近年來，圍繞著人工智能的創(chuàng)業(yè)團(tuán)隊(duì)如雨后春筍般出現(xiàn)，作為與智能產(chǎn)品進(jìn)行交互的新興方式，語音技術(shù)也被日益重視起來。不管是智能車載、機(jī)器人、還是智能家居，都將語音視作打開市場的重要利器。除谷歌、亞馬遜、微軟等巨頭的重點(diǎn)布局，國內(nèi)科大訊飛、云知聲、思必馳等智能語音相關(guān)公司也都相繼進(jìn)入大眾視野，并在短短幾年的時間內(nèi)得到迅速發(fā)展。

成立于 2015 年 9 月并在同年 10 月份獲得千萬元天使投資的問之科技，也在這樣的趨勢下成為了智能語音領(lǐng)域里的新秀。該公司的創(chuàng)始人兼 CEO 翟魯峰曾負(fù)責(zé)阿里語音和圖像的算法團(tuán)隊(duì)、盛大語音合成團(tuán)隊(duì)，公司其他核心團(tuán)隊(duì)成員也均是來自阿里、盛大等公司的語音技術(shù)專家。

目前，問之科技主要為 B 端客戶提供語音交互、語音理解、語音合成一站式的整體解決方案，并聚焦在機(jī)器人、智能家居這兩個領(lǐng)域。

翟魯峰表示，語音技術(shù)難以通過接入簡單開放云 API 的形式滿足家庭產(chǎn)品的需求，他們希望做的是，用業(yè)界前沿的技術(shù)配合對家庭智能產(chǎn)品場景的理解提供個性化的方案，打磨出限定場景下精準(zhǔn)流暢的語音交互。

通過跟客戶一起對產(chǎn)品的不斷調(diào)試優(yōu)化，解決語音對話反應(yīng)慢、不流暢等一系列問題，為產(chǎn)品打造個性化定制語音

與機(jī)器對話不流暢、準(zhǔn)確率低、不夠智能等缺點(diǎn)一直以來都為大家所詬病， 直接導(dǎo)致語音使用率的普遍偏低。為解決這一系列的問題，問之科技自主研發(fā)相應(yīng)的技術(shù)并給出了以下解決方案：

通過加強(qiáng)版靜音檢測模塊，讓機(jī)器能及時被喚醒或響應(yīng)；多模塊協(xié)作以支持人機(jī)對話時的隨意打斷；Oneshot 喚醒 + 識別一把說讓交互更流暢。

問之遠(yuǎn)程拾音模組

在打造個性化語音方面，問之提出了「語音 DNA 」的概念，使得機(jī)器能夠越來越「懂」它所服務(wù)的對象，以提高適配程度、以及識別的精準(zhǔn)度。針對不同的使用場景具備應(yīng)有的特點(diǎn)：

? 用戶個性化：能夠記憶并適配用戶習(xí)慣

? 開發(fā)者個性化：一個引擎支持多個開發(fā)者模型

? 場景個性化：提供語義場景指導(dǎo)語音訓(xùn)練，修正語音識別結(jié)果

在個性定制語義的方面，問之提出了針對場景的 Aison 文法，能夠克服機(jī)器普遍短時記憶的問題，長時記憶用戶信息，實(shí)現(xiàn)多倫對話，甚至主動引導(dǎo)用戶提供關(guān)鍵信息，以在用戶下達(dá)單點(diǎn)模糊指令的情況下，進(jìn)一步確保任務(wù)執(zhí)行的準(zhǔn)確度。另外，其實(shí)時增量索引的功能使語義能即建即得。

通常，相對于無法支持大規(guī)模深度神經(jīng)網(wǎng)絡(luò)計(jì)算的傳統(tǒng)離線語音識別，基于神經(jīng)網(wǎng)絡(luò)的在線語音識別效果更佳，但也會容易出現(xiàn)延遲、不穩(wěn)定等問題。為此，問之研發(fā)了首款基于語音神經(jīng)網(wǎng)絡(luò)（DNN）芯片加速的離線語音識別，讓家電控制靈活且更穩(wěn)定、精準(zhǔn)，實(shí)現(xiàn)本地端喚醒、云端識別。

除了技術(shù)，就是能跟客戶走得更近、響應(yīng)更及時

目前，問之科技已與南江、棠棣、ROOBO 等上十家機(jī)器人、智能家居公司合作，提供相應(yīng)的語音服務(wù)或共同打磨語音解決方案。

最近，問之科技已與部分智能家居領(lǐng)域的物聯(lián)云進(jìn)行了戰(zhàn)略性的合作，進(jìn)一步打通了技術(shù)壁壘，通過語音交互，語義理解，物聯(lián)控制來為智能家居的用戶提供語音控制，生活平臺等服務(wù)。這樣一來，智能家居的使用便利程度也能得到相應(yīng)的提高。

從翟魯峰的描述中，深圳灣（公眾號 ID：shenzhenware）了解到，廠商在挑選語音技術(shù)合作方時，首先會了解語音和語義方案的特點(diǎn)，包括整體效果體驗(yàn)、延遲、模型數(shù)據(jù)量等，其次進(jìn)行內(nèi)部識別率評測，并考察方案是否符合本公司業(yè)務(wù)場景，最后，合作方是否愿意配合語音模型的訓(xùn)練也是其中一個非常重要的考慮因素。

「事實(shí)上，基于簡單問答的語義技術(shù)門檻并不十分的高，但從長遠(yuǎn)來看，隨著服務(wù)量大增，語音技術(shù)越是通用化（語音越來越接近人），技術(shù)也就越難，終究還是需要專業(yè)的團(tuán)隊(duì)做這樣的事情。」翟魯峰表示，目前，問之的語音技術(shù)訓(xùn)練時長已超過上萬小時，擁有上億條問答數(shù)據(jù)。除了深度個性化方面的能力，能夠與客戶走的更近、及時共同打磨出與產(chǎn)品相匹配的解決方案，是他們贏取客戶的重要法寶。（本文作者：Jes @深圳灣）■