互方式；B端则针对垂直行业需求，提升人工效率，比如帮助医生做电 子病历录入，或代替部分人力工作，比如回答大部分简单重复的客服问题。 由于两大领域解决的问题不同，因此遇到的挑战也各不相同。
2
技术篇： 语音识别和NLP 技术仍不成熟
智能语音语义
智能语音语义包含语音合成、语音识别和自然语言处理（NLP）三项主 要技术。 语音合成技术发展最早，应用已较为普遍，除了合成音仍偏机械之外， 基本不存在太大技术问题； 语音识别在2012年卷积神经网络（CNN）应用之后，准确率大幅提升， 已经在C端、B端得到了广泛应用，但效果和体验还不够理想； NLP技术虽然在搜索引擎中早有应用，但在人机交互领域仍属于浅层处 理。
从效率上看，语音在智能手机和各类软件上的应用主要以输入、搜索和 调取服务为主，输入信息量并不大，而且大多移动应用都是基于触摸和 文字做的交互设计，有文字推荐、按键选择等友好设置，因此原有交互 方式本身已经非常便捷，语音交互效果不好，容易出错，并不能很好地 提升效率。
目前，除了重度文字使用者，比如作家、记者、编辑等，对语音输入和 转化有着刚性需求，其他人使用语音更多还是在无法打字或不方便触摸 时，比如走路、开车等情况下。不过，随着语音识别和交互体验不断提 升，会有越来越多的人在移动端使用语音。
由于人工智能技术对数据依赖性极高，因此，这一领域的技术进步和产业 化推进是一种协同关系——通过工程化的方法提升技术效果和体验，从而 促进产业化应用，再根据实际应用中的数据和反馈，反过来推动技术实现 突破。那么，智能语音语义在产业化方面都有哪些应用领域，又存在哪些 问题？
7
应用篇： C端提升体验 B端提升效率
与此同时，自然语言处理（NLP）作为人机交互技术的重要一环， 也为此提供了助力。Siri的推出打开了语音交互的先河，不仅催生 了一批语音语义创业公司，还激发了百度、搜狗等大型互联网公司 在语音语义技术上的投入。
由于NLP和语义理解技术能够让机器理解人的意图和需求，并把相 应内容反馈给用户，因此在客服行业得到了广泛应用，有效降低了 人力成本，提高了企业运营效率。
要解决语音识别鲁棒性问题，需要在技术和产品两方面进行优化。 一方面，在语音增强、麦克风阵列以及说话人分离等多项技术领域持续投 入，并结合后端语义，促进对上下文的理解，从而提升识别效果； 另一方面，需要从产品设计上进行优化，比如通过进一步交互，使语音识 别变得更为准确。
5
语义分析仍是浅层处理
NLP技术大致包含三个层面：词法分析、句法分析、语义分析，三者之 间既递进又相互包含。
智能手机中的各类应用软件大多都配备了语音功能，但相比触摸和文字 交互，使用率也不算高。很多人仍然没有经常使用语音的习惯，或者还 没有使用语音的意识。究其原因，主要由于语音交互在效果和效率上都 不够理想。
10
C端应用：变革交互方式，需求和体验是关键
移动设备
从效果上看，语音在开放场景下识别准确率并不高。对于用户来讲，结 果不可预期，产生错误后纠错成本很高，所以宁愿打字。再者，用户在 手机端对于打字和触摸已经非常习惯，因此缺乏改变习惯的动力。
9
C端应用：变革交互方式，需求和体验是关键
智能语音为C端提供了一种全新的交互方式，但应用和普及又跟具体场景 和需求挂钩。目前，三大场景中，移动设备中的智能手机，以及车内语 音交互应用最为广泛。家居领域中，虽然各种家电企业也在广泛布局， 但实际使用情况并不理想。
移动设备
智能语音语义在智能手机和可穿戴设备中的应用不尽相同。可穿戴设备 虽然没有屏幕或屏幕较小，更适合语音交互，但大多（比如智能手表） 都是非生活必需品，本身销量就很有限，再加上一些可穿戴设备并没有 太多交互需求，因此实际应用量较少。
语音识别“鲁棒性”问题显著
在生物学中，有个术语叫做“鲁棒性”，是指系统在扰动或不确定的情况 下，仍能保持它的特征行为。这一问题在语音识别领域也存在。
语音识别整个过程包含语音信号处理、静音切除、声学特征提取、模式匹 配等多个环节。由于语音信号的多样性和复杂性，系统只能在一定限制条 件下才能获得满意效果。在真实使用场景中，考虑到远场、方言、噪音、 断句等问题，准确率会大打折扣。目前业内普遍宣称的97%识别准确率， 更多的是人工测评结果，只在安静室内的进场识别中才能实现。
6
语义分析仍是浅层处理
词义消歧是NLP技术的最大瓶颈。机器在切词、标注词性、并识别完后， 需要对各个词语进行理解。由于语言中往往一词多义，人在理解时会基于 已有知识储备和上下文环境，但机器很难做到。虽然系统会对句子做句法 分析，可பைடு நூலகம்在一定程度上帮助机器理解词义和语义，但实际情况并不理想。
目前，机器对句子的理解还只能做到语义角色标注层面，即标出句中的句 子成分和主被动关系等，它属于比较成熟的浅层语义分析技术。未来要让 机器更好地理解人类语言，并实现自然交互，还是需要依赖深度学习技术， 通过大规模的数据训练，让机器不断学习。当然，在实际应用领域中，也 可以通过产品设计来减少较为模糊的问答内容，以提升用户体验。
11
C端应用：变革交互方式，需求和体验是关键
汽车 由于人在车内双手和双眼被占用，而需求又十分明确，因此智能语音成了 这一场景下最合适的交互方式。 智能语音在车内的应用主要以车载导航为主，辅以查询和用车。对于业界 热炒的“以语音为入口连接各种服务，从而构建车联网生态”的畅想，目 前看来还距离较远。核心困难在于，整个行业尚未找到车内场景下用户的 刚性、高频需求。或许等到自动驾驶汽车普及之后，人的双手双眼以及大 脑解放出来，才有条件搭建包含各种服务的车内生态。 对于涉足汽车领域的语音企业来说，当前最重要的是，把导航等刚性需求 的体验做到位，再去考虑如何延伸服务。
智能语音语义 发展趋势
语音识别作为人工智能发展最早、且率先商业化的技术，近几年来 随着深度学习技术的突破，识别准确率大幅提升，带动了一波产业 热潮。继科大讯飞、捷通华声之后，行业内又涌现出思必驰、云知 声、出门问问等后起之秀，在教育、客服、电信等传统行业之外， 开辟出了车载、家居、医疗、智能硬件等语音技术应用新天地。
以问答和聊天为服务形式，智能语音语义在多个使用场景和行业领域都 有广泛应用，我们可以简单从C端和B端两个方向分别来看。
C端应用方面，主要用于移动设备、汽车、家居三大场景，用来变革原有人 机交互方式；B端则针对垂直行业需求，提升人工效率，比如帮助医生做电 子病历录入，或代替部分人力工作，比如回答大部分简单重复的客服问题。 由于两大领域解决的问题不同，因此遇到的挑战也各不相同。
2
技术篇： 语音识别和NLP 技术仍不成熟
智能语音语义
智能语音语义包含语音合成、语音识别和自然语言处理（NLP）三项主 要技术。 语音合成技术发展最早，应用已较为普遍，除了合成音仍偏机械之外， 基本不存在太大技术问题； 语音识别在2012年卷积神经网络（CNN）应用之后，准确率大幅提升， 已经在C端、B端得到了广泛应用，但效果和体验还不够理想； NLP技术虽然在搜索引擎中早有应用，但在人机交互领域仍属于浅层处 理。
从效率上看，语音在智能手机和各类软件上的应用主要以输入、搜索和 调取服务为主，输入信息量并不大，而且大多移动应用都是基于触摸和 文字做的交互设计，有文字推荐、按键选择等友好设置，因此原有交互 方式本身已经非常便捷，语音交互效果不好，容易出错，并不能很好地 提升效率。
目前，除了重度文字使用者，比如作家、记者、编辑等，对语音输入和 转化有着刚性需求，其他人使用语音更多还是在无法打字或不方便触摸 时，比如走路、开车等情况下。不过，随着语音识别和交互体验不断提 升，会有越来越多的人在移动端使用语音。
由于人工智能技术对数据依赖性极高，因此，这一领域的技术进步和产业 化推进是一种协同关系——通过工程化的方法提升技术效果和体验，从而 促进产业化应用，再根据实际应用中的数据和反馈，反过来推动技术实现 突破。那么，智能语音语义在产业化方面都有哪些应用领域，又存在哪些 问题？
7
应用篇： C端提升体验 B端提升效率
与此同时，自然语言处理（NLP）作为人机交互技术的重要一环， 也为此提供了助力。Siri的推出打开了语音交互的先河，不仅催生 了一批语音语义创业公司，还激发了百度、搜狗等大型互联网公司 在语音语义技术上的投入。
由于NLP和语义理解技术能够让机器理解人的意图和需求，并把相 应内容反馈给用户，因此在客服行业得到了广泛应用，有效降低了 人力成本，提高了企业运营效率。
要解决语音识别鲁棒性问题，需要在技术和产品两方面进行优化。 一方面，在语音增强、麦克风阵列以及说话人分离等多项技术领域持续投 入，并结合后端语义，促进对上下文的理解，从而提升识别效果； 另一方面，需要从产品设计上进行优化，比如通过进一步交互，使语音识 别变得更为准确。
5
语义分析仍是浅层处理
NLP技术大致包含三个层面：词法分析、句法分析、语义分析，三者之 间既递进又相互包含。
智能手机中的各类应用软件大多都配备了语音功能，但相比触摸和文字 交互，使用率也不算高。很多人仍然没有经常使用语音的习惯，或者还 没有使用语音的意识。究其原因，主要由于语音交互在效果和效率上都 不够理想。
10
C端应用：变革交互方式，需求和体验是关键
移动设备
从效果上看，语音在开放场景下识别准确率并不高。对于用户来讲，结 果不可预期，产生错误后纠错成本很高，所以宁愿打字。再者，用户在 手机端对于打字和触摸已经非常习惯，因此缺乏改变习惯的动力。
9
C端应用：变革交互方式，需求和体验是关键
智能语音为C端提供了一种全新的交互方式，但应用和普及又跟具体场景 和需求挂钩。目前，三大场景中，移动设备中的智能手机，以及车内语 音交互应用最为广泛。家居领域中，虽然各种家电企业也在广泛布局， 但实际使用情况并不理想。
移动设备
智能语音语义在智能手机和可穿戴设备中的应用不尽相同。可穿戴设备 虽然没有屏幕或屏幕较小，更适合语音交互，但大多（比如智能手表） 都是非生活必需品，本身销量就很有限，再加上一些可穿戴设备并没有 太多交互需求，因此实际应用量较少。