愛數(shù)智慧CEO張晴晴分享多語種對話式AI技術(shù)及應用

2021-06-09 15:11:00來源：國際在線原創(chuàng)版權(quán)禁止商業(yè)轉(zhuǎn)載授權(quán)>>

圖片源自：國際在線

　　6月5-6日，由中國科學技術(shù)協(xié)會、中國科學院、中國工程院、浙江省人民政府指導，中國人工智能學會、杭州市人民政府主辦的2021全球人工智能技術(shù)大會在杭州召開。大會匯聚了來自世界各地的人工智能領(lǐng)域院士專家，共同為人工智能的發(fā)展建言獻策。本次大會采用線下線上同步直播方式，線上累計觀看超過1300萬人次，其中多語種智能信息處理專題論壇在線觀看人數(shù)超過61萬人次。

　　6日下午，在多語種智能信息處理專題論壇上，中國人工智能學會（以下簡稱：CAAI）多語種智能信息處理專業(yè)委員會正式成立。國務院參事、CAAI 理事長、中國工程院院士戴瓊海，CAAI 名譽理事長、中國工程院院士李德毅，中國工程院院士、新疆多語種信息技術(shù)重點實驗室主任吾守爾·斯拉木發(fā)表致辭。來自學術(shù)界、產(chǎn)業(yè)界的多位重磅嘉賓如百度CTO王海峰、科大訊飛研究院執(zhí)行院長劉聰、華為諾亞實驗室語音語義首席科學家劉群等帶來了精彩演講。

國務院參事、CAAI 理事長、中國工程院院士戴瓊海（圖片源自：國際在線）

　　愛數(shù)智慧創(chuàng)始人兼CEO張晴晴發(fā)表題為《多語種對話式AI技術(shù)及語料庫建設》的主題演講，介紹對話式AI技術(shù)的痛點，愛數(shù)智慧在多語種語料庫建設的應用。

愛數(shù)智慧創(chuàng)始人兼CEO張晴晴（圖片源自：國際在線）

　　多語種對話式AI技術(shù)面臨的痛點

　　對話式AI正在全面普及，在智能車載、智能家居、智能客服、智慧醫(yī)療、智能社交等場景中相繼落地。從技術(shù)角度看，對話式AI涉及語音識別、自然語言理解和語音合成等技術(shù)，要想通過這些技術(shù)實現(xiàn)人和機器更自然的對話，需要克服哪些難題？

　　日常生活中對話式口語和電腦打字交流最大的區(qū)別是，對話式口語會有語序顛倒、猶豫遲疑產(chǎn)生的停頓，多人同時交流甚至出現(xiàn)語句打斷、搶話、交疊音等復雜語音場景，這為AI建模帶來很大困難。

　　隨著全球文化進一步交流與融合，外語詞匯夾雜到母語中現(xiàn)象愈發(fā)頻繁，對話式口語在車載導航、音樂檢索等場景中存在多語種混合表達問題，比如“播放Taylor Swift的love story”等對話語句夾帶個別英文單詞或英文縮寫。針對這些技術(shù)難點，愛數(shù)智慧從聲學角度進行非母語發(fā)音字典建模和混合雙語聲學建模等，以此提高雙語識別系統(tǒng)性能。

　　多語種語料庫建設幫助開發(fā)者重建“巴別塔”

　　從聲學建模角度提高雙語混合語音識別性能上，愛數(shù)智慧在ASR，TTS和發(fā)音字典方面構(gòu)建統(tǒng)一的音素集，就是將中英文，以及其他語言里相似的音素集進行一個聚類。由于人類器官發(fā)出的音素集是一個有限集，我們找到這些有限集后，能夠涵蓋所有的語言。這種方式能夠在資源受限情況下進一步加大數(shù)據(jù)復用性，同時也增加了模型構(gòu)建過程中的穩(wěn)定性。

　　作為提高雙語識別系統(tǒng)性能的另一重要模型——混合雙語聲學建模，我們使用什么樣數(shù)據(jù)來進行對應的聲學模型的訓練，便會涉及到訓練數(shù)據(jù)集。

　　目前愛數(shù)智慧擁有超過150000小時數(shù)據(jù)集，其中超過90000小時對話式AI訓練數(shù)據(jù)集，這些數(shù)據(jù)集經(jīng)過多維度的標注，包括語音到文本的轉(zhuǎn)換，以及說話人性別、年齡、情感等標簽，這些標簽能夠幫助開發(fā)者在解決多語言對話式AI上提供更多的信息，從而幫助優(yōu)化對應的模型。

　　此外，愛數(shù)智慧擁有超過60種語言的數(shù)據(jù)集，還有部分針對外語數(shù)據(jù)構(gòu)建的雙語混合數(shù)據(jù)集，如泰語英語混合數(shù)據(jù)集、馬來語英語混合數(shù)據(jù)集等，從而幫助開發(fā)者解決混合語音識別的問題。

　　最后，多語種對話式AI研究非常困難也是必然趨勢，要實現(xiàn)世界語言無縫溝通交流這一終極目標，張晴晴號召更多AI開發(fā)者投身多語種對話式AI的研究領(lǐng)域，推動對話式AI進一步發(fā)展，重建巴別塔。