克隆真人语音只要1句话，AI问诊超96.4%全科医生！科大讯飞年度黑科技大秀，余承东都来了...

Posted 2021-11-22 QbitAl

杨净 萧箫 发自 凹非寺
量子位 报道 | 公众号 QbitAI

企业拥有265万开发者是一种什么体验？

是在最新财报上已经商业变现，开放平台营收增速高达131%？

是连续5年在合肥振臂一呼，全球就迅速响应？

当然，这还不是全部。

在这一次开发者节上，科大讯飞董事长刘庆峰向全球开发者，摊开过去一年答卷。

• 科大讯飞AI开放平台，至今已有441项核心技术；

• 每个月平均新增9万开发者团队，其中工业应用占比达到60%；

• 医疗AI系统一年给出97万份修正诊疗结果……

而像“遇强则强，遇弱则弱”的围棋机器人、1分钟定制专属AI数字人、3秒判断声音画像等这些技术成果更是成为展区的爆款！

第五届全球开发者节究竟有何看头？现在就带你一文看尽。

科大讯飞最新技术成绩

今年1024开发者节上，最先登场的科大讯飞董事长刘庆峰披露了取得的一系列最新成绩。

其一，AI健康咨询准确率超过绝大部分全科医生。

在你就诊时，健康咨询AI系统会根据你的相关健康状况，推荐你去对应医院找专家就诊。据刘庆峰介绍，目前科大讯飞的健康咨询AI系统，已经超过96.4%的通过国家考试的全科医生。

其二，医疗AI系统一年给出97万份修正诊疗结果。

在过去一年中，科大讯飞的AI辅助诊疗系统，协助修正了97万份安徽省基层医生看病的诊疗初步结果。依赖于科大讯飞的医疗AI辅助诊疗系统，安徽基层医生合理诊断度已经从70分提升到了80分，整体系统准确率已经达到97%以上。

其三，AI开放平台核心技术达到441项。

2010 年，科大讯飞开放平台正式上线，集成了语音合成、语音搜索、自然语言处理和语音听写等多项能力，成为当时行业内开放最早的智能语音平台。如今，科大讯飞已经从最初的3项核心技术，进化到今天具备的441项核心AI能力与方案。

其四，1句话就能语音合成1个人的声音。

据刘庆峰介绍，科大讯飞正在不断的持续打造人工智能的核心技术的领先引擎，包括无监督训练等技术，让机器用更小的数据、更少的标注学习更多的知识，现在在语音合成上已经实现一句话就能模仿一个人的音色。

在小语种识别上，科大讯飞提出的统一空间表达的半监督语音识别技术，使得研究人员只用100个小时的有监督语音和无标签文本数据训练，就能达到之前10000小时有监督语音数据训练的效果。

其五，用AI让学生无效作业时间平均降低50%。

据刘庆峰介绍，科大讯飞在安徽合肥率先用人工智能助力“双减”，利用AI复杂系统，结合OCR自动评分、语音推理等技术，分析学生的学习情况，对过程性作业考试数据进行评价，精准给予指导，将孩子的无效作业时间平均降低了50%。

这一系列亮眼的成绩之上，刘庆峰公开了科大讯飞AI开放平台2.0战略，共包括6大措施：

刘庆峰表示，行业关键问题，需要各行业的人共同努力：

开发者可以不了解AI技术，只要有灵感、创意和想象力，就可以加入到AI开放平台2.0来。

只有生态的繁荣，才能决定AI的未来。

AI开放平台2.0升级

接下来，基于过去5年的开发者生态积累，科大讯飞总裁吴晓如提出1024计划5.0——用系统性创新，打造人工智能产业新生态。

当中最重要的部分，就是AI开放平台2.0的发布。

与过去1.0相比，简单来说，就是二维到三维的升级。

以往的解决方案，都是单向提供给创业伙伴，但随着人工智能逐渐向传统产业落地，需要解决的问题更为复杂，需要系统性架构来解决。

既然如此，就需要与行业龙头打造基线底座模型，再与上下游合作伙伴展开合作，形成完整的行业方案。

以智慧农业为例。

讯飞就与中国农业大学展开合作，共同研发预测生产模型、浇水施肥模型等，然后提供给传感器等上下游供应商，共同将方案提供给业内的合作伙伴。

目前，科大讯飞首次推出18个行业，并表示将每年投入5亿研发基金，服务100万开发者。

既然如此，那该如何推动开放平台2.0的战略？有四大维度。

1、与高校合作开设人工智能专业，目前已经开发339门课程，培养超60万开发者。

2、与合作伙伴筹建智能语音创新中心，为每个行业制定标准测试环境。

3、举办顶尖赛事，选出行业标杆。正如此次1024开发者节，就举办了兼具行业应用、学术研究、公益等105个赛道赛事，共有两万多支队伍报名。

3、孵化创新企业，提供优质资源。除了中国声谷之外，讯飞在全国共有十余家双创基地。

四大技术方向突破

接着，科大讯飞高级副总裁、AI研究院院长胡国平，就分享了四大技术方向的突破。

嗯，实际上就是去年发布的“AI科技树”，今年已然开出一些果来。

第一项，端到端建模技术。

这项技术将前端多路信号直接同步输入到后端声学模块，来实现更精细的建模，可实现复杂（比如嘈杂环境）场景下的一体化语音识别、语音翻译等。

在语音识别上，以卖场为例，这项技术成功将只有35%的语音识别准确率，提升到了88%；同时语音唤醒的成功率，也成功从40%提升到了90%。

在语音翻译上，科大讯飞还成功在IWSLT国际口语机器翻译大赛的同传任务上，包揽了三个赛道的冠军。

第二项，无监督训练技术。

为了降低对语音合成数据规模的要求，科大讯飞提出了听感量化编码，充分借助语音识别数据来合成音库，成功实现了多人混合模型训练。

在小语种识别上，提出的统一空间表达的半监督语音识别技术，使得只用100个小时的有监督语音和无标签文本数据，就能达到之前10000小时有监督语音数据训练的效果。

在语音合成上，利用无监督训练甚至实现了发音内容、情感和音色分别可控的效果，例如1句话合成语音、方言自由切换等等……

注意，不止是普通的四川和合肥话，科大讯飞甚至开放了6种船新的少数民族语种：

第三，多模态融合技术。

在人机交互上，现在甚至已经不需要唤醒词了，机器会看到你的嘴型，从而自动判断你“是否在对它说话”，并自动做出应答，误唤醒率降低到0.01%。

在复杂文档（例如试卷）识别上，多模态技术会结合OCR、手写数学公式识别等技术，将一张纸上的所有信息准确识别出来，已经实现教辅作业批改准确率从92%进化到98%的效果。

第四，外部知识融入技术。

我们都知道，做语音交互的AI总是有点“呆”，这是因为它们虽然学习了不少技术知识和新科技，但对人类的一些常识掌握得却还不够深。

为了提升AI在这方面的“人情味”，科大讯飞特意将人类的常识和知识整理成一个事理图谱。

像儿童玩具交互场景中，就包括“抢玩具”“收拾玩具”这样具体的动作，让它知道人类平时会做、会说的事情。

这样，在面对小朋友乱抛玩具时，AI就能从容说出“来收拾一下玩具”这样的语句，而不是只会帮小朋友一遍遍亲自收拾玩具。

又例如电子病历场景下，运用外部知识融入技术也能让AI学习到人类医生看病的经验，最终将罕见病诊断率从87%提升到了93%，整体病情判断准确率从92%提升到了95%。

两大平台+生态助力产业

最后面向合作伙伴，科大讯飞交出自身探索成果——

两大平台+两大生态。

首先是企业数字化平台的发布和虚拟人交互平台的开放。

简单来说，这个企业数字化平台其实是原来的AI开放平台基础上，配置了RPA引擎，从而具有智能化、自动化（RPA）、低代码、流程管理等特性。

以智能招聘为例，这位“虚拟小助理”可以在前期分发信息、电话通知等重复性工作上替代HR的工作，据称流程至少提效10倍。

除了企业数字化平台的发布以外，还开放了虚拟人交互平台。

值得一提的是，在传统意义上开放给开发者外，还接受声音、形象提供者提供相应的数据，以应用于各类应用场景。

实际上，在过去一年里，这个交互平台已经在400+个企业客户进行试点，应用在了新闻生产、企业客服、泛娱乐营销等场景，新增54个形象，汇集了4988份声音。

接着，就是科大讯飞过去一年中成绩最显著的两大生态：教育+城市。

在教育生态上，科大讯飞今年提出了三大计划，包括教育科研基金资助计划，即在未来三年投入1个亿的科研基金，开展前沿的理论与应用的研究；

此外合作伙伴联合创新计划，设立创新孵化投资基金，每年投入1亿元，技术上提供300人以上的技术和市场领域的专家服务；

还有教学教研联盟的公益计划，预计新增建设10个区域联合教研机构、100所名校联盟新增合作校，推动内容共创平台新增骨干教研员1万名。

在城市生态上，据科大讯飞高级副总裁张友国表示，科大讯飞预计在2025年的智慧城市中，实现一年销售收入150亿，在“十四五”期间实现约500亿收入，其中预计60%（约300亿）的收入，科大讯飞都会分享给生态合作伙伴。

人工智能的未来：由表及里的生态

一天发布会下来，听到最多的一个关键词就是生态。

随着浪潮向前，人工智能不再像此前那般是一个触不可及的概念，而是真正普惠于民、用之于民的全民技术。

“帮助每个人、陪伴每个人、更懂每个人”，这是科大讯飞所描述的AI未来。

而预见未来最好的方式，就是共创未来。

去年这个时候，刘庆峰在演讲的最后提到，唯有生态，才能生生不息。

今年开发者节上，“生态”的味道更加明晰，从技术、到产业，再到开发者从内到外全面渗透。

作为一家上市13年的老牌企业，正在用这种方式去完成人工智能产业的全面盛放。

One More Thing

对了，在本次开发者节上，还有其他意想不到的亮点。

比如，安徽人余承东回到家乡，在父老乡亲面前“带货”。（手动狗头）