赞助本站
据行业预测，中国智能语音产业规模将达到101.4亿元。而智能语音产业的快速发展，将带动智能家居、智能汽车以及智能穿戴设备等相关领域市场规模增长上千亿元。
智能语音市场规模得以如此神速扩张，并且应用到多个领域，这必然离不开智能语音技术的不断突破。那么，我们当前的语音技术达到了什么地步?换句话说，能够实现什么样的人机互动效果呢?
以欧拉蜜团队为代表，我们一起来看看这些年国内智能语音行业的技术突破。
技术门槛高，首先得保证语音识别准确率
中国的语音识别研究起始于1958年，由中国科学院声学所利用电子管电路识别10个元音。虽然与国外语音识别研究起步时间同步，但由于当时条件的限制，随后一段时间内技术的进展较为缓慢。
最初，我国语音技术的研究一直以学术界为主，随后才有企业逐渐涉足这个领域。由于语音识别技术准入门槛高、人才稀缺，经过多年研究与探索，一些国内企业终于在这个行业冒头，形成了“一超多强”的局面。
欧拉蜜团队在智能语音方面的研究已达5年。初期，欧拉蜜以设计出一个中文理解能力超越Siri的智能语音助理为目标，开始投入人工智能相关研究领域，而长远的目标则是致力于提供全方位的人机交互解决方案。
这5年里，欧拉蜜攻破了不少技术难关。首先要解决的，就是语音识别的精准度。
语音人机交互面临着多重技术难题。例如，人声距离不能过远、发音要标准、环境要安静、不能持续对话、不能被打断……
(欧拉蜜开发套件拾音测试视频截图)
欧拉蜜团队重点解决了这些语音识别方面的问题。目前，欧拉蜜的人声识别准确度高达90%，并且可实现超远距离识别(最远可准确识别距离8米的人声)。
同时，欧拉蜜团队研发了具有强抗噪能力的语音识别技术与核心算法，包括语音活性检测(Voice Activity Detection | Speech Activity Detection)，回声消除算法(AcousticEcho Cancellation)，噪声处理算法(Noise Reduction & Cancellation)，混响处理算法(Reverberation)等多项专利技术。
欧拉蜜还为企业用户提供深度定制服务，比如对儿童声音、嘈杂环境声音进行训练，可达到特殊要求下的语音识别高准确度。
难点在于自然语言语义理解和处理
“能穿多少穿多少”，这句话的意思，到底是要你“多穿”呢，还是要你“少穿”呢。同样的，中文语境下，类似的歧义句还不在少数。
例如，“中国队大败德国队”，不知是中国赢了德国，还是德国赢了中国;“小王跟我请了假”，不知是小王向我请了假，还是小王和我都请了假……那么，在这种歧义的语境下，我们需要更多的信息来明确原句的意思。
比较常见的NLP/NLU现有技术与方案有这么几种。一是基于关键词和简单规则，但这样误抓率高、歧义多，无法精准抓取参数;二是基于ASR语法的扩展，但这种方式描述能力有限，可扩展性较低;三是基于统计的句法分析算法，这种算法准确率与性能不够高，且不易处理上下文问题;最后呢，是处理语法扩展的编程，但这种程序复杂度很高。
那么，欧拉蜜是怎么解决这个问题的呢?
欧拉蜜团队自主研发的语法描述语言(Syntax Language)，可用灵活的规则来描述说法。同时，依托可全文检索的结构化知识库，辅助确定语法参数的合法性，消除歧义。
欧拉蜜采用了结合规则和统计的有机算法、时间和数字识别技术、以编译器技术动态解析和匹配规则，能够实现多维度的上下文支持能力，准确理解用户的表达意图。