“早上7點15的時候叫醒我”；如果你還想再睡會，就說“40分鐘后叫醒我”。只要你準(zhǔn)確的回答時間，iPhone的Siri就會非常準(zhǔn)時的叫醒你。
隨著siri被引入iPhone 4S中，智能語音技術(shù)已經(jīng)成為移動互聯(lián)網(wǎng)界最關(guān)注的焦點之一。“這種智能語音技術(shù)區(qū)別于傳統(tǒng)的人機對話，新型人機對話技術(shù)就是讓機器從”能聽會說“變成”會聽能做“，即聽得懂說的，懂得聽什么，聽不清楚了能問，最后能完成用戶的任務(wù)。”上海交大計算機科學(xué)與工程系研究員俞凱介紹說。
俞凱博士擁有劍橋大學(xué)語音識別專業(yè)的學(xué)術(shù)背景，也是國內(nèi)學(xué)術(shù)界“青年千人計劃”里唯一一位來自語音技術(shù)行業(yè)領(lǐng)域的語音專家，他曾經(jīng)多次獲得美國國家標(biāo)準(zhǔn)局和美國國防部語音識別評測冠軍。在劍橋大學(xué)期間，他成為研究組歷史上與三位語音教授都合作過的第一人，其中最知名的研究合作者便是國際語音界的權(quán)威人物史蒂夫·楊�；貒螅谏虾＝煌ù髮W(xué)組建智能語音實驗室。
語音識別達(dá)不到百分之百的準(zhǔn)確，在有不確定性的情況下，機器仍可與人進行對話�；谶@個研究思路，俞凱正式開啟了新的智能語音技術(shù)研究之路。從開始做語音合成和對話管理，到開發(fā)整個對話系統(tǒng)的架構(gòu)，他成為了國內(nèi)智能語音技術(shù)領(lǐng)域研究覆蓋面較廣的學(xué)者。
在劍橋大學(xué)期間，俞凱參與研發(fā)了“認(rèn)知型的對話系統(tǒng)”，作為這個系統(tǒng)直接的設(shè)計和實現(xiàn)的負(fù)責(zé)人，他說，這個對話系統(tǒng)就是基于不確定性存在的情況下進一步理解，它和正常的對話系統(tǒng)沒什么區(qū)別，就像人和人聊天一樣，但是它能更好的和人聊天。這也是全球首個能夠在真實世界的任務(wù)中運行的對話系統(tǒng)。
“理論要和工程結(jié)合，工程要和產(chǎn)業(yè)結(jié)合。我不認(rèn)為自己是個科學(xué)家，更多的算個喜歡鉆研理論的工程師吧”。俞凱說。
他強調(diào)智能語音技術(shù)研究對工程性和實踐性要求高。語音研究和其他研究有一個最大的不同—工程和理論結(jié)合特別緊密。這是因為系統(tǒng)的搭建需要幾千甚至上萬個小時的語料，系統(tǒng)的運行也需要讓數(shù)百萬，數(shù)千萬人檢驗?zāi)芊窨尚�。這也是工程為什么需要融入產(chǎn)業(yè)。
“我的愿望是所做的技術(shù)能夠被千千萬萬的人實際使用。”他介紹，目前在國內(nèi)語音合成和識別產(chǎn)業(yè)化的著名企業(yè)是科大訊飛，人機對話的探索則以蘇州思必馳為先。思必馳發(fā)布了國內(nèi)第一個對話平臺—對話工場。
加載了“對話工場”技術(shù)的智能設(shè)備相當(dāng)于裝上一個“人腦”，集“聽”“說”“理解”“對話”“感官”的5組對話能力。開發(fā)者可以免費借助對話工場實現(xiàn)語音識別、語音合成、語義理解、智能對話，聲紋識別等諸多功能，可以應(yīng)用于電子商務(wù)，手機游戲，生活信息服務(wù)，車載導(dǎo)航，智能助手等移動生活的方方面面。像聯(lián)想、蘇州電信、同程網(wǎng)、土曼智能手表、幻騰智能燈、智能家居Broadlink、驢媽媽等都采用了思必馳的語音技術(shù)解決方案。
在移動互聯(lián)網(wǎng)的使用上，把識別、語義理解和人機對話連在一起，幫助用戶完成任務(wù)。可能在未來能夠是一個新的、劃時代性的變革。他說，假設(shè)移動互聯(lián)設(shè)備沒有屏幕，通過交互式的語音對話，系統(tǒng)仍能完成任務(wù)。對話式的交互可能是未來在移動互聯(lián)網(wǎng)時代人機交互的一種常規(guī)的形式。“我希望通過語音讓這個常規(guī)的形式有理論依據(jù)，能做到國內(nèi)最好，甚至全世界最好，這算是一個不大不小的夢想吧。”
