科大讯飞：22年热爱初心，多项核心技术世界领先

新知榜官方账号

2023-09-30 16:42:31

科大讯飞：22年热爱初心，多项核心技术世界领先

科大讯飞是中国智能语音的旗帜，22年热爱初心，多项核心技术世界领先。本文从科大讯飞的发展历程到端到端语音识别技术的突破，再到多模态技术的应用，全面介绍了科大讯飞在智能语音和人工智能领域的探索与实践。

始终保持每年技术进步30%

“始终保持每年技术进步30%，这是科大讯飞对技术的要求，也是公司每一位科研人员的自我要求。”

熊世富是科大讯飞的一位技术理想主义者，他认为科大讯飞是实现自己梦想最好的舞台。在智能语音和人工智能产业中，技术革新很快，想要赢得领跑局面就必须从源头技术上保持领先。而保持领先的秘密是“甘坐十年冷板凳“的决心，是对企业科研人员反复实验，去穷尽每一种可能，推动技术上的微小改变的耐心，也是直面失败的恒心。

端到端语音识别技术突破

科大讯飞的新一代端到端语音识别系统带来的效果提升非常显著——识别效果相比传统语音识别系统提升了15%-30%，在特定场景下，特别是时下的应用热点端侧语音识别场景上，新系统能实现效果不降，系统资源占用大幅下降。

相比传统语音系统，端到端系统具有结构简洁、通用性强、不依赖语言学知识等优点。进一步它能够通过缩减人工预处理和后续处理，尽可能使模型从原始输入到最终输出，给模型更多可以根据数据自动调节的空间，增加模型的整体契合度，避免了多个模型间的误差传导。而熊世富和他团队的研发，也是源于热爱的初心坚守，甘坐十年冷板凳的精神从源头创新持续突破，让人工智能多项核心技术世界领先，在国际竞争中拥有话语权。

多模态技术的应用

多模态技术，也叫深度学习多模态融合，指机器从文本、图像、语音、视频等多个领域获取信息，实现信息转换和融合，从而提升模型性能的技术。如在车载交互领域，科大讯飞的汽车级视线追踪技术让用户注视即可实现唤醒交互，目光所至皆可控制。同时，唇音融合语音技术的创新型加入，具备唇音免唤醒、唇音检出、唇音增强三大核心能力，开口说话就能一语直达。

寻找下一代人机交互的方式，则是熊世富和团队的终极使命。“或许多模态技术能够打通人机交互的最后一公里，进而带来颠覆性的交互体验。”熊世富预测道。

本页网址：https://www.xinzhibang.net/article_detail-14524.html

寻求报道，请

关键词

科大讯飞智能语音人工智能端到端语音识别多模态技术熊世富

分享至微信：

相关工具

Voicemaker

AI文本到语音生成工具

听悟

阿里推出的AI会议转录工具，万语千言，心领神悟

MetaVoice

AI实时变声工具

Lemonaid

AI音乐生成工具

AssemblyAI

转录和理解语音的AI模型

讯飞智作

科大讯飞推出的AI转语音和配音工具

Achronix如何降低ASR解决方案的成本

概述本篇白皮书详细介绍了自动语音识别（ASR）的应用场景，以及Achronix如何在实现ASR解决方案的同时将相关成本降低高达90%。交互式人工智能（CAI）简介什么是交互式人工智能（AI）？交互式人工智能（CAI）使用机器学习（ML）的子集深度学习（DL），通过机器实现语音识别、自然语言处理和文本

分类标签自动语音识别交互式人工智能CAINLPASRFPGA

12-07 22:33

如何做到每天进步

如何做到每天进步如果你现在没有那么厉害，不要紧，只要你努力，只要你尽力而为。首先，要明确跟自己比较的重要性。竞争是无处不在的，但是我们更应该关注的是自己的个人成长和发展。每天努力比上次做得更好，后天也是，天天比昨天好。我们要竭尽所能，不断进步，才能提高个人竞争力。其次，要制定目标和计划。明确自己的目

分类标签自我超越努力进步个人竞争力

11-30 16:12

8款AI智能软件，提高工作效率，解决日常问题

ChatGPTChatGPT是一款聊天机器人，可以写邮件、写论文、写视频脚本，翻译、敲代码等，能够帮助我们提高工作效率，解决各种日常问题。NotionAiNotion是一款强大的Al写作助手。它能根据输入的关键词，推荐相关的文章素材，可以帮助我们提高文章的质量和准确度。MidjourneyMidjo

分类标签 AI智能软件自媒体工作效率

11-28 08:47

谷歌推出适配Pixel手机的全神经元设备端语音识别器Gboard

最近华为和三星为新机像素互相掐架。神仙打架分外精彩，但智能手机，不是应该比谁更智能吗？大多数人都不知道Google有一个手机亲儿子——Pixel。近日网上有消息透露，谷歌将新推出Pixel3a和Pixel3aXL两款中端机型。比Google手机本身更惹人期待的是，可以适配所有Pixel手机的Gboa

分类标签谷歌Pixel手机语音识别器

11-20 10:16

思必驰-上海交通大学智能人机交互联合实验室10篇论文被INTERSPEECH2020收录

思必驰-上海交通大学智能人机交互联合实验室10篇论文被INTERSPEECH2020收录国际顶级的语音技术圈会议INTERSPEECH2020于10月25-30日在中国上海举办，本次会议主题为“CognitiveIntelligenceforSpeechProcessing”。对话式人工智能平台公司

分类标签思必驰语音技术INTERSPEECH2020说话人识别语音识别口语语义理解

11-20 10:15

谷歌宣布增强Google Assistant技能，新增“阅读”功能

谷歌宣布新增“阅读”功能谷歌于今日宣布了一项名叫“阅读”（Readit）的Google Assistant增强技能。顾名思义，它可以帮助用户大声朗读网页文章、博客、或者短篇小说。在浏览相关网页的时候，你可唤出谷歌智能助理来执行这项操作，比如喊一声“Hey Google，Read this page”

分类标签谷歌GoogleAssistant阅读

11-20 10:14

云听CEM：帮助企业管理客户体验的新兴企业客户管理概念

云听CEM：帮助企业管理客户体验的新兴企业客户管理概念早期的企业客户管理系统以SAP、Salesforce等为代表，通过打通企业内部的业务流，整合数据，帮助用户提升了运营效率。但随着互联网的发展以及消费市场竞争的加剧，获取全渠道、全触点消费者的体验信息并基于此改善企业产品服务逐渐成为重点，这一趋势在

分类标签 CEM客户体验管理视界信息

11-08 08:51

五款免费听歌APP推荐

五款免费听歌APP推荐现如今人们版权意识越来越高，音乐平台也开始了版权争夺战。以前每个平台都能听到喜欢的歌曲，现在却不得不在几个APP之间来回切换，实在是非常麻烦，也不知道这场版权争夺战什么时候能结束。但在此之前，我找到了5个非常不错的听歌APP分享给大家，希望各位都能在听歌的时候能够不受限制。1.

分类标签听歌APP免费下载播放器音乐平台

11-08 08:50

语音对话推荐：研究、数据集、评估与展望

引言近年来，推荐系统在工业界取得了巨大成功，甚至成为互联网发展中不可或缺的增长引擎，基于此研究者们也在积极探索推荐系统的新形态，其中对话推荐系统（Conversational Recommender System，简称CRS）作为一个备受关注的研究方向被热议。对话推荐系统主要是通过使用自然语言进行多

分类标签语音对话推荐ConversationalRecommenderSystemVCRS

10-28 08:59

SoundHound或成AI语音助手竞赛中的大黑马

SoundHound或成AI语音助手竞赛中的大黑马据台湾《中时电子报》2月2日报道，除了Google Assistant、苹果Siri以及亚马逊Alexa之外，还有哪一款AI(人工智能)语音助手即将出头天？日前获得英伟达(NVIDIA)以及三星连手投资7500万美金的SoundHound，很可能将是

分类标签 AI语音助手SoundHound自动驾驶

10-28 08:57