語音識(shí)別已成紅海，聲紋識(shí)別正成為AI領(lǐng)域新熱點(diǎn)

2019-02-19 17:29:05來源：界面新聞

過去幾年有不少人工智能領(lǐng)域獨(dú)角獸企業(yè)崛起，比如視覺識(shí)別領(lǐng)域的商湯科技和曠視科技，語音識(shí)別領(lǐng)域的云知聲等。但在聲紋識(shí)別領(lǐng)域，還沒有明顯一些公司可以算是一馬當(dāng)先。

這背后的原因在于，視覺識(shí)別和語音識(shí)別所解決的往往是一種有關(guān)共性的問題，以語音識(shí)別為例，它所要做的只是將說話人的語音內(nèi)容識(shí)別出來。然而聲紋識(shí)別除了要識(shí)別文本內(nèi)容之外，可能還要涉及到識(shí)別說話人的身份等方面，多種因素的疊加使得這項(xiàng)技術(shù)的落地有更多的難度。

不過，隨著技術(shù)的逐步完善，已經(jīng)有一些初創(chuàng)企業(yè)開始推出了相應(yīng)的技術(shù)解決方案，并且開始在各個(gè)細(xì)分行業(yè)中落地。

成立于2016年的聲揚(yáng)科技是聲紋識(shí)別這個(gè)賽道中的一家初創(chuàng)企業(yè)。公司創(chuàng)始人兼CEO李亞桐認(rèn)為，從最近整個(gè)行業(yè)展現(xiàn)出的狀況來看，聲紋識(shí)別的發(fā)展程度已經(jīng)類似2014年前后的視覺識(shí)別，正處于一個(gè)早期階段，并且等待著爆發(fā)期的來臨。

“目前市面上，以語音識(shí)別、轉(zhuǎn)寫為主打方向的SaaS服務(wù)提供商已經(jīng)有很多;鑒于聲紋識(shí)別的技術(shù)難度要更為復(fù)雜，這個(gè)領(lǐng)域應(yīng)該還在剛起步階段，但隨著應(yīng)用場景的越來越多，它很快會(huì)迎來爆發(fā)。”李亞桐對(duì)界面新聞?dòng)浾叻治龇Q。

他認(rèn)為，相比于人臉識(shí)別和指紋識(shí)別，聲紋的采集只需要麥克風(fēng)模塊，成本相比于攝像頭或者指紋識(shí)別模塊而言要低，采集的方便性和安全性則要高，因此這項(xiàng)技術(shù)有著比較明確的市場前景。

在國內(nèi)，有助于聲紋識(shí)別落地的行業(yè)政策已經(jīng)出臺(tái)。2018年11月，中國人民銀行正式對(duì)外發(fā)布《移動(dòng)金融基于聲紋識(shí)別的安全應(yīng)用技術(shù)規(guī)范》金融行業(yè)標(biāo)準(zhǔn)，這意味著聲紋識(shí)別技術(shù)得到金融監(jiān)管部門的認(rèn)可，也為聲紋識(shí)別技術(shù)進(jìn)入移動(dòng)金融領(lǐng)域解決了標(biāo)準(zhǔn)難題。

此前，聲揚(yáng)科技也已經(jīng)在海外的金融相關(guān)業(yè)務(wù)落地。2018年，它們?cè)谟∧釣楫?dāng)?shù)氐酿B(yǎng)老基金項(xiàng)目打造了一套聲紋識(shí)別系統(tǒng)，讓當(dāng)?shù)鼐用裢ㄟ^閱讀特定文本的方式來通過驗(yàn)證，申領(lǐng)養(yǎng)老金。

以往，當(dāng)?shù)鼐用裆觐I(lǐng)養(yǎng)老金需要在線下的銀行機(jī)構(gòu)等排隊(duì)等候，這一方式的不便之處在于，既占用了居民的生活時(shí)間，也導(dǎo)致機(jī)構(gòu)需要投入額外的人力來進(jìn)行信息驗(yàn)證。目前，聲揚(yáng)科技的方案已經(jīng)覆蓋了當(dāng)?shù)?50萬名居民。

在打造技術(shù)方案的過程中，聲揚(yáng)科技的技術(shù)團(tuán)隊(duì)不可避免地會(huì)遇到語音方面的一些復(fù)雜問題。比如說，作為一個(gè)多民族國家，印尼國內(nèi)居民口音的多樣性，以及文化水平的差異性，都會(huì)使得用戶在讀出同一段文字時(shí)有不同的效果。另外，當(dāng)?shù)鼐用裨诓杉暭y時(shí)使用的不同設(shè)備，如智能機(jī)和功能機(jī)，也都會(huì)影響到聲音的真實(shí)性。

為了解決這個(gè)問題，聲揚(yáng)科技在復(fù)雜的場景下，基于自身的神經(jīng)網(wǎng)絡(luò)技術(shù)做了很多用戶測(cè)試;除此之外，養(yǎng)老基金的識(shí)別系統(tǒng)除了聲紋識(shí)別外，還有指紋識(shí)別和人臉識(shí)別模塊，三種方式之中的兩種通過了，驗(yàn)證才算正式完成。

目前，聲揚(yáng)科技的方案已經(jīng)服務(wù)了印尼當(dāng)?shù)?50萬名居民，并做到了99.5%以上的準(zhǔn)確率。如今在國內(nèi)，聲揚(yáng)科技也已經(jīng)和一些金融機(jī)構(gòu)達(dá)成了合作。

“人行的規(guī)范出來之后，需求也相應(yīng)起來了。”李亞桐表示，除了金融領(lǐng)域之外，機(jī)器人、車載、安放等領(lǐng)域，之后也都是聲紋識(shí)別首要的幾個(gè)的落地場景。

除了聲紋識(shí)別的技術(shù)方案之外，聲揚(yáng)科技也在發(fā)展自己的語音識(shí)別方案，比如語音轉(zhuǎn)文字等。公司首席科學(xué)家張偉彬?qū)缑嫘侣動(dòng)浾弑硎荆瑔我坏募夹g(shù)儲(chǔ)備很容易帶來技術(shù)方案的不完整性，有的場景可能需要幾種技術(shù)一起結(jié)合;因此在語音識(shí)別方面進(jìn)行布局，也是構(gòu)建技術(shù)壁壘的必要舉措。

就在最近，聲揚(yáng)科技也完成了香港X科技基金領(lǐng)投的Pre-A輪融資。在AI企業(yè)逐漸成為投資風(fēng)口的大背景下，李亞桐認(rèn)為，資本的活躍能夠加速技術(shù)的落地，并且為AI應(yīng)用帶來更多的新變革。

“現(xiàn)在還只是一個(gè)弱人工智能時(shí)代，長遠(yuǎn)來看，AI需要和行業(yè)以及場景結(jié)合，提升效率;可以說，有多少行業(yè)就需要多少個(gè)方向的AI，這個(gè)領(lǐng)域無疑需要更多資本的進(jìn)入。”張偉彬說。相比于行業(yè)格局已經(jīng)趨向穩(wěn)定的語音識(shí)別和視覺識(shí)別而言，聲紋識(shí)別確實(shí)是一個(gè)潛力有待挖掘的賽道。記者 | 饒文怡

標(biāo)簽：