0
| 本文作者： 肖漫 | 2019-05-07 18:54 |
雷鋒網(wǎng)按：會(huì)話轉(zhuǎn)錄能夠?qū)崟r(shí)進(jìn)行？而且還支持多人、遠(yuǎn)場(chǎng)語(yǔ)音轉(zhuǎn)錄？是的，這些新的轉(zhuǎn)錄功能都是微軟研究所近期在口語(yǔ)處理上取得的新進(jìn)展，雷鋒網(wǎng)將其文章全文編譯如下。
在強(qiáng)大的云計(jì)算基礎(chǔ)設(shè)施和大量訓(xùn)練數(shù)據(jù)的支持下，深度學(xué)習(xí)算法如今已經(jīng)成為了 AI 進(jìn)化之旅的最重要驅(qū)動(dòng)力。下面的幾個(gè)任務(wù)是語(yǔ)音和語(yǔ)言社區(qū)里廣泛使用的公開基準(zhǔn)測(cè)試，在過(guò)去的三年里，微軟首次在這些任務(wù)上取得了可以和人類相媲美的表現(xiàn)。
2017：語(yǔ)音識(shí)別：對(duì)話語(yǔ)音轉(zhuǎn)錄任務(wù)(總機(jī))
2018：機(jī)器翻譯：漢英新聞翻譯任務(wù)(WMT17)
2019：對(duì)話問(wèn)答：斯坦福會(huì)話問(wèn)答任務(wù) (CoQA)
這些突破對(duì)從翻譯應(yīng)用到智能揚(yáng)聲器的眾多口語(yǔ)應(yīng)用產(chǎn)生了深遠(yuǎn)的影響。雖然現(xiàn)在市面上已經(jīng)有了智能音箱，但大多數(shù)智能音箱一次只能處理一個(gè)人的語(yǔ)音指令，并且在發(fā)出這樣的指令之前，需要一個(gè)喚醒詞。微軟研究在Azure語(yǔ)音服務(wù)中加入了一些重大的技術(shù)突破，并提供了新的對(duì)話轉(zhuǎn)錄功能，該功能將在今天的預(yù)覽版中提供。通過(guò)微軟所引用的設(shè)備SDK (DDK)，純音頻或視聽麥克風(fēng)陣列設(shè)備的可用性增強(qiáng)了這一功能。這是人工智能進(jìn)化過(guò)程中的重要一步，因?yàn)閹资陙?lái)，環(huán)境遠(yuǎn)場(chǎng)多人語(yǔ)音轉(zhuǎn)錄一直是科幻小說(shuō)的主要內(nèi)容。
新的會(huì)話轉(zhuǎn)錄功能擴(kuò)展了微軟現(xiàn)有的Azure語(yǔ)音服務(wù)，支持實(shí)時(shí)、多人、遠(yuǎn)場(chǎng)語(yǔ)音轉(zhuǎn)錄和說(shuō)話人歸因。與語(yǔ)音DDK相結(jié)合，會(huì)話轉(zhuǎn)錄可以有效地識(shí)別房間里一小群人的會(huì)話語(yǔ)音，并生成一個(gè)處理常見但具有挑戰(zhàn)性的場(chǎng)景(如“串話”)的轉(zhuǎn)錄。
對(duì)于有興趣嘗試具有視頻功能的端到端轉(zhuǎn)錄解決方案的客戶，微軟正在與部門客戶和像Accenture、Avanade和Roobo這些的系統(tǒng)集成伙伴接洽，分別在美國(guó)和中國(guó)定制和整合對(duì)話轉(zhuǎn)錄解決方案。這種先進(jìn)的能力類似于微軟在去年的構(gòu)建中首次演示的功能。感興趣的企業(yè)可以向微軟申請(qǐng)預(yù)覽，體驗(yàn)由人工智能支持的對(duì)話轉(zhuǎn)錄是如何提高協(xié)作力和生產(chǎn)力的。
會(huì)話轉(zhuǎn)錄功能夠利用多通道數(shù)據(jù)，包括來(lái)自代號(hào)為普林斯頓塔的語(yǔ)音DDK的音頻和視覺信號(hào)。邊緣設(shè)備是建立在微軟參考設(shè)計(jì)的360度音頻麥克風(fēng)陣列或360度魚眼攝像頭的基礎(chǔ)上的，通過(guò)視聽融合來(lái)支持更好的轉(zhuǎn)錄。邊緣設(shè)備將信號(hào)發(fā)送到Azure 云端進(jìn)行神經(jīng)信號(hào)處理和語(yǔ)音識(shí)別。純音頻麥克風(fēng)陣列DDKs可以從http://ddk.roobo.com購(gòu)買。先進(jìn)的視聽麥克風(fēng)陣列DDKs可從微軟的系統(tǒng)集成合作伙伴處獲得。
微軟不斷創(chuàng)新去超越傳統(tǒng)的麥克風(fēng)陣列和先進(jìn)的視聽麥克風(fēng)陣列DDKs。今天，微軟還公布了最新的研究進(jìn)展(丹麥項(xiàng)目)，該項(xiàng)目利用一組現(xiàn)有的設(shè)備，如配備普通麥克風(fēng)的手機(jī)或筆記本電腦，動(dòng)態(tài)創(chuàng)建虛擬麥克風(fēng)陣列。虛擬麥克風(fēng)陣列將現(xiàn)有設(shè)備(如手機(jī)或筆記本電腦)與普通麥克風(fēng)(如樂高積木)動(dòng)態(tài)地組合成一個(gè)更大的陣列。丹麥項(xiàng)目可以幫助微軟的客戶更容易地使用Azure語(yǔ)音服務(wù)，隨時(shí)隨地轉(zhuǎn)錄對(duì)話，無(wú)論有沒有一個(gè)專門的麥克風(fēng)陣列DDK。未來(lái)的應(yīng)用程序場(chǎng)景是非常廣泛的。例如，我們可以對(duì)多個(gè)微軟翻譯器應(yīng)用進(jìn)行配對(duì)，以幫助多人更有效地使用移動(dòng)電話進(jìn)行溝通，從而將語(yǔ)言障礙降到最低。可以在//Build Vision Keynote查看最新研究進(jìn)展和演示。
【 圖片來(lái)源：Microsoft Research Blog 所有者：Microsoft Research Blog 】
最后，如果有像縮略語(yǔ)這樣的專業(yè)詞匯，準(zhǔn)確的語(yǔ)音轉(zhuǎn)錄是非常困難的。為了解決這個(gè)問(wèn)題，微軟正在擴(kuò)展Azure的自定義語(yǔ)音識(shí)別功能，并允許組織使用Office 365數(shù)據(jù)輕松地創(chuàng)建自定義語(yǔ)音模型。對(duì)于選擇使用該服務(wù)的Office 365企業(yè)客戶，Azure可以自動(dòng)生成一個(gè)自定義模型，該模型利用Office 365中的聯(lián)系人、電子郵件和文檔等數(shù)據(jù)，以一種完全隔離、安全且兼容的方式進(jìn)行操作，在組織特定的方言上提供了更準(zhǔn)確的語(yǔ)音轉(zhuǎn)錄，如技術(shù)術(shù)語(yǔ)和人員姓名。對(duì)于有興趣嘗試這個(gè)新功能的客戶，微軟將為您的組織提供一個(gè)私人預(yù)覽，讓您從專用的和優(yōu)化的語(yǔ)音服務(wù)中獲益。
【 圖片來(lái)源：Microsoft Research Blog 所有者：Microsoft Research Blog 】
微軟的Azure語(yǔ)音服務(wù)一直支持微軟自己的M365解決方案以及許多使用相同統(tǒng)一語(yǔ)音平臺(tái)的第三方客戶。從Allstate到小米，都開始利用Azure語(yǔ)音服務(wù)來(lái)加速他們的數(shù)字化轉(zhuǎn)型。 微軟可以使用NLP技術(shù)進(jìn)一步增強(qiáng)最終的自動(dòng)會(huì)議記錄和Azure會(huì)話轉(zhuǎn)錄，例如機(jī)器翻譯、QA，去幫助客戶實(shí)現(xiàn)更多目標(biāo)。
雷鋒網(wǎng)注：本文編譯自Microsoft Research Blog
