7月21日-22日，WOTI全球创新技术峰会在北京举行，大会聚焦互联网及IT技术领域，大会以“人工智能，不止于技术的革命”为主题，汇聚了来自微软、阿里、思必驰、百度、京东、Uber等企业的AI先行者，并从学术研究、技术研发、市场实践等多个角度进行思想碰撞，通过机器学习、智能交互、智+应用三大会场解读当下最为关注的技术难点和热点问题。
思必驰研发总监张顺演讲现场
人工智能成为最火热的科技话题，语音对话作为人机交互最天然入口，成为焦点，也是当下AI行业必谈话题之一。近期，思必驰针对开发者推出的DUI对话定制平台受到业界关注，此次，思必驰研发总监张顺受邀出席了大会，并在人机交互会场以《用DUI的方式实现人机对话》为主题进行了分享，分析了当前语音应用实践中的挑战与痛点，结合思必驰DUI平台, 展示全新的、可定制的对话交互开发技术。
设备开始能说会道
人机交互及对话系统历史
我们经历着从PC时代、移动时代到现在IoT时代的变迁，人工智能技术改变着人机交互的方式，交互手段也从命令行、图形交互发展到了当下的语音交互。当下的人机对话技术可分为两个层面来看，即感知智能、认知智能。语音唤醒、识别、合成可归结为感知智能领域，在当前的语音实践应用中，语音的认知智能主要体现在人机对话上，大致可分为闲聊、问答、任务型对话等几类。
张顺表示，结合思必驰当前在智能硬件领域的布局及应用，任务型对话是诸多硬件产品的主要交互方案，这种对话往往是针对垂直应用场景的，方式有单轮对话也有多轮对话，交互带有明确目的性，如导航、打电话、听音乐、查询天气等等，这要求语音系统能够跟踪对话状态以及决策策略。目前在智能硬件领域，无论是阿里天猫精灵X1、联想智能音箱，还是小米系列的种种语音操控产品，任务型对话已经得到了十分广泛的应用，设备变得能说会道。
语音交互技术在实践中面临着挑战
伴随着语音技术的商业化应用范围不断扩大，它既为产品带来了有声体验，也暴露了一些应用的难点和挑战。张顺从感知智能、认知智能、工程开发三个角度出发，结合思必驰当前的业务布局与应用，分析了目前语音交互技术在实践中面临的挑战。
语音技术在感知智能和认知智能领域的应用面临挑战
从感知智能角度，目前的语音技术应用面临着声源定位及跟踪、远场及集外噪声环境、超低功耗等挑战，例如，在智能车载的应用场景下，胎噪、风噪、发动机降噪等都影响着车载产品的语音识别准确度。在降噪方面，思必驰通过VDCNN算法降噪，极大提高了语音识别精准度，与此同时，环形6麦阵列可以更高的解决声源定位问题，并能够实现5米的远场交互，这些技术目前都已广泛应用到了车载、家居等领域，并在进行不断的迭代与优化。
从认知智能角度出发，更多的是面临理解和对话上的问题，例如，解决多系统融合和跨系统上下文的问题;解决多模态交互中，GUI和VUI融合相辅的问题;通过冲突检测、指名道姓、排列技能优先级等方法解决多技能说法冲突的问题。此外，针对集外内容, 张顺表示，识别与语义对话是一体的，要保证流畅的好用的交互体验，不宜分开选型，内容资源、语言模型与语义需要三者配合好。这些都是当前语音应用在认知智能领域需要努力的方向。
语音应用在工程上的挑战
在工程上也面临着几个重点问题，一是支持主流软硬件平台实现跨平台语音服务;二是解决网络环境问题，在拓展云端技能的同时，拓展本地技能，保证无网环境下的使用也极为重要;三是提高可定制能力，通用的模型无法满足开发者的多样化需求。张顺表示，思必驰在与合作伙伴打磨产品的过程中发现，很多客户都想通过定制功能增强产品的差异化与个性化。因此提高语音服务的可定制能力变得尤其重要，解决这些问题必将促进语音技术应用的进一步深入与发展。
开放可定制的AI语音平台成为刚需
基于目前智能语音在实践中应用面临的问题，张顺表示，为个人/企业开发者们提供一个开放的可高度定制的对话平台成为刚需。思必驰基于目前业务布局情况，推出了DUI开放平台，提供包括阵列、声纹、唤醒、识别、合成、语义、对话、GUI等完整的人机对话交互核心技术，基于目前成熟的语音技术基础之上，提供开放定制能力，这是一个从前端语音信号处理到后端资源对接、技能开发等一站式的对话定制平台。
思必驰DUI开放平台产品接入页面
思必驰DUI平台惠及多方，能够为技能开发者提供开发技能、迭代优化的能力，为内容资源方提供内容接口，为产品厂商提供产品接入及内容支撑的服务。张顺在演讲中表示，不仅如此，可视化的数据开发平台，“云+端”的混合模式，能够让开发者实时掌控数据变动，依据产品用户需求，实时更新产品功能，用户可在第一时间感受最新技能，借此，思必驰通过C端及B端的应用变化，将进一步优化DUI开放平台，总体而言，这是一个多方共赢的趋势。
现场，张顺展示了DUI平台开发技能中的对话控件，包括文字、图文卡片、列表、音乐播放、内嵌网页等，介绍了目前DUI平台的接口资源，覆盖交通出行、生活服务、影音视听、社交分享、新闻资讯、效率工具、商业财务等诸多资源及技能。
张顺表示，DUI平台的可视化界面极大降低操作门槛;具备超高度定制性，几乎所有的模块均可自定义，例如GUI自定义、唤醒词定制、深度技能定制、对话逻辑和内容定制等，给开发者更多发挥和想象的空间，打造更具差异化和个性化的产品;同时“云+端”混合模式，支持云端实时更新，也提供本地唤醒、本地识别、本地技能开发等功能，保证在网络不佳甚至在无网状态下的可用性。可视化数据反馈报道、多版本管理等功能能够极大减轻开发者后期的运营压力。DUI开放平台能够快速推进AI语音技术的产品化。
据悉，为扶持平台上优秀的开发者、优秀应用案例和创业项目，思必驰设立2亿元基金，并推出了开发者计划，打造开发者生态。一方面推进思必驰AI语音技术的应用领域的拓展及深入，另一方面在于促进AI语音技术的商业化落地，实现产品化，推动更多语音产品的出现，走进千家万户，带来智能未来的生活体验。AI技术改变生活，距离我们已近在咫尺。
