盡管全球新冠疫情給該行業(yè)帶來了重大挑戰(zhàn)，但創(chuàng)新和進步在2020年仍在繼續(xù)。現(xiàn)在，語音引擎和驅(qū)動它們的技術(shù)似乎準(zhǔn)備利用日益偏好和依賴語音而不斷發(fā)展的商業(yè)和消費者環(huán)境。
ETS的語音和自然語言處理副研究員AbhinavMisra說，自從深度神經(jīng)網(wǎng)絡(luò)（deep neural networks，DNN）問世以來，語音識別引擎的性能有了顯著提高，更多的組織和消費者從中受益。
“隨著越來越多的人越來越多地使用語音助手，企業(yè)正在收集更多的數(shù)據(jù)，為這些人工智能算法提供素材，并進一步提高語音引擎的性能，”他說。
Appen人工智能專家高級主管Judith Bishop對此表示同意。
“自動語音識別引擎已經(jīng)變得更加強大和通用。主要的引擎現(xiàn)在能夠識別更廣泛的不同年齡段的聲音，包括兒童的聲音，這與成人的聲音有很大的不同，”她說。
Bishop補充說，COVID-19有助于推動最近的創(chuàng)新。“這場大流行把重點放在噪音環(huán)境下的語音識別上，過去一年，處理背景噪音的噪音抑制算法成為一個重要的焦點。結(jié)果，語音不再需要被如此大聲和清晰地引導(dǎo)到近距離的設(shè)備上，并且語音現(xiàn)在可以被檢測和理解，即使在某些情況下，說話人正在間接地對設(shè)備尋址，例如在準(zhǔn)備飯的時候。這些進步進一步凸顯了語音引擎如何更接近人類交流的自然條件。”
隨著亞馬遜（Amazon）、谷歌（Google）和IBM（IBM）等供應(yīng)商現(xiàn)在從云上提供語音服務(wù)，語音引擎也從詞匯有限的固定語法模型發(fā)展到更靈活、更開放的系統(tǒng)。
“如今的云語音服務(wù)比傳統(tǒng)的固定語法模式更實惠。在聯(lián)絡(luò)中心環(huán)境中，高級語音識別的采用也在穩(wěn)步增加；更多的客戶可以使用自然語言與虛擬聯(lián)絡(luò)中心座席交談，從而改善了體驗，”最近被Five9收購的InferenceSolutions公司產(chǎn)品副總裁Santosh Kulkarni說。
Nuance Communications是這一領(lǐng)域的領(lǐng)導(dǎo)者之一，它可以證明進步的步伐是如何加快的，尤其是在醫(yī)療領(lǐng)域。
“深度學(xué)習(xí)技術(shù)迅速改變了計算機進行語音識別的方式。”Nuance的首席研究科學(xué)家FelixWeninger說：“它使我們能夠為非常具有挑戰(zhàn)性的應(yīng)用構(gòu)建語音識別器，例如轉(zhuǎn)錄醫(yī)生和患者之間的對話。”
許多企業(yè)也在利用尖端的語音技術(shù)增強客戶對話的能力。
“我們正在看到一種轉(zhuǎn)變，即從脆弱的、基于命令的交互式語音應(yīng)答系統(tǒng)，轉(zhuǎn)向完全可以使用軟件處理多步驟客戶查詢的自然交互式虛擬座席。”Gridspace首席執(zhí)行官Evan Macmillan表示：“我們也看到了閉環(huán)語音系統(tǒng)，它可以從過去的對話中學(xué)習(xí)，讓座席們更有幫助，更有效率。這些語音系統(tǒng)處理的實時語音音頻量也在不斷增加，這使人們意識到有可能出現(xiàn)更為復(fù)雜的語音接口和傳輸模式。”
年度回顧
2020年，一些關(guān)鍵的發(fā)展對語音引擎和相關(guān)技術(shù)產(chǎn)生了影響。
“在2020年，我們看到基于云的語音引擎解決方案越來越被接受。依賴于內(nèi)部部署模型的組織被迫重新考慮其方法和投資，”VerintSystems負(fù)責(zé)語音和文本分析的副總裁DanielZiv說。“利用云中的語音分析可以讓組織快速啟動和運行，同時提供一個彈性和安全的使用模型，同時提供一個有吸引力的訂閱財務(wù)模型。”
在過去的一年里，為了響應(yīng)COVID-19和非接觸式服務(wù)的需求，語音引擎也得到了加速采用。
“2020年帶來了一個新的緊迫性，以提高語音輔助快速服務(wù)餐廳駕車通過效率，”Bishop說。
端到端語音識別引擎的出現(xiàn)，得益于谷歌、Facebook、微軟和其他公司更積極的研究，也吸引了大量的注意力。
Misra指出：“使用單一的深層神經(jīng)網(wǎng)絡(luò)將音頻信號直接轉(zhuǎn)換成字母非常誘人，因為它消除了許多復(fù)雜性。”
到2020年，更多的企業(yè)利用會話人工智能，推出了智能虛擬座席（IVA）。
Kulkarni說：“如今，利用最新的無代碼IVA開發(fā)平臺，公司可以在幾分鐘內(nèi)構(gòu)建出與消費者智能揚聲器相同的自然語言處理技術(shù)支持的IVA，并在幾天或幾周內(nèi)將其部署到客戶聯(lián)絡(luò)中心。”
在過去的12個月中，由于冠狀病毒的影響，人工智能支持的語音助理和會話系統(tǒng)的革命呈指數(shù)級增長，品牌化的文本到語音變得更加流行。
Read Speaker的首席技術(shù)官Niclas Bergstrom說：“為了幫助自己從競爭中脫穎而出，各品牌也開始嘗試不同的文語轉(zhuǎn)換說話風(fēng)格，包括用情感化的聲音取代如今語音助理中常見的機器人聲音。”
技術(shù)提供商改進了他們的軟件開發(fā)工具包（SDKs）中代碼集成的易用性。例如，Amazon在其AlexaSDK中引入了雙語言模式和更多翻譯模式。
人們對聲音克隆的興趣也在增加。Bergstrom解釋說：“語音克隆允許開發(fā)人員提取目標(biāo)語音的特定特征，例如音調(diào)，并將其應(yīng)用于不同語音的波形。”
展望未來
對許多語音引擎專家來說，未來是光明的，盡管還有一些挑戰(zhàn)需要克服。
“許多功能將被廣泛應(yīng)用，以幫助組織更好地支持'在家辦公'模式，同時繼續(xù)提供積極的客戶體驗。”Ziv預(yù)測：“這些功能包括利用語音分析見解優(yōu)化自助服務(wù)渠道的有效性，以較低的成本提供卓越的服務(wù)。”
例如，分析可以幫助確定客戶打電話的原因以及持續(xù)改進客戶參與的方法。Elektrobit的高級專家VolkerSpringer預(yù)計，未來將有更好的對話背景跟蹤。
“系統(tǒng)將更好地理解句子的語義，并更準(zhǔn)確地將其與用戶的環(huán)境相匹配，這將最大限度地減少聽者的疲勞。系統(tǒng)將允許更復(fù)雜的句子和意圖，”他說。
Macmillan堅持認(rèn)為，未來一年，會話座席將協(xié)助、增強和自動化更多的語音交互。
他說：“對于一些大型醫(yī)療保健和金融服務(wù)公司，我們可以很容易地將由會話語音技術(shù)處理的語音查詢比例從2%提升到50%。”
Deepgram聯(lián)合創(chuàng)始人兼首席執(zhí)行官Scott Stephenson預(yù)計，今年將有更多的資金用于為座席和客戶提供語音體驗。
Stephenson補充說：“與此同時，軟件供應(yīng)商將積極資助與語音相關(guān)的產(chǎn)品開發(fā)，以突破噪音，努力成為客戶體驗技術(shù)領(lǐng)域的下一個大玩家。”
Bergstrom認(rèn)為，能夠更好地衡量用戶所說的內(nèi)容和說話方式的Paralinguistic語音接口也將得到改進。
“這對于我們將在未來幾年開始看到的另一項創(chuàng)新非常重要，這項創(chuàng)新將更加注重情感文本到語音的轉(zhuǎn)換。”他說：“語音質(zhì)量已經(jīng)存在，但語音提供商需要優(yōu)先考慮情感語音服務(wù)，這樣才能提供更好的客戶體驗。”
聲明:版權(quán)所有 非合作媒體謝絕轉(zhuǎn)載
作者：Erik J.Martin
原文網(wǎng)址：
https://www.speechtechmag.com/Articles/ReadArticle.aspx?ArticleID=145090
