语音助手的发展与挑战

新知榜官方账号

2023-10-28 08:36:15

对话式交流是人与人之间相互理解、彼此传递信息最方便、最重要的媒介。如今，是人工智能的时代，也是每个人都能够拥有语音助手的时代。几乎每个人手机上都有个“小爱同学”，“HiSiri”或者“叮咚叮咚”...这些语音助手。但是，目前我们与这些语音助手的交互还不能如同人类交流一般顺畅自如。

语音助手在与人的交流中，很容易陷入“傻瓜模式”或者“固定套路回答模式”，经常答非所问，更不用说和人们智能、个性化交互。这主要是由于这些语音助手背后缺乏对语音语义的准确理解、对话逻辑的构建以及正确的反馈。语音助手的看似仅仅是个手机APP，但其内部算法原理却异常复杂。其普遍结构通常需要四组输入和输出，管道的每一层都分别需一组自然语言理解（NLU）、对话状态跟踪（DST）、对话策略管理（DP）和自然语言生成（NLG）。复杂的结构使得语音助手的智能化变得充满挑战。

多个功能模块的联合优化对话式AI语音助手使用语音进行交互，底层算法涉及语音识别、自然语言理解、对话跟踪、决策管理和语音合成等个模块。每个模块使用不同的深度神经网络模型和算法来构建，彼此之间相互协作才能完成语音助手与人类之间的交流。每个模块单独优化会往往会陷入局部最优。如何保证多个功能模块之间相互促进、共同优化是这一问题的难点。

由于对话式语音交互数据采集场景复杂、采集过程需要多人配合、且采集周期较长，导致这些数据稀缺。任何深度学习工作研究的前提都是数据，这些数据采集、清洗、标注、发布工作的耗时、耗力、人工成本高都阻碍对话式AI助理发展的绊脚石。端到端神经网络联合优化为改变人工智能助手目前的困境，MetaAI宣布了“CAIRaoke计划”。他们开发了一种端到端神经模型，该模型比人们现在所熟悉的系统更支持个性化的情境对话。与传统人工智能助手不同，在MetaAI的神经网络模型中几乎不存在事先设定好的会话流，使用这个模型，只需要一组真实场景录制的训练数据即可。

采用大量对话式标注数据对话式AI交互数据的缺乏导致智能语音助手没有足够的学习样本变得更“聪明”。由于对话式AI语音助手产品往往面向的是全球消费者，因此采集多语种、多场景、多种说话风格的对话式语音数据，赋能语音助手更全面的学习样本，是促进AI语音助手与人畅所欲言，对答如流的关键。目前，MagicData作为全球领先的AI数据解决方案提供商为算法工程师提供大量对话式交互数据。

本页网址：https://www.xinzhibang.net/article_detail-18191.html

寻求报道，请

关键词

分享至微信：

相关工具

NovelAI

AI小说故事创作工具

火龙果写作

AI驱动的文字生产力工具

Compose AI

免费的Chrome浏览器自动化写作扩展

火山写作

字节跳动旗下团队推出的免费AI英语写作助手

Bearly

AI阅读总结、写作和内容生成助手

Copy.ai

人工智能营销文案和内容创作工具

三个国外专业免费的调色网站

三个国外专业免费的调色网站无论制作视频、编辑图片，合适的色彩会让你的作品增加视觉冲击力，所以专业的调色技术价值非凡，一部电影或一部好的视频、图片海报，专业调色耗费少则上万，多则上百万，只是大家对专业调色这个行业知之甚少，今天网玩君就为大家分享三个国外专业免费的调色网站，记得收藏好，以后编辑视频、图片

分类标签调色网站免费

04-18 16:42

电影制作中的纹理技术

纹理在电影制作中的重要性纹理是指将详细的表面特征应用于3D模型或视觉效果元素，使其看起来更逼真。纹理对于创建视觉上引人入胜且可信的电影场景至关重要，尤其是涉及CGI、动画或特效的场景。纹理还支持叙事和讲故事，可以通过纹理设置年龄大小等属性，为故事奠定基础。纹理技术的发展历程自胶片问世以来，电影制作人

分类标签纹理电影制作CGI视觉效果微缩模型UV映射

04-18 16:42

UnrealSynth虚幻合成数据生成器-NSDT

UnrealSynth虚幻合成数据生成器-NSDTUnrealSynth基于UE5虚幻引擎开发，可用于生成合成数据集，包括图像和标注数据。可用于各种行业细分场景中目标识别任务的实施效率提高。UnrealSynth合成数据工具包内容UnrealSynth基于UE5虚幻引擎开发，目前支持YOLO系列模型

分类标签 UnrealSynth虚幻引擎数据合成YOLO模型深度学习训练数据

04-18 16:42

人工智能与音乐：谷歌的Project Magenta

谷歌的Project Magenta利用人工智能技术生成音乐和其他艺术形式，如素描、视频和笑话。该项目的目标是为人们创造新的交流方式。本文介绍了该项目的背景、发展历程和应用。在上世纪90年代中期，谷歌研究院的Douglas Eck就开始了他的人生目标：融合人工智能与音乐。二十年后，他与一支谷歌研究团

分类标签人工智能音乐谷歌

04-18 16:42

如何做好SEO优化？

如何做好SEO优化？想要做好SEO优化，得从站内优化和站外优化两个方面入手。一、站内优化1.关键词定位和分析关键词整理是SEO优化中的核心工作，一旦定下来就不建议再次去更改。站长始终要记住关键词一定要和行业、产品、领域息息相关，同时还可以参考竞争对手所做的关键词，可以利用站长工具、5118、爱站网、

分类标签 SEO优化关键词定位网站架构布局

12-11 08:19

万兴科技：营收实现稳健增长，拥抱AIGC新机遇

万兴科技：营收实现稳健增长，拥抱AIGC新机遇国元证券股份有限公司耿军军近期对万兴科技进行研究并发布了研究报告《2022年年度报告点评：营收实现稳健增长，拥抱AIGC新机遇》，本报告对万兴科技给出买入评级，当前股价为75.24元。万兴科技(300624)事件：公司于2023年4月7日收盘后发布《20

分类标签万兴科技营收增长AIGC

12-11 02:11

AI分身市场潜力巨大，万兴科技、京东等已率先布局

“AI孙燕姿”和“CarynAI”引爆市场最近，“AI孙燕姿”和“CarynAI”以以假乱真的程度引爆市场，都是通过采集本人的语音、文字、图像等素材，并通过开源的生成式训练模型进行训练而成。其中，“CarynAI”成功地借助AI技术，打造了自己的AI分身，通过付费的方式，跟AI版的自己进行交往，预计

分类标签 AI孙燕姿CarynAIAI分身AIGC技术虚拟主播数字人

12-11 02:10

万兴科技推出名师必备讲演神器“万兴智演”

万兴科技推出名师必备讲演神器“万兴智演”9月8日，万兴科技面向泛知识领域，推出名师必备讲演神器“万兴智演”。该款AI演示新品集成强大的AIGC能力、精美的行业课程模板以及动画特效素材，大大简化课件制作过程。同时，产品内置强大的录制、直播功能，通过真人实拍与演示内容相结合的形式，实现人景融合的实时演示

分类标签万兴科技万兴智演AI演示

12-11 02:09

万兴科技创始人吴太兵在2023互联网岳麓峰会上的主题演讲

万兴科技创始人吴太兵在2023互联网岳麓峰会上的主题演讲2023互联网岳麓峰会论坛上，万兴科技创始人、董事长兼总裁吴太兵进行主题演讲。红网时刻新闻记者郭雅倩甘红长沙报道十届、十年，岳麓峰会从2014年的“湖湘汇”到如今云集万人的盛会，积攒了巨大的关注度和影响力。6月19日，2023互联网岳麓峰会在长

分类标签万兴科技吴太兵岳麓峰会

12-11 02:05

樟宜机场：通过科技改变旅客体验

樟宜机场：通过科技改变旅客体验樟宜机场在智能手机上移动的小红点代表了在机场上空飞行的飞机，通过传感器的追踪获取了相关飞行轨迹。机场通过人工智能、面部识别和数据分析等技术的应用，不断提高机场运营效率，保持创新，致力于成为一个旅客体验更佳、充满活力的目的地。人工智能优化机场运营效率樟宜机场在2017年共

分类标签樟宜机场科技旅客体验

12-10 22:16