古有听声辨位,今有听声"识"人。说到声音,其本质是不同频率声音的集合,以波的形式振动(震动)传播。由于每个人的发声器官(口腔、鼻腔、声带)各不相同,因此每个人的声音也不一样。因而,你的声音代表了个人很多关键信息,例如,性别、年龄、音色等特征。
前几年,韩国大热的刑侦剧《Voice》里,女主是一个报警中心电话接听员,天生听力过人,不仅能听到很多常人听不到的细小微弱的声音,还能分辨出人讲话的声音、物体碰撞的声音、环境背景音等,靠着这个听声辨物的"超能力",女主通过现场声音,准确的分辨人、物、地点,帮助组员破获了很多案件和解救人质。
如今,这种通过解读声音来识人辨物,已经完全能靠人工智能来实现了,即众所周知的声音识别。
在我们日常生活当中,声音识别已经应用得非常广泛了。比如说我们平时使用一些智能家居设备时,通过语音进行指令操控;在不方便进行手动输入的场景下,可以通过语音输入,进行网页搜索、导航设定、文本录入,动嘴不动手,方便快捷。
但仅仅是这样还不够。在实际的应用场景里,用户的说话环境往往包含各种各样的噪声,会在一定程度上污染说话人的声音信号,使算法无法准确获取说话人的声纹特征;甚至由于说话人过多,无法准确分离出目标人的声音,提取不到准确的声纹特征等因素,都会对识别效果有影响。
标贝科技立足于对AI的理解,依托先进的语音交互技术,以语言和语音为入口,持续研发全新的AI语音能力,打造更懂用户的语音服务和更接地气的语音产品,目前已经推出中英文语音识别、多语种语音合成、声音转换和声纹识别服务,均得到落地应用。与此同时,标贝科技持续深挖细分领域,全新上线声音理解功能,不仅能听懂用户说什么,还能鉴定用户身份。
标贝科技声音理解,即通过声音识别基本算法,自动对说话人的语音信号进行特征提取,构建声音分析框架,由机器进行语音数据分析,快速区分噪音与人声,并判定发音人性别和年龄段,进行更加精准化的信息匹配。
在应用场景上,声音理解功能尤为有意义。在人机交互系统中,可以通过说话人的性别和年龄确定说话人所属的特定人群,从而更有针对性的进行交互。
在智能家居领域,智能音箱、智能语音助手可以利用声音理解的"辨认"技术,得出其性别、年龄、历史偏好等信息,提供个性化服务,如针对老年人、儿童等年龄段用户,按照兴趣推荐不同的歌曲、新闻,对设备控制权限进行安全控制,让机器更智能。
在智能客服场景里,基于语义的自动电话销售已经成为行业常态,而通过声音理解功能对语音客服的音频数据进行分析,构造实时准确的用户画像,能做到对不同电销客户的精准推送,大大降低获客成本,提升用户活跃度,增强变现能力。
在刑事侦查中,警方可以根据用户的年龄和性别进行访问授权,快速确定说话人的性别和年龄,有助于缩小搜索范围,并为分析犯罪心理和行为分析提供依据。
总的来说,声音作为人们进行信息交流最方便、有效的方式,未来必然也是人机交互的不可或缺的载体。随着多种语音交互技术的不断成熟和融合,语音交互越来越多的转向个性化需求,结合语音识别、声纹识别等多元技术,声音理解能力将逐渐融入人们的日常生活,产生巨大的应用价值。标贝科技也将持续推动AI语音技术创新研发,助力企业与开发者实现更多个性化语音解决方案的落地。
![](http://www.ctiforum.com/uploadfile/2021/1217/20211217021750261.jpg)
标贝科技【声音理解】服务已于12月16日在标贝科技官网与标贝开放平台同步上线公测,免费体验地址:
(1)标贝科技官网:https://www.data-baker.com/
(2)标贝开放平台:https://ai.data-baker.com/#/index?source=gzh001