語(yǔ)言環(huán)境是如此的復(fù)雜，而對(duì)于那些因受傷或生病而無(wú)法說(shuō)話(huà)的人，我們?cè)鯓硬拍芨�好的理解他們的想法？他們又如何能更快更有效的表達(dá)自己的意圖？

語(yǔ)音和語(yǔ)言是真正鑲在AI皇冠上的明珠，AI領(lǐng)域再?zèng)]有比語(yǔ)音和語(yǔ)言研究更具挑戰(zhàn)性的任務(wù)。讓機(jī)器獲得推理、理解能力，并通過(guò)閱讀、交流獲得知識(shí)，便是改善人類(lèi)生活、提高人類(lèi)生產(chǎn)效率，讓這個(gè)世界不再有語(yǔ)言、溝通和理解障礙的最基本的研究領(lǐng)域。對(duì)人工智能來(lái)說(shuō)，語(yǔ)音語(yǔ)言技術(shù)能夠驅(qū)動(dòng)人工智能進(jìn)化。

智能語(yǔ)音技術(shù)的前提條件

語(yǔ)言是我們?nèi)粘＝涣鞯闹饕�方式，可以讓我們快速了解�?duì)方的意圖，并做出適當(dāng)?shù)姆磻?yīng)。但對(duì)很多語(yǔ)言障礙者而言，說(shuō)話(huà)這一看似簡(jiǎn)單的行為依舊是難以想象的困難。語(yǔ)言是件極其復(fù)雜的事情，不僅僅是文字表面上的發(fā)音，還與音量、音調(diào)、速度、說(shuō)話(huà)環(huán)境等眾多因素密切相關(guān)。

由于深度學(xué)習(xí)、大數(shù)據(jù)和云計(jì)算三者的相互促進(jìn)，才成就了語(yǔ)音技術(shù)的進(jìn)步，成就了人工智能的浪潮。

除了硬件，語(yǔ)音服務(wù)平臺(tái)也迅速被建立，鍵盤(pán)作為輸入系統(tǒng)即將被停留在上個(gè)時(shí)代，人類(lèi)將直接用自然語(yǔ)言和機(jī)器進(jìn)行交互，智能家居和車(chē)載用品將成為智能語(yǔ)音應(yīng)用最集中的領(lǐng)域，也即將是人工智能率先爆發(fā)的市場(chǎng)。

目前，人工智能目前已經(jīng)可以提供語(yǔ)音識(shí)別、語(yǔ)言響應(yīng)、智能推薦等功能。而基于用戶(hù)的問(wèn)題數(shù)據(jù)庫(kù)和處理方式的數(shù)據(jù)庫(kù)，未來(lái)很多公司的客服完全可以用人工智能來(lái)解決。

應(yīng)理解語(yǔ)音語(yǔ)音技術(shù)中的智能化

在未來(lái)的某些時(shí)候，計(jì)算機(jī)能夠理解三百種語(yǔ)言，還能夠流利地交流和對(duì)話(huà)。而且，機(jī)器不僅能夠流利地交流和對(duì)話(huà)，還能夠領(lǐng)會(huì)、理解、學(xué)習(xí)、推論以及能夠在所有科目上都能拿到博士學(xué)位。這種知識(shí)的獲取、推論超過(guò)了任何人的個(gè)人能力。當(dāng)這一刻到來(lái)的時(shí)候，可以想象人工智能將會(huì)有多聰明。

這里的智能有兩個(gè)層次。第一個(gè)層次是感知智能，它能看，能聽(tīng)，能聞。緊接著高層次的是認(rèn)知智能。我們今天所取得的人工智能的突破，大多是在感知層面，例如語(yǔ)音識(shí)別、語(yǔ)音合成、計(jì)算機(jī)視覺(jué)。但是在高級(jí)推理和知識(shí)獲取這些認(rèn)知能力上，人工智能距離人類(lèi)的水平還很遠(yuǎn)。

從更長(zhǎng)遠(yuǎn)看，語(yǔ)音、人臉等技術(shù)的長(zhǎng)期空間，都是將原來(lái)只能通過(guò)設(shè)備傳遞、而不能被設(shè)備理解的語(yǔ)音、圖片等信息，逐漸變成可以被機(jī)器理解分析的結(jié)構(gòu)化數(shù)據(jù)，從而大大提高機(jī)器對(duì)人的了解，給人以更準(zhǔn)確的推薦、提高各種信息服務(wù)的有效性此處最有想象空間。

新技術(shù)正快速推動(dòng)語(yǔ)音生成設(shè)備

隨著語(yǔ)音合成算法的進(jìn)步及微處理器技術(shù)的發(fā)展，電子輔助和替代通信系統(tǒng)（AAC）得以快速普及。通信輔助設(shè)備也變得越來(lái)越小巧，功能也越來(lái)越強(qiáng)大。著名物理學(xué)家史蒂芬·霍金就使用語(yǔ)音生成裝置與他人進(jìn)行交流。

在過(guò)去幾年中，隨著人工智能技術(shù)與語(yǔ)音技術(shù)的突破，以及數(shù)字設(shè)備功能的指數(shù)級(jí)增長(zhǎng)，數(shù)字化語(yǔ)音正在改變?nèi)藗兊慕涣鞣绞�，特別是翻譯和醫(yī)療等領(lǐng)域。

據(jù)相關(guān)數(shù)據(jù)顯示，2017年，語(yǔ)音生成設(shè)備市場(chǎng)規(guī)模為1．9億美元，預(yù)計(jì)到2025年將達(dá)到3．3億美元。

①智能手機(jī)、平板電腦和數(shù)字觸摸屏為患者提供更加直接的交流方式。如自閉癥患者可以通過(guò)觸摸屏上的物品圖像、活動(dòng)圖片或符號(hào)來(lái)表達(dá)他們的需求。

②機(jī)器學(xué)習(xí)、自然語(yǔ)言處理和文本預(yù)測(cè)技術(shù)極大地推動(dòng)輔助通信技術(shù)的發(fā)展，語(yǔ)音合成應(yīng)用可以為用戶(hù)提供定制化、個(gè)性化的服務(wù)。

③現(xiàn)在科研人員正在通過(guò)腦機(jī)接口技術(shù)將之變成現(xiàn)實(shí)。目前腦控科技已經(jīng)成為各國(guó)科研人員競(jìng)相研究的前沿課題。盡管大多數(shù)研究目前還停留在實(shí)驗(yàn)室階段，一旦該技術(shù)成功商業(yè)化，癱瘓者、語(yǔ)言障礙者、盲人等群體將迎來(lái)生命中的第二個(gè)春天。