多模語音增強技術
 

　　率先用于深圳地鐵語音購票
 

　　該項目智慧客服中心采用AI數字客服為乘客提供語音交互服務，可讓乘客通過語音交互自助完成信息查詢、車票購買。在過去因為地鐵站點太多，乘客在售票機買票時很難快速找到要去的站點，而這對于不太會操作設備的老年人來說更是難上加難，一堆站點看花了眼。這些問題在加上語音購票的功能后迎刃而解，乘客只要說出想去哪里即可買票，大幅提升了乘客的購票體驗。
 

深圳12號線智慧客服終端
 

　　在地鐵站人聲嘈雜的場景下，使用語音進行購票理論上交互體驗并不好。以往常規方案受周邊雜聲影響較大，語音識別準確率相對較低，經常出現“答非所問”的情況。而在深圳地鐵12號線智能售票機及智慧客服終端上，率先采用了科大訊飛最新發布的多模語音增強技術，該技術通過人臉唇形等多模信息的使用，能有效地抑制地鐵環境噪音和后排說話人聲，讓嘈雜環境下機器的語音識別準確率大大提高，避免了語音交互時被旁邊人說話帶“跑偏”的尷尬，有效提升了嘈雜環境下的語音交互體驗。在科大訊飛多模態語音識別技術的加持下，12號線地鐵購票的體驗提升顯著，受到了很多乘客的好評。
 

　　從單模態到多模態
 

　　科大訊飛持續向新
 

　　人類通過眼、耳、鼻、舌等多個器官同時感知世界，而機器若想更自然地與人類交流，當然也需要通過多模態感知。多模語音增強技術，作為科大訊飛新推出的解決公共場景下語音交互難題的最新技術，打破以往純聲學降噪的方式，將機器視覺也融合到環境降噪技術中，使其能夠在多人同時說話的嘈雜場景中，將其他人聲和環境噪聲進行過濾，準確地把目標說話人的聲音分離出來進行識別。通過這種單模到多模的技術創新，使得在同方向有人說話干擾的場景下，多模語音增強技術的識別準確率對比傳統語音識別技術相對提升70%以上。它不僅讓設備能聽見，還能看見你說話，就像武俠小說中的“讀唇術”一樣，知道你在說什么。
 

　　訊飛AIUI開放平臺
 

　　致力AI技術落地更多場景
 

　　事實上，地鐵智能售票機及智慧客服終端僅是科大訊飛AIUI開放平臺支持合作伙伴打造的項目之一，平臺開放的多模語音增強技術在醫療自助機、銀行柜員機、取款機以及商用服務機器人等項目上也有相似的應用場景。在人聲嘈雜的公共場所，通過多模態語音技術均可有效降低環境噪音的干擾，提高語音識別準確率，保障用戶的對話交互體驗。
 

　　截至目前，訊飛開放平臺已經開放542項AI能力和解決方案，聚集375萬開發者團隊，總應用數達158萬，是首批國家新一代人工智能開放創新平臺。未來AIUI作為訊飛人機交互的開放平臺，將通過更多AI技術賦能合作伙伴，在更多的場景落地多模態語音增強技術，為客戶創造價值，也為用戶帶來更多新的體驗。