微软语音技术不断突破，加速各行业发展

丹棱君有话说：计算无处不在，5G 的快速发展将加速世界的互联互通，各行各业对于数字化转型解决方案的需求正逐渐上升。“听”时代已经来临，以有声读物领域为例，德勤预测全球有声读物市场规模将在 2020 年扩大 25%，达到 35 亿美元。语音是沟通重要的纽带，随着智能语音能力的不断成熟，各行业正通过拥抱语音解决方案提高生产力和用户体验。作为微软 AI 能力的一部分，微软智能语音性能已可媲美人类水平，正在通过强大的平台工具赋能各行各业，并在疫情期间助力企业复工复产。

人工智能如今已经家喻户晓，从日常生活到行业赋能，都可见其存在。在这之中，伴随着智能音箱等单品的爆发、语音交互的普及，AI 语音技术也走进大众视野。历经近 30 年的探索，微软 AI 语音性能已达到全球领先水平，AI 语音技术服务遍及 140 个国家和地区。

从 2017 年在 Switchboard 语音识别基准测试中以低至 5.1% 词错率创造当时对话语音识别错误率最低纪录以来，微软 AI 语音技术不断解锁新成就：成为首个在中译英新闻报道的翻译质量和准确率上媲美人工翻译的翻译系统；带来媲美人类专业发音人水平的基于深度神经网络的语音合成技术；2019 年，在斯坦福文本理解任务中，微软机器阅读理解系统刷新记录，成为排行榜上唯一一个超过人类分数的模型。

谈及此，微软（亚洲）互联网工程院资深产品总监丁秉公说道：“对于微软来说，我们要让更多的研究成果走出实验室，不仅要输入到微软的各个产品中，而且还要通过提供先进的工具和平台服务，让合作伙伴和开发者获得可打造自己的人工智能产品和解决方案的能力，这也是微软语音研发的一个定位。”

微软人工智能语音组产品总监 丁秉公

疫情当下，为助力企业高效恢复生产，微软围绕 Azure、Office 365、Dynamics365 智能云服务和 Surface 硬件，推出了多项免费及优惠措施。本次微软还在疫情期间面向有需要的企业、政府机构和开发者推出免费语音服务，包括语音识别、语音合成、语音评估服务。

微软 Azure AI 语音服务平台的功能已经渗透到各个领域和应用场景。据悉， AI 语音在疫情期间可以有着广泛应用，譬如可以应用于通过防疫智能外呼，进行社区情况排查和通知，回访协助政府排查疫情；利用智能语音导航与智能客服，解答用户的问题，协助用户办理业务，同时启动智能客服表单服务，帮助企业和政府收集和记录信息；实现智能医疗，助力医院智慧化建设，通过图片分析/人脸识别，声音合成，语音识别/声纹识别，语言理解/信息搜索等功能，实现患者与医务人员、医疗机构、医疗设备之间的互动。可与多种医疗数据整合，构建智慧医疗体系；以及在疫期利用 AI 语音合成系统将文字内容转成有声书，提高学习娱乐体验。

对此，丁秉公也表示：“我们在由世纪互联运营的微软 Azure 云上推出了面向中国用户的语音服务，助力复工复产复学，让企业可以更好地把握未来数字化转型机遇，让公共部门更有效率，让个人成为技术创新的受益者。”

几十年来，微软一直从事着与人工智能相关的技术研发，微软全球人工智能首席技术官，原微软首席语音科学家黄学东此前更是在采访中指出，语音和语言技术是AI皇冠上的明珠。在万物互联的 5G 时代下，随着低延时、低功耗、高带宽的到来，语音交互也将会成为一个主流。

“伴随语音技术更加成熟，应用场景越来越丰富，语音交互通过定制也将可以达到更加卓越的效果。这里包括两个层面，就语音识别来说，一个语音识别系统的识别精度会受到领域相关的词汇影响很大。通过定制，就可以针对某一个领域的专业词汇，让它的识别精度在原有通用模型的技术上变得很高，还可以针对每一个人的这个口音进行定制。另外一个方面来说，微软语音合成的定制可以为企业定制从男女，到不同年龄的丰富音色，甚至对于同一个音色我们可以定制各种的风格。” 在谈到不断优化的语音交互体验时丁秉公说道，“因为 5G 时代的网络会比现在更加快更加好，联上网一定会有很好的网络服务，所以基于这两点，我相信整个语音的应用会有一个爆发式增长。”

作为一家全球公司，微软语音也是支持了世界上的主要语种，其中语音识别技术支持 39 个国家与地区的语言、语音合成技术支持 80 个多语言发音以及翻译支持 60 种语言互译。同时，Azure 拥有全球覆盖最广的数据中心，所以微软语音语种的全球覆盖加上 Azure 云的全球覆盖保证了微软和其生态伙伴能够一起赋能世界上的每一个人和每一个组织。

丁秉公认为，中国 AI 语音创新无论是在技术、产品上，还有商业模式上都会有特别大的潜力。语音技术也将因此走进千家万户让普罗大众，特别是包括视障和听障人士，都可以享受到技术带来的益处。并且，未来语音技术也将越来越会像空气一样，融入日常生活。只要对着一个东西，一个设备，一个服务去说话，就能够被理解并得到响应和互动。

微软 CEO 萨提亚·纳德拉曾在微软 Ignite 大会上写了一个公式叫 technologyintensity （技术密集）= （tech adoption 技术落地x tech capability 技术能力）^ Trust（信任）。所谓的技术密集就是随着数字化的不断深入，企业可以利用数字工具和平台结合行业和自身的特点开发专有技术、产品和服务，以迎接不断涌现的新机遇和新突破。为了打造一流的技术密集未来，微软语音研发团队的目标是让语音技术的能力能够实现跨领域、跨语言、跨用户的不断提高同时增加技术落地赋能，让每个企业和个人能通过技术实现繁荣发展；最后是发展可信赖和负责任的技术，这也是其最珍视的技术底线。

丁秉公表示：“希望微软语音技术可以帮助中国的AI生态走得更远更好。帮助更多的中国企业走出去，也可以帮助国外的企业走进中国，享受无缝的语音服务，没有语言的障碍。这次疫情也让我们更加感受到世界各国的联系其实远比许多人所想象得更紧密。在这个地球村，我们需要来共同应对和解决关乎人类共同命运的问题。我们也希望微软的语音技术能够帮到大家。”

本文转自环球网

优文途新作为微软的老牌合作伙伴，近10年的专业服务，为上百家客户提供优质、高效、便捷的服务。