企業(yè)是科技創(chuàng)新的主體。習近平總書記強調(diào)：“有能力、有條件的民營企業(yè)要加強自主創(chuàng)新，在推進科技自立自強和科技成果轉(zhuǎn)化中發(fā)揮更大作用。”
越來越多的民營企業(yè)創(chuàng)新步伐不斷加快，成為推動經(jīng)濟高質(zhì)量發(fā)展的重要力量。在安徽合肥，記者走進國家智能語音創(chuàng)新中心。這是工業(yè)和信息化部2021年批復組建的4家國家制造業(yè)創(chuàng)新中心之一，由科大訊飛牽頭，依托合肥智能語音創(chuàng)新發(fā)展有限公司，國內(nèi)10多家智能語音企業(yè)和科研院所聯(lián)手組建而成。中心與企業(yè)聯(lián)動，充分發(fā)揮科技創(chuàng)新驅(qū)動作用，不斷促進創(chuàng)新鏈產(chǎn)業(yè)鏈深度融合，為生產(chǎn)生活帶來更多想象空間。
助生產(chǎn)提質(zhì)增效——
“智能耳朵”將質(zhì)檢效率提高2/3
浙江捷昌線性驅(qū)動科技股份有限公司主營電機生產(chǎn)。“在傳統(tǒng)工業(yè)場景中，電機設(shè)備一旦出現(xiàn)故障，發(fā)出異常聲音，通常都是經(jīng)驗豐富的老師傅用耳朵聽，來判斷故障點。”公司新昌生產(chǎn)基地生產(chǎn)總監(jiān)張巍峰介紹：“我們實現(xiàn)了電機在流水線組裝完成后，通過聲紋質(zhì)檢系統(tǒng)檢測采集產(chǎn)品運轉(zhuǎn)數(shù)據(jù)。”
一款系統(tǒng)，如何通過聲音識別產(chǎn)品質(zhì)量？
靜音房中，電機運轉(zhuǎn)，嗡嗡聲響接連不斷；顯示屏上，聲紋起伏，數(shù)據(jù)被采集捕捉；存在故障，通過數(shù)據(jù)分析，維修點位隨即可以確定。一直以來，張巍峰都在琢磨怎樣通過機器“聽音”提高質(zhì)檢效率，“自個兒摸索兩三年，沒有取得一點進展”。
機緣巧合，一次技術(shù)推介會上，得知國家智能語音創(chuàng)新中心正在開展工業(yè)聲學方向的研究，張巍峰當即尋求合作：“我們有需求，他們懂技術(shù)，優(yōu)勢互補，說不定能研發(fā)出來。”
研發(fā)初期，中心委派的聲紋分析工程師入廠調(diào)研，收集樣本；質(zhì)檢工人現(xiàn)場聽音，記錄特征。6個多月時間，采集近5萬條數(shù)據(jù)，算法選型、深度學習、參數(shù)調(diào)節(jié)，經(jīng)過與人工聽音多輪比拼試驗，工業(yè)聲紋質(zhì)檢系統(tǒng)初步建成。
國家智能語音創(chuàng)新中心總經(jīng)理吳江照介紹，利用工業(yè)聲學技術(shù)開展設(shè)備質(zhì)檢，除了民營企業(yè)自主創(chuàng)新，還離不開科研院所的大力支持。“發(fā)聲位置、距離遠近都會對收音造成影響，為了解決工業(yè)領(lǐng)域的麥克風陣列分布問題，我們和西北工業(yè)大學科研團隊開展交流，共同探討技術(shù)方案。”吳江照說。
如今，這款“智能耳朵”已在產(chǎn)線投用，質(zhì)檢識別準確率達到95%。“一次聯(lián)合研發(fā)，僅一條產(chǎn)線每年就能為我們節(jié)省成本近15萬元！”張巍峰算了筆賬，過去人工聽音，易因疲勞而失準，現(xiàn)在使用工業(yè)聲紋質(zhì)檢系統(tǒng)，不僅效率提高2/3，還增強了一致性。曾經(jīng)難以分辨的齒輪或換向器故障點，通過聲紋數(shù)據(jù)分析，有了改進方向。
讓生活智慧便捷——
“全屋智控”識別用戶指令更精準精確
一進門，燈光自動點亮，空調(diào)自行開啟；一句語音指令，舒緩的音樂在耳邊響起，陽臺上的晾衣架開始升降；廚房里，感應裝置監(jiān)測到煤氣泄漏，既能報警，還會開窗……走進合肥榮事達電子電器集團智能全屋體驗生活館，研發(fā)中心技術(shù)人員孫杰指向巴掌大小的控制面板：“能集中控制空調(diào)、音箱、窗簾等，啟動各種智能情景。”
一塊屏幕，如何實現(xiàn)“全屋智控”？
從傳統(tǒng)的按鍵控制到智能的語音交互，為實現(xiàn)多款產(chǎn)品集成，孫杰帶領(lǐng)團隊與國家智能語音創(chuàng)新中心一道攻關(guān)，花了約一年時間。
首先要解決的，是用戶反映最多的“免喚醒”功能。孫杰介紹，喚醒詞是為了激活設(shè)備進入運行狀態(tài)，一般來說，喚醒詞說出后，若能立刻給出反應，有利于提升用戶體驗。可如果每次使用智能設(shè)備都需要喚醒詞，也會造成交互冗余，增添麻煩。
為此，企業(yè)結(jié)合市場調(diào)研，分析常用指令，中心則利用聲學技術(shù)，提供算法支持。通過具有AI（人工智能）交互能力的語音芯片加持，這款控制面板可以實現(xiàn)一分鐘內(nèi)“一次喚醒，多輪交互”。
“誤操作”是橫在面前的另一道難題。“居家生活時，經(jīng)常出現(xiàn)閑聊觸發(fā)關(guān)鍵詞、設(shè)備作出響應的情況，尤其是在開發(fā)‘免喚醒’功能后。”中心AI語音芯片部研發(fā)總監(jiān)周正友介紹。
是否可以通過識別聲音、判斷方向，進而給出正確回應？為了解決這個難題，周正友和同事們根據(jù)波速強度，算法分析音頻，經(jīng)過多次試驗，系統(tǒng)識別準確度大幅提升。
眼下，除了智能家居，這款具有語音交互功能的面板產(chǎn)品還被應用到其他領(lǐng)域。“醫(yī)院、養(yǎng)老院、辦公室等商用客戶也很感興趣！”孫杰表示，企業(yè)與中心聯(lián)合攻關(guān)，既增強了創(chuàng)新能力，還開拓了應用市場。
為創(chuàng)新提供支撐——
AR字幕眼鏡帶來“看得見的聲音”
耳邊，交流聲音不斷，眼前，文字逐句呈現(xiàn)。這讓弱聽患者劉爍感覺不錯：“跟看劇一樣！戴上眼鏡，聲音就能轉(zhuǎn)化成文字顯示在眼前，還可以調(diào)節(jié)字體大小、背景顏色，絲毫不影響視線。”
這款AR（增強現(xiàn)實）字幕眼鏡，由北京亮亮視野科技有限公司與國家智能語音創(chuàng)新中心聯(lián)合研發(fā)，具備實時轉(zhuǎn)寫、語音翻譯等功能，已為5000多名弱聽患者帶來“看得見的聲音”。
面向市場需求，兼具技術(shù)基礎(chǔ)，新品研發(fā)按說應該很順利。令亮亮視野系統(tǒng)研發(fā)部總監(jiān)趙偉沒想到的是，技術(shù)遷移并不簡單。“我們想的是把眼鏡和聲學技術(shù)相結(jié)合，增強用戶體驗，可眼鏡收集聲音后，難以依托眼鏡本體算力進行轉(zhuǎn)寫。”趙偉思來想去，決定“上云”一試。
這朵“云”，是國家智能語音創(chuàng)新中心構(gòu)建的端云一體語音云平臺，為金融、醫(yī)療、智能交通等領(lǐng)域企業(yè)提供技術(shù)服務，助力企業(yè)高效穩(wěn)定運營，日交互量達20億次。
近半年時間里，趙偉在合肥、北京兩地奔走，從拾音降噪到接入“云端”，企業(yè)、中心協(xié)同創(chuàng)新。如何精準識別人聲？科研人員調(diào)節(jié)上千次麥克風陣列組合，確定聲音增益最佳范圍。怎樣確保轉(zhuǎn)寫迅速穩(wěn)定？技術(shù)人員將數(shù)據(jù)接入云平臺，提供響應及時的算力支撐。
“簡化操作步驟、調(diào)節(jié)字幕位置，產(chǎn)品去年研發(fā)成功以來，軟件前后更新了三四個版本。現(xiàn)在，我們正在和中心討論，如何增加語音控制開關(guān)功能，讓用戶操作更加便捷。”趙偉說。
近年來，為支持智能語音產(chǎn)業(yè)發(fā)展，工信部批復組建國家智能語音創(chuàng)新中心，給予專項支持；2021年，安徽省印發(fā)《支持中國聲谷創(chuàng)新發(fā)展若干政策》，鼓勵人工智能及智能語音產(chǎn)業(yè)發(fā)展和推廣應用，引導企業(yè)協(xié)同創(chuàng)新發(fā)展。“政府有政策，企業(yè)有場景、有需求，中心有技術(shù)、有實力。依托這樣的創(chuàng)新合作形式，可以更有效實現(xiàn)資源聯(lián)動。創(chuàng)新鏈產(chǎn)業(yè)鏈深度融合，步伐更快。”吳江照說。
