高杰還從三個(gè)方面談到了達(dá)摩院的語(yǔ)音能力和優(yōu)勢(shì)，他說(shuō)，“數(shù)據(jù)積累、算法和計(jì)算能力是語(yǔ)音AI三大基石。在數(shù)據(jù)積累方面，達(dá)摩院語(yǔ)音技術(shù)連續(xù)4年，每年識(shí)別阿里巴巴集團(tuán)內(nèi)超過(guò)1億通的電話，還提供手機(jī)淘寶、支付寶、手機(jī)高德等阿里巴巴集團(tuán)內(nèi)所有App的語(yǔ)音識(shí)別相關(guān)功能，具有電視、車載、兒童教育、公共空間等多領(lǐng)域的語(yǔ)音交互數(shù)據(jù)，具備多語(yǔ)音、重口音、方言能力；在算法方面，具有三國(guó)五地精英齊聚的百人精英團(tuán)隊(duì)，具備信號(hào)處理、語(yǔ)音識(shí)別、語(yǔ)音合成、對(duì)話處理的能力；在計(jì)算能力方面，背靠阿里云，彈性計(jì)算百萬(wàn)并發(fā)經(jīng)受雙十一考驗(yàn)，語(yǔ)音識(shí)別使業(yè)內(nèi)最先進(jìn)的CTC-LFR建模技術(shù)提速3倍以上。”

在會(huì)上，高杰重點(diǎn)介紹兩款產(chǎn)品，語(yǔ)音原子產(chǎn)品和語(yǔ)音交互產(chǎn)品。語(yǔ)音原子產(chǎn)品，包含語(yǔ)音識(shí)別和語(yǔ)音合成，具有自學(xué)習(xí)、彈性計(jì)算、穩(wěn)定、方便接入的特點(diǎn)。語(yǔ)音交互產(chǎn)品旨在讓每臺(tái)設(shè)備都能聽(tīng)會(huì)說(shuō)懂你，該產(chǎn)品從2015年到2018年，已經(jīng)在手機(jī)、汽車、電視、智能家居等場(chǎng)景中應(yīng)用，包括支付寶、蝦米音樂(lè)、多模態(tài)地鐵售票機(jī)、手機(jī)高德APP、兒童機(jī)器人、榮威系列、海爾遠(yuǎn)場(chǎng)景語(yǔ)音電視等等。

高杰表示，達(dá)摩院語(yǔ)音實(shí)驗(yàn)室的愿景是為阿里巴巴經(jīng)濟(jì)體提供無(wú)處不在的語(yǔ)音交互能力。語(yǔ)音技術(shù)作為多模態(tài)中發(fā)展最成熟，也是最重要的一環(huán)，我們期待語(yǔ)音技術(shù)在多模態(tài)交互場(chǎng)景中有著更多的亮眼表現(xiàn)。

視覺(jué)將是下一代機(jī)器人的基本能力

玩瞳科技VisionTal專注于實(shí)體學(xué)習(xí)桌面的智能視覺(jué)分析，旨在打造多模態(tài)的智能學(xué)習(xí)體驗(yàn)。在會(huì)上，玩瞳科技CTO潘鑫表示，政策利好產(chǎn)業(yè)發(fā)展，2018年，中國(guó)發(fā)布的《教育信息2.0行動(dòng)計(jì)劃》強(qiáng)調(diào)“智慧教育創(chuàng)新發(fā)展行動(dòng)”要加強(qiáng)智能教學(xué)助手、教育機(jī)器人、智能學(xué)伴、語(yǔ)音文字信息化等關(guān)鍵技術(shù)研究與應(yīng)用。教育機(jī)器人作為機(jī)器人應(yīng)用于教育領(lǐng)域的代表，將成為智慧學(xué)習(xí)環(huán)境的重要組成部分。

玩瞳科技CTO潘鑫

在談到下一代機(jī)器人的發(fā)展方向時(shí)，潘鑫認(rèn)為，視覺(jué)將是下一代機(jī)器人的基本能力。視覺(jué)的能力將使機(jī)器人改變以往的被動(dòng)服務(wù)形式，邁向主動(dòng)服務(wù)。從而為使用者提供更好的服務(wù)體驗(yàn)。

玩瞳科技在教育視覺(jué)領(lǐng)域深耕多年，在視覺(jué)識(shí)別算法上走在行業(yè)前列，在完整的技術(shù)體系支持下，推出了多款視覺(jué)識(shí)別的教育硬件產(chǎn)品，并且和機(jī)器人/故事機(jī)、教育電子、互聯(lián)網(wǎng)巨頭、垂直教育多領(lǐng)域合作，積累了豐富的實(shí)踐經(jīng)驗(yàn)。

讓教育硬件從聽(tīng)到到看，多模態(tài)的交互趨勢(shì)，玩瞳已做好準(zhǔn)備。

CEVA DSP一站式解決方案助力極速開(kāi)發(fā)產(chǎn)品

CEVA是一家以色列的IP授權(quán)公司，在DSP領(lǐng)域處于領(lǐng)先地位，客戶遍布全球各地，行業(yè)應(yīng)用覆蓋非常廣，包括計(jì)算機(jī)視覺(jué)、AI、通訊等領(lǐng)域。CEVAKeyAccountsMananger田元在會(huì)上表示，CEVA每年出貨量非?？捎^，有CEVAinside的終端產(chǎn)品出貨超過(guò)10億臺(tái)。

CEVA Key Accounts Mananger 田元

在會(huì)上，田元重點(diǎn)談到音頻相關(guān)的應(yīng)用，重點(diǎn)講到智能音箱和TWS耳機(jī)，調(diào)研機(jī)構(gòu)數(shù)據(jù)顯示，接下來(lái)幾年，TWS耳機(jī)每年都有500—800 milion的出貨量，智能音箱市場(chǎng)表現(xiàn)更為穩(wěn)定，接下來(lái)幾年會(huì)維持大概200 milion的出貨量，在田元看來(lái)，未來(lái)幾年，整個(gè)市場(chǎng)需求相當(dāng)可觀。

那么，面對(duì)如此大的市場(chǎng)需求，為什么用DSP而不是通用處理器來(lái)處理跟語(yǔ)音相關(guān)的東西？田元解釋道，DSP，即數(shù)字信號(hào)處理器，語(yǔ)音作為數(shù)字信號(hào)，天然需要用DSP處理。那么又為什么用CEVA的DSP？田元說(shuō)，“CEVA可以同時(shí)提供低功耗產(chǎn)品和高性能產(chǎn)品，此外，還和軟件合作伙伴們一起，打造非常完備的生態(tài)系統(tǒng)，可以保證開(kāi)發(fā)者、芯片客戶、終端用戶，快速開(kāi)發(fā)產(chǎn)品，快速落地。CEVA除了提供DSPIP本身之外，還提供整套一站式解決方案，涵蓋DSP IP、跟音頻相關(guān)的軟件等等。”

CEVA還會(huì)陣對(duì)不同的場(chǎng)景需求，提供不同的解決方案，這樣，IC設(shè)計(jì)公司可以有更多的選擇。以炬芯的芯片為例，超低功耗的解決方案對(duì)應(yīng)炬芯ATS283X平臺(tái)，高性能解決方案對(duì)應(yīng)ATS3609D平臺(tái)，優(yōu)質(zhì)的芯片集成的優(yōu)質(zhì)IP，可為終端智能硬件的產(chǎn)生做好充足準(zhǔn)備。

AI多模態(tài)交互技術(shù)智啟新教育

人機(jī)交互正在從鍵盤鼠標(biāo)的交互轉(zhuǎn)變成語(yǔ)音視覺(jué)等多模態(tài)交互。交互門檻的不斷降低，給交互體驗(yàn)帶來(lái)了明顯提升。炬芯科技產(chǎn)品總監(jiān)肖凱平表示，語(yǔ)音和視覺(jué)是AI交互主要的交互手段，語(yǔ)音方面，不同的產(chǎn)品，要求會(huì)有不同，但體驗(yàn)一定要“過(guò)門檻”，2mic是入門級(jí)要求，需要在本地完成AFE+WMC所有的計(jì)算；視覺(jué)方面，算法的計(jì)算量很大，本地化NN的性價(jià)比不夠，在本地完成一部分計(jì)算，大部分工作在“云”完成。

炬芯科技產(chǎn)品總監(jiān)肖凱平

為實(shí)現(xiàn)更優(yōu)質(zhì)交互體驗(yàn)，炬芯作為一家芯片設(shè)計(jì)廠商的也在持續(xù)深耕技術(shù)，希望用更優(yōu)質(zhì)產(chǎn)品給智能機(jī)器賦能。炬芯科技推出了ATS3607、ATS3607D、ATS3609、ATS3609D四款多模態(tài)智能交互芯片，充足的算力、超低的功耗、強(qiáng)大的可擴(kuò)展性，將賦予機(jī)器更多的可能性。

圖：炬芯多模態(tài)交互AI芯片平臺(tái)ATS3609D

據(jù)肖凱平介紹，炬芯多模態(tài)交互AI芯片平臺(tái)ATS3609D，具有語(yǔ)音+圖像智能、音視頻能力、教育內(nèi)容等，其中語(yǔ)音+圖像智能更適用“重”語(yǔ)音，“輕”圖像雙模交互的場(chǎng)景；音視頻能力雙向視頻通話，應(yīng)用在線教育產(chǎn)品；教育+AI，可以給傳統(tǒng)教育提供不一樣的體驗(yàn)。

圖：炬芯多MIC語(yǔ)音芯片平臺(tái)ATS3607D，可應(yīng)用于車載、家電、辦公領(lǐng)域