圖：深圳黃鸝智能科技有限公司CEO劉志
▲演講PPT下載，pdf格式

　　劉志：感謝CTI論壇，我在呼叫中心和企業(yè)通信領(lǐng)域是個(gè)新人，我們公司也很新，去年8月份剛剛成立。但是疫情讓我對(duì)這個(gè)領(lǐng)域所做的事情有更新的認(rèn)識(shí)，首先我認(rèn)識(shí)到呼叫中心也好、企業(yè)通信也好，是服務(wù)于全行業(yè)的。有一個(gè)笑話，說疫情當(dāng)中三個(gè)月沒有接到推銷電話感覺整個(gè)人都不好了，終于盼來了一通推銷電話，瞬間點(diǎn)燃了自己。我也有這樣的感受，我接到的外呼電話和我打出去的客服電話，經(jīng)常會(huì)遇到這樣的場(chǎng)景，我給大家演示一下，就是這樣嘈雜的環(huán)境。這樣的場(chǎng)景大家并不陌生，不僅是在呼叫中心，在企業(yè)辦公中，整個(gè)疫情期間我參加的不下一百場(chǎng)的各種各樣的線上宣講、會(huì)議等等，才意識(shí)到一個(gè)問題，我們大部分人不知道通話的對(duì)方聽到我的聲音是怎樣的。而我聽到同事們家里面狗叫貓叫的聲音，我意識(shí)到我也可能給對(duì)方帶來了不好的體驗(yàn)。

　　實(shí)驗(yàn)心理學(xué)有這樣的數(shù)據(jù)，說明聲音有多重要，在人類獲取的信息當(dāng)中有20%是直接來自于聲音，還有25%是聲音和視覺的結(jié)合，今天在現(xiàn)場(chǎng)能夠面對(duì)面的交流是對(duì)于信息交互是非常難得的，因?yàn)榧扔新曇粲钟幸曈X，大家可以看到我的表情、形態(tài)和肢體語言，但是一旦到了線上看不到對(duì)方，這種情況下聲音是不是就是我們獲取信息的唯一來源呢？從人類表達(dá)信息的手段來看，有聲語言更是占據(jù)了絕大多數(shù)的比例�？墒锹曇暨@么重要，我們卻常常忽略了噪聲的影響。

　　我們可以看到疫情的影響下，越來越多的企業(yè)已經(jīng)在選擇在家辦公了，包括Facebook、推特，疫情前美國(guó)有5%的企業(yè)辦公選擇在家或者是比較自由的方式。我相信疫情終將過去，但是就像03年非典之后電商發(fā)展起來了，這次的疫情后我相信線上辦公、學(xué)習(xí)、娛樂等等很多新的生活工作方式會(huì)變成常態(tài)，但這里面有個(gè)非常重要的問題，就像電商普及那樣，就是體驗(yàn)非常重要。對(duì)于在線辦公和呼叫中心來說，語音降噪對(duì)于客戶體驗(yàn)就是非常重要的。

　　呼叫中心大家也都知道，今天數(shù)字化越來越成為潮流，今天下午的演講中五個(gè)同行，有四家都是在講人工智能，怎么樣用人工智能來讓客戶的體驗(yàn)更好，但同時(shí)也要看到，今天在這種數(shù)字化變革下，今年85%呼叫中心也要做數(shù)字化變革，但是對(duì)于數(shù)字渠道滿意客戶只有21%，我自己就對(duì)很多數(shù)字渠道很不滿意，還有1/3通過數(shù)字渠道發(fā)起的客戶服務(wù)最終還是轉(zhuǎn)到了人工，這不是代表智能化不是趨勢(shì)，實(shí)際上智能化一定是趨勢(shì)，但是今天怎么樣去提升客戶的體驗(yàn)，語音降噪在智能化當(dāng)中也有非常多重要的價(jià)值。

　　我們看到語音雖然是個(gè)非常古老的手段，但是不管是在呼叫中心還是在企業(yè)辦公中今天發(fā)揮的作用是不但沒有減小而且是越來越大的。拿呼叫中心來說，作為問題解決中心我們觀察到，雖然人工智能數(shù)字化渠道有很多好的提升效率的手段，但是總有一些查詢最終要到人這里，而且要看到一旦到了人這里的問題，一定是最有價(jià)值的問題，也是最難解答的問題，機(jī)器人搞不定的問題最終交給了人。我也是做人工智能的，人工智能今天只能解決相對(duì)簡(jiǎn)單的有邏輯問題，畢竟人工智能沒有認(rèn)知，也無法體察我的情感。

　　語音到人工一定是處理的最有價(jià)值的交互，呼叫中心也是價(jià)值創(chuàng)造中心，今天獲取客戶的成本越來越高，我以前所在的教育培訓(xùn)行業(yè)在今年疫情影響下是突飛猛進(jìn)的增長(zhǎng)，但是所有的從業(yè)者都有一個(gè)非常擔(dān)憂的事情就是獲客成本越來越高，這種情況下怎么能夠保留現(xiàn)有客戶，讓現(xiàn)有客戶為我們帶來更多的價(jià)值等等，這些都是企業(yè)必須要思考的問題，而這種保留客戶的發(fā)掘客戶價(jià)值的渠道、這樣的交互，人工智能只能作為輔助手段，一定需要通過人與人之間情感的交互。

　　今天呼叫中心行業(yè)中語音渠道的目的改變了，已經(jīng)不是處理簡(jiǎn)單查詢的問題，而更多的是解決復(fù)雜但是有價(jià)值的交互。優(yōu)化語音渠道，讓語音渠道給用戶帶來的體驗(yàn)更好，這一點(diǎn)在后疫情時(shí)代越發(fā)有必要。

　　我最開始演示的一樣，今天很多語音渠道連最基本的讓對(duì)方聽清楚這一點(diǎn)都有差距，這是什么原因呢？核心問題就是噪聲。我們通常大家會(huì)有個(gè)感受，我面對(duì)面交互的時(shí)候有噪聲影響也不大，為什么到了坐席這里、線上交互的時(shí)候噪聲難道就發(fā)生了質(zhì)的變化嗎？我研究聲音接近20年的時(shí)間，可以很明確的告訴大家線上和線下的語音交互是完全不一樣的體驗(yàn)。兩點(diǎn)：一是我們?cè)诿鎸?duì)面交流的時(shí)候除了聲音以外，我們也有眼神的交互、肢體的語言，通過視覺那25%大量獲取輔助的信息，信息傳輸手段是綜合多維的，一旦變到只有單一的語音途徑的時(shí)候，對(duì)于聲音質(zhì)量的依賴性極大的加強(qiáng)了；二是人是非常智能的智能體，我們?cè)诿鎸?duì)面交流的時(shí)候不是一只耳在聽，而是兩只耳朵，這是雙耳效應(yīng)，雙耳效應(yīng)可以自動(dòng)幫助抑制噪聲、定位聲源方向，一旦錄下來再播出來相當(dāng)于是一只耳朵在聽聲音，這種人類自身降噪機(jī)制發(fā)揮不了作用，這也就是為什么降噪這件事非常重要，但是又很困難。

　　上世紀(jì)50年代很多人研究相關(guān)課題，直到今天我們看到了很多降噪的方法依然有各自缺陷。傳統(tǒng)的方法是預(yù)測(cè)噪聲的走向，知道下一個(gè)時(shí)刻噪聲是怎樣，從帶噪語音中把噪聲減去，但是只對(duì)穩(wěn)態(tài)的噪聲，比如空調(diào)的噪聲有預(yù)判，對(duì)穩(wěn)態(tài)噪聲效果非常好，但是實(shí)際上今天噪聲環(huán)境越來越復(fù)雜，傳統(tǒng)的方法很難解決。

　　陣列方法模擬人耳雙耳效應(yīng)，也有更多的四個(gè)麥克風(fēng)、八個(gè)甚至更多，它的思路是模擬人耳，但是首先對(duì)麥克風(fēng)的品質(zhì)一致性要求非常高，其次這種方法的邊界效應(yīng)比較明顯。最新2011年興起的深度學(xué)習(xí)降噪方法取得很好效果，但是也有兩個(gè)問題，首先是模型結(jié)構(gòu)非常復(fù)雜，算法復(fù)雜度非常高，很難滿足通信實(shí)時(shí)性的要求，其次是這一輪人工智能深度學(xué)習(xí)方法是黑盒，訓(xùn)練出來的模型、模型參數(shù)什么樣很難搞清楚，我們也無法知道到底是怎么訓(xùn)練的，有些時(shí)候用了這個(gè)方法之后中間聲音聽不到了，也不知道發(fā)生了什么、也無法進(jìn)行修正。

　　黃鸝智聲在降噪方面研究了15年以上的時(shí)間，發(fā)現(xiàn)前面的方法有些是從人耳的特性出發(fā)的，有些是從大腦特性出發(fā)，比如深度學(xué)習(xí)是模擬大腦，前面說的陣列、傳統(tǒng)降噪方法是模擬人耳，而我們做的是把二者統(tǒng)一起來，聽覺智能是耳朵和大腦中樞一起作用的結(jié)果，把信號(hào)處理的方法和深度學(xué)習(xí)的方法進(jìn)行融合，取長(zhǎng)補(bǔ)短把它們當(dāng)中優(yōu)點(diǎn)發(fā)揮出來。從而在降噪問題上解決了以下難題，既要高降噪又要低失真，很多降噪可以把噪聲降得比較好，但是要的聲音也有丟失，要么是聲音聽著還可以，但是一直聽到噪聲。高可靠低延時(shí)，我們方案最低8毫秒的延時(shí)，這是通信系統(tǒng)里面是完全可以被忽略的，同時(shí)高可靠，不會(huì)丟數(shù)據(jù)，不會(huì)聽到中間斷斷續(xù)續(xù)的，三是高性能低成本，這樣的技術(shù)可以達(dá)到參數(shù)指標(biāo)，可以做到降噪40DB以上，今天在飛機(jī)發(fā)動(dòng)機(jī)尾部地方，十幾架直升機(jī)一起轟鳴，走出去感覺聲浪很厲害，直升機(jī)去感受一下，都可以感覺把人振起來，我對(duì)著別人耳朵大聲喊人家不知道我在說什么，但是用我們的技術(shù)，帶上我們耳麥后可以實(shí)現(xiàn)清晰的聲音傳輸，也可以用它去進(jìn)行語音識(shí)別，40db是對(duì)噪聲能量降低一萬倍以上，我們還可以讓語音質(zhì)量保持在3.5分以上滿分是5分，最終可以呈現(xiàn)出高質(zhì)量、高性價(jià)比的產(chǎn)品。

　　基于這樣的技術(shù)，我們也給呼叫中心和企業(yè)通信領(lǐng)域帶來了四款產(chǎn)品，自適應(yīng)通話降噪盒是去年11月份出來的產(chǎn)品，可以接固定電話，傳統(tǒng)的固定電話接上我們的降噪盒以后變成專門降噪的電話，第二款產(chǎn)品G100U，今年4月份剛剛出來的，主要定位教育培訓(xùn)行業(yè)，看著比較大一些。4月份剛剛出來5月份就在教育行業(yè)拿到了數(shù)十K的訂單，現(xiàn)在交付達(dá)到幾十K。第三、第四款產(chǎn)品是CTI論壇平臺(tái)上首次發(fā)布的，E100U，精英系列產(chǎn)品，主要目標(biāo)人群是辦公人群，是可以接typecC接口，主流安卓手機(jī)，也可以接電話。C101是精巧系列，是給呼叫中心和坐席人員準(zhǔn)備的，剛才我在剛開始的時(shí)候請(qǐng)老師給我播放了一個(gè)噪音我也戴著我的C101耳麥同步做了錄音，大家聽聽剛才用這樣的耳麥錄下來的剛才聲音。

　�。úシ怕曇簦�

　　同時(shí)播放了噪聲，大家聽聽用C101耳麥錄音是不是完全聽不到任何噪聲也沒有任何失真？這是技術(shù)所體現(xiàn)出來的實(shí)際的效果，不用建專業(yè)隔音室，只需要戴一個(gè)耳麥就相當(dāng)于給每一個(gè)坐席、每一個(gè)辦公人員建立了一個(gè)專用虛擬的辦公室。

　　智能化是方向，但是今天其實(shí)包括剛才云趣提到的問題，今天語音識(shí)別的識(shí)別準(zhǔn)確率會(huì)非常受到環(huán)境噪聲的影響，實(shí)測(cè)安靜環(huán)境下95%的識(shí)別率，真的在噪聲環(huán)境下，噪聲環(huán)境相對(duì)比較惡劣的話可能會(huì)掉到70%以下，我們的設(shè)備還可以來支持?jǐn)?shù)字渠道和智能化的渠道，合作伙伴只需要關(guān)注后端的質(zhì)檢、客服助手等技術(shù)的準(zhǔn)確率以及效果，完全可以把前端怎么讓聲音更加干凈、更加清晰這樣的事情交給我們。

　　我們公司是非常年輕的一家公司，去年剛剛成立，但是在聲音領(lǐng)域的研究有超過20年的歷史，我本人清華電子系畢業(yè)后一直從事聲音相關(guān)的工作，做過語音識(shí)別、做過口語測(cè)評(píng)、做過語音編解碼，和聲音相關(guān)方方面面很多我是非常非常清楚的，當(dāng)時(shí)做語音識(shí)別的時(shí)候特別有感受，我的碩士課題是車載環(huán)境下語音識(shí)別，在實(shí)驗(yàn)室里面調(diào)得非常好的設(shè)備拿到車上后馬達(dá)一響、車一開，完全報(bào)廢了。噪聲的影響也是我們團(tuán)隊(duì)一直想去克服的，而且我們認(rèn)為它對(duì)于人類生活工作品質(zhì)真的有非常大的幫助。

　　我們企業(yè)的使命是用聲音智能來改善人類生活與工作品質(zhì)，聲音作為人最重要的信息交互手段之一，實(shí)際上今天它的價(jià)值遠(yuǎn)遠(yuǎn)沒有被發(fā)掘，就拿它和視覺去對(duì)比，可以看到今天很多視覺的設(shè)備已經(jīng)非常多的應(yīng)用，但是語音始終感覺還是欠了點(diǎn)火候，在我們看來，噪音是其中一個(gè)非常重要的障礙，我們希望把我們的技術(shù)和更多的伙伴們一起合作，因?yàn)槲覀兪乔岸思夹g(shù)，是相對(duì)底層的技術(shù)，所有需要噪聲環(huán)境下進(jìn)行采集、通信、識(shí)別等聲音能夠發(fā)揮價(jià)值的地方都希望和大家一起攜手合作。我們有一個(gè)愿景，我們認(rèn)為今天聲音更多的是人與人之間的交互，而未來它可能成為萬物互聯(lián)的手段，我們把我們的技術(shù)和大家的結(jié)合在一起，構(gòu)建這樣一個(gè)萬物交互的世界，我們認(rèn)為這樣的一天不是那么的遙遠(yuǎn)。

　　謝謝大家！