科大讯飞智能语音让“沟通无障碍”

“你好，欢迎来到北京冬奥会。”在冬奥村，名叫“爱加”的志愿者随时提供咨询服务。与其他冬奥会志愿者不同，“爱加”是虚拟人，会中英日俄法西6种语言，不管是冬奥赛事、赛程查询，还是交通、文化、旅游问答，都能快速回应。

这是科大讯飞助力北京2022年冬奥会的代表产品之一。作为北京2022年冬奥会和冬残奥会官方自动语音转换与翻译独家供应商，科大讯飞围绕实现“沟通无障碍”，在北京、张家口赛区提供了翻译机、穿戴式翻译耳机等产品，为参加奥运会的人员提供语音识别、机器翻译等服务。

“奥运精神是更高、更快、更强、更团结，科大讯飞希望用科技力量让世界更美好。在冬奥赛场上，我们将通过技术实现沟通无障碍。”科大讯飞高级副总裁杜兰说。

提供智能化服务

做好面向全球的跨语言服务、多语种信息发布和传播，是办好冬奥会的基本保障之一。科大讯飞董事长刘庆峰介绍，凭借机器翻译和多语言语音转换技术，科大讯飞围绕“人和人之间沟通无障碍、人和组织之间沟通无障碍、人和赛事之间沟通无障碍”三大方向，加速应用场景落地。

基于智能语音新一代人工智能开放创新平台，科大讯飞研发定制了多语种智能语音及语言服务平台，提供面向冬奥场景定制优化的语音识别、语音合成、机器翻译、自动问答等功能，支持60个语种语音合成、69个语种语音识别、168个语种机器翻译和3个语种交互理解。

针对冬奥会特定的场景需求，科大讯飞构建了中英日俄法西6个语种的冬奥知识问答系统，知识范围包括冬奥常识、项目信息和人物信息等。同时，依托虚拟形象作为载体，融合手势、视线等多模感知交互技术，实现人与机器“同理共情”。“听障人士听不见比赛结果，但可以看见屏幕上同步的多国字幕；视障人士看不见文字，但可以‘听’得见文字。”刘庆峰说。

科大讯飞打造的智能服务机器人平台也在首钢园应用落地，在语言翻译、导航、酒店入住、赛事查询、旅游观光等环节，为运动员、赛事服务人员提供智能化、个性化服务。

应用多项新技术

要实现冬奥场景下沟通无障碍并非易事，要保证语种足够全、翻译足够准、反应足够快。比如，多语种语音语言技术涉及60种语音识别、合成、翻译等相关技术的研发，一些小语种语言体系复杂、数据资源稀缺。

对此，科大讯飞联合中国科学技术大学开展端到端建模，以及无监督、自监督训练技术的研发工作。在语音识别上，提出了基于形态聚类的分组端到端统一建模技术，相比基线独立建模平均错误率下降14.18%；在语音合成上，提出基于听感量化编码的多语种统一建模和迁移学习方法，实现多语种多话者端到端语音合成联合建模。

“我们推出的双屏翻译机，重点语种翻译准确率不低于95%，平均每句翻译响应时间不超过0.5秒。”科大讯飞AI研究院副院长刘俊华说。

不少参赛运动员表示：“北京冬奥会提供的双屏翻译机，让来自不同国家和地区的运动员可以随时随地实现无障碍交流，翻译得既准确又流畅，几乎没有出现卡顿情况。在拉进彼此距离的同时，也为大家提供充分沟通学习的机会。”

智能问答是当前人工智能领域研究的热点方向，面临口语化歧义性、意图理解识别准确度、对知识内容覆盖度等问题，在多语种研发过程中，由于语言人才不足，在知识构建和语言现象分析方面更为困难。

据介绍，科大讯飞采用系统组合方案，提高通用技术水平，提出基于片段语义提取和查询图构造的语义理解方案，减少对数据依赖，并利用多语种预训练模型和自有机器翻译模型，实现6个语种间的数据对齐，最终将6个语种交互的成功率均提升到85%以上。

为保障冬奥期间相关产品稳定性，科大讯飞技术团队在产品上实现自动切换功能以应对突发情况，并提供全天候服务应对措施。

满足多语种需求

“借助北京冬奥会这一契机，企业品牌影响力和品牌价值都得到大幅提升。”在刘庆峰看来，冬奥会不仅是企业展示技术的窗口，更是加速技术成熟的机遇期。

为服务冬奥会，科大讯飞拓展了多语种相关方向，系统性研发了多语种的语音识别、语音合成、机器翻译、图文识别等技术，推动公司转型升级。刘庆峰表示，未来，他们将向全球提供70个语种的语音交互、智能翻译能力，并形成整体解决方案。希望通过多语种语音语言核心技术创新和产业应用落地，满足国家和市场对多语种翻译的需求，让中国声音、中国故事传得更远。

“冬奥会犹如最前沿科技应用的‘试验田’，企业研发的新科技将在冬奥会后，应用到城市管理、智能制造等多个领域。”刘俊华说，企业将进一步拓展海外市场，陆续推出海外版本的讯飞翻译机、录音笔等智能硬件。