u010199413的专栏

工作人员齐整坐好，每个人都对着电脑全神贯注，一件又一件的“东西”在眼前划过，经过标准化处理就转到下一流程……这实际上是人工智能行业里的数据标注办公区一角。由于深度学习的研究方向，人力密集型的数据标注工作是推进人工智能技术落地的重要环节之一。很长一段时间以来，在过往AI的发展中数据的采集与标注行业没有过多地被关注，毕竟，与算法、算力这些高大上的东西相比，AI数据的生产总带着那么几分与AI技术的“科技感”截然不同的形象。然而，随着AI的发展走向纵深，更多人发现这是一个误解，AI数据产业正在向着高专业

疫情防控时期，声纹识别效用明显。随着人工智能对传统行业的赋能改造效果越来越显著，人们已习惯了应用人脸识别或是指纹识别技术完成支付、出行认证、考勤打卡等行为。但在疫情防控的特殊时期，口罩成为出门必需品，人脸识别技术难以发挥功能，而指纹识别，其手指接触认证的方式，更是因为接触传播病毒的风险而变得不安全起来。相比之下，声纹识别技术以其安全性与便捷性，成为身份认证方式强有力的武器。声音通过空气...

近日，一份来自大西洋彼岸的报告成为很多人关注的焦点。这份由美国知名投资机构Mangrove Capital Partners发布的《2019年语音技术报告》（以下简称报告）指出：2025年语音经济规模或将达1万亿美元，正式超过移动应用经济。人们早已经捕捉到了某种信号。过去几年，谷歌、微软、亚马逊、百度等全球科技巨头纷纷押注语音赛道，投影在人们面前的是接踵而至的明星语音产品——Echo智...

1. 什么是语音交互？语音交互（VUI）指的是人类与设备通过自然语音进行信息的传递。一次完整的语音交互需要经历ASR→NLP→Skill→TTS的流程：（1）ASR用于将声学语音进行分析，并得到对应的文字或拼音信息。语音识别系统一般分训练和解码两阶段：训练即通过大量标注的语音数据训练数学模型，通过大量标注的文本数据训练语言模型； 解码，即通过声学和语言模型将语音数据识别成文字。...

接下来我将从这几方面进行展开：了解语音全流程框架 意图的组成部分 多轮交互一、语音全流程框架图首先，简单说一下语音交互的全流程的概念：ASR（Automatic Speech Recognition）：接收音频返回字符串，可以根据不同的场景模式来定制ASR，比如智能冰箱语音ASR要更多的优化菜品种类等相关词语的识别，车载语音ASR就要更加关注有声内容的识别以及控制相关的词语识...

01 语音交互的组成我们以一个智能音箱的例子来开始今天的讨论：假设我们对智能音箱天猫精灵说“放一首周杰伦的《晴天》”。天猫精灵就会说“好的，马上为你播放周杰伦的《晴天》”，并且开始播放音乐。这个过程猫精灵都做了些什么？首先，天猫精灵把听到的声音转化成文字，然后理解内容，最后做出相应策略，并把响应策略转化成语音。因此，语音交互就可以成以下这三个模块：语音识别（Aut...

从Siri 、Amazon echo Alexa、google home 、小冰、国内的叮咚、天猫精灵、小爱同学以及各种你听说过的，没听说过的。然而，随着技术的进步，语音交互将运用到越来越多的场景：2017年5月10日，微软Build大会发布智能音箱Invoke， 2017年6月6日，苹果WWDC发布HomePod， 2017年7月5日，上午10点，百度AI开发者大会发布DureOS开放平...

近年来随着互联网、GPU/CPU硬件的发展，语音识别的准确率有了很高的提升，并开始在商业上进行应用。不管是国内百度的小度助手，还是Google Assistant、亚马逊Alexa，早已不再满足于“语音助手”的身份，在功能上开始向语音对话、内容服务、IoT设备管理等方向演进，几乎所有的互联网巨头都对语音势在必得。人工智能慢慢步入了我们的生活，为我们带来便利的工具值得去挖掘。语音识别技术在房产市...

随着语音识别技术和自然语言理解技术的不断突破，电影当中人与计算机设备通过自然语言进行交互的方式已经成为现实，语音交互的革命正席卷而来，影响着我们每个人的生活。然而，在科研技术成果向现实应用场景转变过程当中（尤其是在多轮连续对话的情况下），智能设备的表现往往差强人意，很多问题并不是依靠技术就能解决的。于是，出现了语音对话界面设计的概念。如今，越来越多的电子设备开始支持通过自然语言/语音与...