24日，2023年度國(guó)家科學(xué)技術(shù)獎(jiǎng)在京揭曉，科大訊飛作為第一完成單位的《多語(yǔ)種智能語(yǔ)音關(guān)鍵技術(shù)及產(chǎn)業(yè)化》項(xiàng)目獲得國(guó)家科學(xué)技術(shù)進(jìn)步獎(jiǎng)一等獎(jiǎng),。這是深度學(xué)習(xí)引發(fā)全球人工智能浪潮以來(lái)，過去十年人工智能領(lǐng)域首個(gè)國(guó)家科學(xué)技術(shù)進(jìn)步獎(jiǎng)一等獎(jiǎng)。關(guān)鍵技術(shù)取得四大突破語(yǔ)音是人類最自然便捷的溝通方式,，是智能設(shè)備人機(jī)交互的關(guān)鍵入口,，也是諸多敏感信息的重要載體。多語(yǔ)種智能語(yǔ)音技術(shù)對(duì)于支撐人機(jī)交互,、人類語(yǔ)言互通等需求具有重大戰(zhàn)略意義,，具有十分廣闊的產(chǎn)業(yè)前景，是當(dāng)前國(guó)際科技競(jìng)爭(zhēng)核心焦點(diǎn)之一,。持續(xù)攻關(guān)多年,，科大訊飛攻克了多個(gè)技術(shù)難題，提出了四個(gè)方面的技術(shù)創(chuàng)新：復(fù)雜語(yǔ)音信號(hào)解耦建模關(guān)鍵技術(shù)突破,，多語(yǔ)種共享建模關(guān)鍵技術(shù)突破,，語(yǔ)音語(yǔ)義聯(lián)合建模關(guān)鍵技術(shù)突破,，以及國(guó)產(chǎn)異構(gòu)硬件平臺(tái)訓(xùn)練及推理加速關(guān)鍵技術(shù)突破,。語(yǔ)音識(shí)別研究中最具挑戰(zhàn)的是遠(yuǎn)場(chǎng)、噪聲,、多人語(yǔ)音混疊等現(xiàn)象導(dǎo)致的“雞尾酒會(huì)”效應(yīng)典型難題,。為解決這一難題，科大訊飛提出了多通道語(yǔ)音信號(hào)時(shí)空分離建模方法和多維度語(yǔ)音屬性解耦表征方法,，實(shí)現(xiàn)語(yǔ)音信號(hào)中內(nèi)容,、噪聲等高度耦合的多維屬性特征解耦，使得復(fù)雜場(chǎng)景下語(yǔ)音識(shí)別準(zhǔn)確率得到重大突破,。為了應(yīng)對(duì)多語(yǔ)種技術(shù)“卡脖子”問題,，必須解決小語(yǔ)種智能語(yǔ)音系統(tǒng)構(gòu)建所面臨的知識(shí)匱乏、訓(xùn)練數(shù)據(jù)稀缺等難題,?？拼笥嶏w設(shè)計(jì)了全新的多語(yǔ)種通用音素體系和基本語(yǔ)言單元，實(shí)現(xiàn)多語(yǔ)種統(tǒng)一音素韻律體系的構(gòu)建,，又通過基于元學(xué)習(xí)的多語(yǔ)種預(yù)訓(xùn)練和基于語(yǔ)族分組的多語(yǔ)種共享建?！ㄋ椎卣f，就是將不同的小語(yǔ)種進(jìn)行分類,，找到同類語(yǔ)種的共同規(guī)律,，進(jìn)行分析建模和訓(xùn)練,。復(fù)雜應(yīng)用場(chǎng)景下語(yǔ)音交互、語(yǔ)音翻譯面臨著深層次語(yǔ)義理解困難,、專業(yè)性不足等問題,。科大訊飛提出語(yǔ)音語(yǔ)義互增強(qiáng)的魯棒口語(yǔ)理解技術(shù),，有效提升語(yǔ)音交互,、語(yǔ)音翻譯等復(fù)雜場(chǎng)景的語(yǔ)義理解準(zhǔn)確率；提出多源知識(shí)增強(qiáng)的可信文本生成技術(shù),，提升專有詞匯及領(lǐng)域知識(shí)引用的準(zhǔn)確率,。為解決使用國(guó)產(chǎn)芯片開展智能語(yǔ)音算法模型訓(xùn)練和推理面臨的性能低、適配難等問題,，科大訊飛提出的硬件親和的變長(zhǎng)輸入算子融合和聯(lián)合統(tǒng)一量化感知訓(xùn)練技術(shù),，通過軟硬件協(xié)同優(yōu)化的動(dòng)態(tài)張量算子自動(dòng)融合方法，實(shí)現(xiàn)對(duì)語(yǔ)音等變長(zhǎng)輸入的訓(xùn)練性能優(yōu)化達(dá)到國(guó)際主流芯片同等水平,。未來(lái)：智能語(yǔ)音+認(rèn)知大模型據(jù)了解,，因2021年度、2022年度國(guó)家科學(xué)技術(shù)獎(jiǎng)暫停的緣故,，2023年度國(guó)家科學(xué)技術(shù)獎(jiǎng)積累了大量的優(yōu)秀成果,，無(wú)論是提名環(huán)節(jié)拿指標(biāo)、初評(píng)環(huán)節(jié)過網(wǎng)評(píng),，還是答辯環(huán)節(jié),，競(jìng)爭(zhēng)都異常激烈?？拼笥嶏w表示,，通用人工智能時(shí)代，多語(yǔ)種智能語(yǔ)音關(guān)鍵技術(shù)中的創(chuàng)新和大模型技術(shù)將相互補(bǔ)充,、相互促進(jìn),。語(yǔ)音屬性解耦、語(yǔ)音信號(hào)時(shí)空分離等技術(shù)突破,，可以將語(yǔ)音信號(hào)經(jīng)過編碼后輸入到大語(yǔ)言模型,，顯著提升語(yǔ)音大模型的效果。今年1月30日,，科大訊飛就基于相關(guān)技術(shù)融合路線發(fā)布了星火語(yǔ)音大模型,，顯著超過了OpenAI的Whisper v3的語(yǔ)音大模型能力，Whisper v3的24個(gè)主要語(yǔ)種的平均識(shí)別率為82%,，而星火語(yǔ)音大模型達(dá)到了90%,。4月26日，科大訊飛又首發(fā)多情感超擬人合成和一句話聲音復(fù)刻能力,，使機(jī)器具備更加豐富的超擬人情緒感知和表達(dá),。大模型技術(shù)可以在復(fù)雜語(yǔ)義理解,、長(zhǎng)文本建模能力上進(jìn)一步提升語(yǔ)音識(shí)別、合成和翻譯的效果,，同時(shí)基于其強(qiáng)大的語(yǔ)義理解,、知識(shí)問答、多輪對(duì)話,、多模態(tài)建模能力,，也能進(jìn)一步大幅提升智能語(yǔ)音技術(shù)的使用場(chǎng)景和應(yīng)用價(jià)值，支撐實(shí)現(xiàn)語(yǔ)音同傳,、自動(dòng)客服,、輔學(xué)答疑、家庭醫(yī)生,、虛擬員工,、陪伴機(jī)器人、服務(wù)機(jī)器人等等未來(lái)智能產(chǎn)品創(chuàng)新,，帶來(lái)巨大產(chǎn)業(yè)機(jī)會(huì),，加速通用人工智能時(shí)代的到來(lái)。另?yè)?jù)透露,，就在后天（27日）,，訊飛星火V4.0也將正式發(fā)布，底座能力全面對(duì)標(biāo)GPT-4 Turbo,，語(yǔ)音大模型也將迎來(lái)全新升級(jí),。新民晚報(bào)記者 郜陽(yáng)