2019年12月20日，由CTI論壇（www.estzdh.com）主辦的"行業(yè)應用及市場分析主題沙龍暨CTI論壇2019年度編輯推薦獎頒獎"活動在創(chuàng)業(yè)大街成功召開，并公布了"2019年度CTI論壇編輯推薦獎"的評選結果。深圳黃鸝智能科技有限公司總經理劉志應邀出席此次活動并發(fā)表了精彩的關鍵詞演說《極致》。

圖：深圳黃鸝智能科技有限公司總經理劉志

　　以下為深圳黃鸝智能科技總經理劉志的發(fā)言稿全文：

　　大家下午好，我是深圳黃鸝智能科技總經理劉志。相信在座的各位聽說過深圳黃鸝智能科技公司的不超過5個人，因為這個公司是今年8月份才剛剛成立的，所以在呼叫中心行業(yè)我絕對是一個新人，今天跟很多前輩學到了很多東西。黃鸝智能科技應該算是我的第三次創(chuàng)業(yè)，我今天演講的主題關鍵詞是"極致"，其實也是想跟大家分享一下我這三次創(chuàng)業(yè)當中的一些小故事。

　　我應該算是國內比較早一波做人工智能領域的，在2001年我在清華大學讀研究生的時候就一直在做語音技術。2005年的時候，我第一次創(chuàng)業(yè)，那個時候是做嵌入式的語音識別，我們公司是全球第一個在蘋果一代手機上做撥號軟件的公司，當時和國外的合作伙伴一起做了VoiceDialer，收獲了幾百萬的第一桶金。其實語音識別在那個時候就蠻火的了，但是，很不幸，第一次創(chuàng)業(yè)算是失敗的，回過頭來總結，第一次為什么會失敗？我們發(fā)現(xiàn)問題出在技術上我們沒有做到極致。

　　語音識別相關的技術是什么時候真正成熟起來的呢？2009年蘋果的Siri出來之后，其實還沒有帶動整個產業(yè)，隨后Amazon？Echo出來之后，才使得語音的價值逐步的被大家所認識。實際上語音作為人機交互的一個重要手段，在很早之前，微軟比爾蓋茨就說過，他堅信語音是未來是人機交互的一個重要入口，可以取代鍵盤、鼠標，取代很多很多其他的外設。但是為什么這么多年語音一直沒有真正地能夠進入到應用？從我第一次的創(chuàng)業(yè)經歷，我有一個非常深刻的感受就是，技術要達到一個臨界點才有商用價值。我們可以簡單地用四個字來總結，什么樣的臨界點？以前的技術，四個字來講叫做"技不如人"。

　　什么意思呢？人工智能技術的水平，它達不到我們人類的水平。剛才其實有很多專家也都提到了，人工智能將來是期望要代替人類（replace），至少在一部分工作上，那么如果技術的能力達不到人的基本要求的話，怎么來代替？這是我第一次創(chuàng)業(yè)給我?guī)�來的一個非常深刻的教訓。那么轉而我就在思考，既然當時的技術達不到能夠去代替人這樣的一個程度，那么技術可以做點什么呢？我就轉到了第二次創(chuàng)業(yè)，教育行業(yè)，跨度稍微有點大。教育行業(yè)我做了什么？當然還是做語音，我們做中小學生，包括成人的口語測評。學語言的時候，我們用機器來代替老師評價學生的口語發(fā)音，包括到現(xiàn)在來評價一些語法、語義等等。當時切入這一行有一個很簡單的想法，因為做口語測評，對語音識別的要求沒有那么高。

　　我們剛開始做什么題型？主要做跟讀和朗讀。我先把文本給學生看到，然后學生照著把它讀出來。這個時候其實對識別沒有太高的要求，因為我預先就知道學生要說的是什么，這種時候識別的準確率其實是降低了，但是新的挑戰(zhàn)來了。我把它叫做對于業(yè)務的場景或者叫做對于用戶的需求，讓技術怎樣和應用場景以及業(yè)務去結合？這是我們要去挑戰(zhàn)的第二個極致。在這個場景里面，我簡單的舉幾個例子，可能大家就能夠感受到它要解決的問題是什么？我們可以想象中國人學英語，為什么不是國外的系統(tǒng)，不是英國的系統(tǒng)，美國的系統(tǒng)來指導我們。其實很早就有做這個英語發(fā)音評價的企業(yè)，像Nuance公司等很多大的企業(yè)，也做這件事情，為什么它的系統(tǒng)在中國一直沒有辦法去落地生根，因為我們中國人說的英語和地道的英語有很多差異。

　　我舉一個非常簡單的例子，我們說very good。英文中這個v音，它是一個咬下唇的發(fā)音。但是在座有很多人是中式發(fā)音，聽起來沒問題，對不對？但其實是錯的。

　　我們漢語當中沒有這個"v"音，機器識別的時候他會很敏感，他就把這個點抓出來。所以我們用國外的系統(tǒng)給中國學生打分的時候，經常打的分慘不忍睹。那么要解決這個問題，我們就要把中國學生常見的發(fā)音錯誤給它挑出來，然后去針對性的進行模型訓練等等一系列的工作。這些工作和技術有關，但是更重要的是和業(yè)務場景有關。那么，光克服了這個挑戰(zhàn)就夠了嗎？光在這些點上做到極致就夠了嗎？實際上還遠遠不夠。

　　當我們擁有5000多萬的用戶的時候，我們就會發(fā)現(xiàn)場景又發(fā)生了變化，面臨的挑戰(zhàn)又發(fā)生了變化。我們遇到了什么樣的情況？學生在家里學習，在學校學習，都會有大量的噪聲干擾。在家學習的時候，家里可能開著電視，在學校學習的時候，很多時候就跟我們今天大家坐在這個會場上一樣，相互之間的距離非常近，學生和學生之間的聲音相互干擾，有一些女生聲音比較小，旁邊男孩子的聲音就把她全部掩蓋住了。不要說機器識別不出來，人也識別不出來，老師有時候都聽不見學生說的是什么。那么針對這個問題，我們又想辦法去解決，去提升這個針對應用場景的挑戰(zhàn)。如果我們不能做到極致的話，實際上還是沒有辦法給用戶提供完整的解決方案。因為有很多好的學生，他為了追求完美，一旦出現(xiàn)問題，他會反復反復的讀，真的有很多學生都讀哭了，那么針對這個問題我們繼續(xù)做降噪技術的突破。做技術的人很多時候會想要把技術做到極致，但是在做之前，我想說我們要思考為什么要做它？我們解決的是什么問題？今天我們在教育領域，已經開發(fā)了專為教育用的耳機，這個耳機能達到什么效果？剛好今天大家可能聽到這兒，可能已經有點疲乏了，我們做一個小的互動游戲。我?guī)Я宋覀兊囊豢顚W生耳機，我一會帶上它，然后我想請大家給我制造噪聲，你們能想象的，越大的噪聲越好。我打開的是一個錄音軟件CoolEdit，搞語音搞音頻的很多人應該都知道。那么接下來我說話的時候也請大家說話，然后我再把它播放出來。

　　錄音開始，我現(xiàn)在在說話，請大家制造噪聲……待會我請大家一起聽一聽。正如大家聽到的，現(xiàn)在播放的只有我錄進去的聲音，并沒有大家發(fā)出的噪音。這個技術現(xiàn)在已經不止用在教育領域了，在我們國家最尖端的軍事應用上，也已經用了我們這個技術用來做通信和識別，因為聲音的價值就是兩點：第1點，用于人和人的通信；第2點，用于人和機器的理解。

　　語音交互確實是一個入口，但是這個入口要解決的問題，遠遠不只是喚醒、識別、聲紋等，而是必須要做整體的解決方案。今天，黃鸝智能這個新興企業(yè)進入呼叫中心行業(yè)來，為大家?guī)�來的是什么？實際上是帶來了這樣一款新的產品--自適應通話降噪盒，我們將通話降噪算法植入這樣一個小小的盒子，現(xiàn)有市面上的耳機只要加上它，就可以達到我剛才展示的降噪效果。不管是用來和客戶溝通，還是接后端的語音質檢、智能客服等各種系統(tǒng)，它都能夠幫助我們給客戶帶來極致的感受，讓智能化真正落地。以上就是我今天分享給大家的。我也希望和大家一起來共同創(chuàng)造極致，創(chuàng)造不可能，讓聲音智能改善人類的生活與工作品質，謝謝！
　　黃鸝智能科技自適應通話降噪盒 清晰聲音，交互萬物。為話務耳機的語音發(fā)送端消除噪聲，提供清晰流暢的語音拾取。合作請聯(lián)系：Kevin 13692103765 點擊視頻詳細了解！