亚洲一区二区三区无码久久,欧洲专线一区二区三区,久久久久久久综合狠狠综合

搜索

APP

起點課堂會員權(quán)益

職業(yè)體系課特權(quán)

線下行業(yè)大會特權(quán)

個人IP打造特權(quán)

30+門專項技能課

1300+專題課程

12場職場軟技能直播

12場求職輔導(dǎo)直播

12場專業(yè)技能直播

會員專屬社群

榮耀標(biāo)識

發(fā)布

注冊 | 登錄

從0開始搭建產(chǎn)品經(jīng)理AI知識框架：語音識別與合成

藍(lán)風(fēng)GO

2017-09-30

2 評論 13166 瀏覽 135 收藏

12 分鐘

AI PM認(rèn)知系列第三篇，字?jǐn)?shù)：2300+，速讀需4分鐘。

從早期蘋果的Siri，到最近國內(nèi)的智能音箱大戰(zhàn)，越來越多AI語音產(chǎn)品走入了大家的生活。

?近幾天我也在思考，相比已有更落地方案的計算機視覺技術(shù)，AI的語音技術(shù)在產(chǎn)品應(yīng)用中的本質(zhì)是什么？這個思考我也跟一些語音領(lǐng)域的專家探討過，而其中我個人的理解是：

AI語音技術(shù)的本質(zhì)，通過效率的提升，場景的便捷，重新定義了用戶體驗。

為什么我這么理解？那我們先來看看語音有哪些天然屬性：

提升效率：一分鐘400字的速度靠打字是無法超越的，所以特定行業(yè)，語音的技術(shù)可以大大的提升人機的效率。
操作便捷：解放了你的雙手，除了一些基本的操作，無需要每個字都操作鍵盤或點擊屏幕了。
學(xué)習(xí)成本：對于不認(rèn)字的老人和小孩，可以用語音來進(jìn)行檢索和進(jìn)行操作，對于不會拼音的人，也可以使用語音識別。

所以，以下AI語音相關(guān)的分享，會圍繞兩個方面：

語音技術(shù)：語音識別和語音合成
語音技術(shù)應(yīng)用和未來思考

1.語音技術(shù)：語音識別和語音合成

1.1?語音識別：ASK

語音識別（Automatic Speech Recognition）是以語音為研究對象，通過語音信號處理和模式識別讓計算機自動識別人類口述語言。

簡單來說，就是讓機器可以聽得懂人話。

其中比較核心的部分是語音聽寫：就是將語音信息轉(zhuǎn)化為文字信息。

中文語音聽寫的技術(shù)原理，如下：

說出一段話，比如：「產(chǎn)品經(jīng)理」，機器收到只是一段聲波信號。
進(jìn)行信號的預(yù)處理，如：降噪，消除回音…等。
特征提取，如：說了幾個字，音調(diào)是什么…等。
通過聲學(xué)模型匹配，輸出“音”：chan2,pin3,jing1,li3。（拼音舉例）
通過語言模型處理，最終得到文字：產(chǎn)品經(jīng)理。

而這里的特征提取，聲學(xué)模型和語言模型在技術(shù)實現(xiàn)上，有兩種方法：

傳統(tǒng)：隱馬爾可夫模型（HMM）
端到端：深度神經(jīng)網(wǎng)絡(luò)（DNN）

目前語音識別技術(shù)主要是通過DNN實現(xiàn)的，特定場景下最高可以達(dá)到97%的識別率。

1.2語音合成：TTS

語音合成（Text-To-Speech）是計算機將自己產(chǎn)生的、或外部輸入的文字信息轉(zhuǎn)變?yōu)榭梢月牭枚?、流利的漢語口語輸出的技術(shù)。

簡單來說，就是機器講文字朗讀出來。

中文的語音合成技術(shù)原理，如下：

先通過規(guī)則把一段文字分詞，如：我|愛|產(chǎn)品|經(jīng)理。
把這段文字進(jìn)行韻律的處理，標(biāo)出是發(fā)什么音。
根據(jù)語音庫的發(fā)音，進(jìn)行單元的拼接。
最后就可以播放出這段語音了。

目前主要實現(xiàn)是兩種方法：

拼接法：把錄音的句子切碎成基本單元存儲起來，再根據(jù)需要拼接起來。
參數(shù)法：通過錄音提取波形的參數(shù)存儲起來，早根據(jù)參數(shù)轉(zhuǎn)化為波形。

拼接法的優(yōu)點就是更自然，但是缺點是需要大量的錄音，和存儲。

參數(shù)法的優(yōu)點就是存儲小，但是缺點就是不夠自然，聽起來就是怪怪的機器發(fā)音。

另外谷歌發(fā)布的WaveNet是基于語音網(wǎng)絡(luò)使用生成算法制作而成的，相對于以前的拼接法、參數(shù)法，在聲音表現(xiàn)力上更具優(yōu)勢。

此外，語音合成的技術(shù)主要體現(xiàn)在四個方面：

表現(xiàn)力：不同年齡，性別特征以及語調(diào)，語速的表現(xiàn)，個性化。
音質(zhì)：聲音的清晰度，無雜音
復(fù)雜度：減少音庫的體積，降低運算量及系統(tǒng)開銷。
自然度：音律規(guī)則，間隔停頓。

目前的語音合成技術(shù)相對比較成熟，進(jìn)一步優(yōu)化的同時，大家的重點都放在了表現(xiàn)力上，以符合更多的場景應(yīng)用，滿足不同人對個性化的需求。

舉個例子：

前一段時間，我打車時候看到司機師傅使用高德的語音導(dǎo)航，語音合成用的是一個小朋友的聲音，我們就聊了起來，司機師傅說他才剛開始拉活，路不熟，他不喜歡郭德綱的聲音，話忒多，他用小朋友的聲音，一個是語速慢，另外一個是吐字清晰，不會因為聽不清楚走錯路。

這個就是在不同場景下用戶對于表現(xiàn)力的個性化需求，因人而異。

1.3產(chǎn)品應(yīng)用中涉及的語音相關(guān)技術(shù)

目前我們用微信語音或者是Siri時，都屬于近場的識別，而智能音箱，車載設(shè)備，機器人的語音都屬于遠(yuǎn)場識別，遠(yuǎn)場識別會受到，距離，噪音，混響…等問題，需要有其他的相關(guān)技術(shù)來配合完成，提高識別率。

麥克風(fēng)陣列：由一定數(shù)量的麥克風(fēng)組成，用來對聲場的空間特性進(jìn)行采樣并處理的系統(tǒng)。用于在會議室、戶外、商場等各種復(fù)雜環(huán)境下，解決噪音、混響、人聲干擾、回聲等各種問題。

麥克風(fēng)陣列又分為：2麥克風(fēng)陣列，4麥克風(fēng)陣列，6麥克風(fēng)陣列，6+1麥克風(fēng)陣列。

隨著麥克風(fēng)數(shù)量的增多，拾音的距離，噪聲抑制，聲源定位的角度，以及價格，都會上升，所如如何選擇要貼合實際應(yīng)用的場景，找到最佳的方案。

舉個例子：

獵豹小雅AI音箱，用的就是6+1麥克風(fēng)陣列，因為要針對360度的3-5米的場景中使用。而很多家電，比如電視機都是貼墻放置的，2麥克風(fēng)陣列的180度，就足夠使用了。

而兩者麥克風(fēng)陣列技術(shù)要求和價格相差數(shù)倍。所以對于產(chǎn)品落地來講，在提供解決方案的時候，選擇最優(yōu)的方案。

語音激活檢測：在用微信時候，你會點擊語音的按鈕，來讓語音開始識別。而在遠(yuǎn)場的時候，沒有辦法進(jìn)行相關(guān)的操作，所以需要判斷什么時候有語音，什么時候沒有語音。

語音喚醒：通過關(guān)鍵詞來喚醒你的語音設(shè)備，比如：嘿～Siri，這時候語音識別才開始工作。

語音喚醒難點在于，喚醒的響應(yīng)時間，功耗要低，喚醒的漏報和誤報率……等。

2語音技術(shù)應(yīng)用和未來的思考

目前的語音識別技術(shù)，相對成熟應(yīng)用還在近場語音：

而語音產(chǎn)品的未來方向的挑戰(zhàn)：

遠(yuǎn)場語音：智能家居，車載語音…等
語音理解：與機器交互更“自然”的溝通

未來遠(yuǎn)場語音的場景比想象的更為復(fù)雜，雖然語音識別的相關(guān)技術(shù)在智能音箱的家居場景下表現(xiàn)的還不錯，但家居環(huán)境畢竟相對安靜可控，但是其他的遠(yuǎn)場語音就沒有這么順利了。

例如：

車載識別，在開車的環(huán)境下太多噪音，發(fā)動機的聲音，打開車窗的風(fēng)聲，車胎聲，路面聲音，這些噪音都會影響到語音的識別。

而解決的方法，是要在識別之前，消除掉這些噪音，但這樣就會產(chǎn)生一個問題，那么多種聲音，機器怎么知道要消除哪些？保留哪些？

現(xiàn)在的方法是怎么做的？扛著個麥克風(fēng)，去各個車型里面錄噪音，然后把各種車，各種場景下的噪音給機器去學(xué)習(xí)，讓機器分辨出哪些聲音是要消除的。但不同環(huán)境，路面，不同的汽車發(fā)出的聲音又都不完全一樣，有大量的工作和太多不可控的情況。

將來如果想在更多場景，比如酒吧，體育場，就會更復(fù)雜，除了環(huán)境音，還有更多人說話，比如“雞尾酒效應(yīng)”，所以未來的語音之路，會面臨更多挑戰(zhàn)。

語音的理解就涉及到另外一個AI技術(shù)了“自然語言處理”，目的是與機器溝通時候，它可以更好的理解你的意思，并給出相對的判斷或反饋，避免像現(xiàn)在的聊天機器人出現(xiàn)的所答非所問，上句不接下句的情況，而有關(guān)自然語言處理，是一個更大的課題，也是AI目前的主要瓶頸之一，會再下一個分享中具體進(jìn)行討論。

以上就是我有關(guān)AI語音的分享，是AI PM認(rèn)知系列的第三篇，如果任何的疑問或建議，歡迎隨時溝通探討。