2019年12月20日，由CTI論壇（www.ctiforum.com）主辦的"行業應用及市場分析主題沙龍暨CTI論壇2019年度編輯推薦獎頒獎"活動在創業大街成功召開，并公布了"2019年度CTI論壇編輯推薦獎"的評選結果。深圳黃鸝智能科技有限公司總經理劉志應邀出席此次活動并發表了精彩的關鍵詞演說《極致》。

圖：深圳黃鸝智能科技有限公司總經理劉志

　　以下為深圳黃鸝智能科技總經理劉志的發言稿全文：

　　大家下午好，我是深圳黃鸝智能科技總經理劉志。相信在座的各位聽說過深圳黃鸝智能科技公司的不超過5個人，因為這個公司是今年8月份才剛剛成立的，所以在呼叫中心行業我絕對是一個新人，今天跟很多前輩學到了很多東西。黃鸝智能科技應該算是我的第三次創業，我今天演講的主題關鍵詞是"極致"，其實也是想跟大家分享一下我這三次創業當中的一些小故事。

　　我應該算是國內比較早一波做人工智能領域的，在2001年我在清華大學讀研究生的時候就一直在做語音技術。2005年的時候，我第一次創業，那個時候是做嵌入式的語音識別，我們公司是全球第一個在蘋果一代手機上做撥號軟件的公司，當時和國外的合作伙伴一起做了VoiceDialer，收獲了幾百萬的第一桶金。其實語音識別在那個時候就蠻火的了，但是，很不幸，第一次創業算是失敗的，回過頭來總結，第一次為什么會失敗？我們發現問題出在技術上我們沒有做到極致。

　　語音識別相關的技術是什么時候真正成熟起來的呢？2009年蘋果的Siri出來之后，其實還沒有帶動整個產業，隨后Amazon？Echo出來之后，才使得語音的價值逐步的被大家所認識。實際上語音作為人機交互的一個重要手段，在很早之前，微軟比爾蓋茨就說過，他堅信語音是未來是人機交互的一個重要入口，可以取代鍵盤、鼠標，取代很多很多其他的外設。但是為什么這么多年語音一直沒有真正地能夠進入到應用？從我第一次的創業經歷，我有一個非常深刻的感受就是，技術要達到一個臨界點才有商用價值。我們可以簡單地用四個字來總結，什么樣的臨界點？以前的技術，四個字來講叫做"技不如人"。

　　什么意思呢？人工智能技術的水平，它達不到我們人類的水平。剛才其實有很多專家也都提到了，人工智能將來是期望要代替人類（replace），至少在一部分工作上，那么如果技術的能力達不到人的基本要求的話，怎么來代替？這是我第一次創業給我帶來的一個非常深刻的教訓。那么轉而我就在思考，既然當時的技術達不到能夠去代替人這樣的一個程度，那么技術可以做點什么呢？我就轉到了第二次創業，教育行業，跨度稍微有點大。教育行業我做了什么？當然還是做語音，我們做中小學生，包括成人的口語測評。學語言的時候，我們用機器來代替老師評價學生的口語發音，包括到現在來評價一些語法、語義等等。當時切入這一行有一個很簡單的想法，因為做口語測評，對語音識別的要求沒有那么高。

　　我們剛開始做什么題型？主要做跟讀和朗讀。我先把文本給學生看到，然后學生照著把它讀出來。這個時候其實對識別沒有太高的要求，因為我預先就知道學生要說的是什么，這種時候識別的準確率其實是降低了，但是新的挑戰來了。我把它叫做對于業務的場景或者叫做對于用戶的需求，讓技術怎樣和應用場景以及業務去結合？這是我們要去挑戰的第二個極致。在這個場景里面，我簡單的舉幾個例子，可能大家就能夠感受到它要解決的問題是什么？我們可以想象中國人學英語，為什么不是國外的系統，不是英國的系統，美國的系統來指導我們。其實很早就有做這個英語發音評價的企業，像Nuance公司等很多大的企業，也做這件事情，為什么它的系統在中國一直沒有辦法去落地生根，因為我們中國人說的英語和地道的英語有很多差異。

　　我舉一個非常簡單的例子，我們說very good。英文中這個v音，它是一個咬下唇的發音。但是在座有很多人是中式發音，聽起來沒問題，對不對？但其實是錯的。

　　我們漢語當中沒有這個"v"音，機器識別的時候他會很敏感，他就把這個點抓出來。所以我們用國外的系統給中國學生打分的時候，經常打的分慘不忍睹。那么要解決這個問題，我們就要把中國學生常見的發音錯誤給它挑出來，然后去針對性的進行模型訓練等等一系列的工作。這些工作和技術有關，但是更重要的是和業務場景有關。那么，光克服了這個挑戰就夠了嗎？光在這些點上做到極致就夠了嗎？實際上還遠遠不夠。

　　當我們擁有5000多萬的用戶的時候，我們就會發現場景又發生了變化，面臨的挑戰又發生了變化。我們遇到了什么樣的情況？學生在家里學習，在學校學習，都會有大量的噪聲干擾。在家學習的時候，家里可能開著電視，在學校學習的時候，很多時候就跟我們今天大家坐在這個會場上一樣，相互之間的距離非常近，學生和學生之間的聲音相互干擾，有一些女生聲音比較小，旁邊男孩子的聲音就把她全部掩蓋住了。不要說機器識別不出來，人也識別不出來，老師有時候都聽不見學生說的是什么。那么針對這個問題，我們又想辦法去解決，去提升這個針對應用場景的挑戰。如果我們不能做到極致的話，實際上還是沒有辦法給用戶提供完整的解決方案。因為有很多好的學生，他為了追求完美，一旦出現問題，他會反復反復的讀，真的有很多學生都讀哭了，那么針對這個問題我們繼續做降噪技術的突破。做技術的人很多時候會想要把技術做到極致，但是在做之前，我想說我們要思考為什么要做它？我們解決的是什么問題？今天我們在教育領域，已經開發了專為教育用的耳機，這個耳機能達到什么效果？剛好今天大家可能聽到這兒，可能已經有點疲乏了，我們做一個小的互動游戲。我帶了我們的一款學生耳機，我一會帶上它，然后我想請大家給我制造噪聲，你們能想象的，越大的噪聲越好。我打開的是一個錄音軟件CoolEdit，搞語音搞音頻的很多人應該都知道。那么接下來我說話的時候也請大家說話，然后我再把它播放出來。

　　錄音開始，我現在在說話，請大家制造噪聲……待會我請大家一起聽一聽。正如大家聽到的，現在播放的只有我錄進去的聲音，并沒有大家發出的噪音。這個技術現在已經不止用在教育領域了，在我們國家最尖端的軍事應用上，也已經用了我們這個技術用來做通信和識別，因為聲音的價值就是兩點：第1點，用于人和人的通信；第2點，用于人和機器的理解。

　　語音交互確實是一個入口，但是這個入口要解決的問題，遠遠不只是喚醒、識別、聲紋等，而是必須要做整體的解決方案。今天，黃鸝智能這個新興企業進入呼叫中心行業來，為大家帶來的是什么？實際上是帶來了這樣一款新的產品--自適應通話降噪盒，我們將通話降噪算法植入這樣一個小小的盒子，現有市面上的耳機只要加上它，就可以達到我剛才展示的降噪效果。不管是用來和客戶溝通，還是接后端的語音質檢、智能客服等各種系統，它都能夠幫助我們給客戶帶來極致的感受，讓智能化真正落地。以上就是我今天分享給大家的。我也希望和大家一起來共同創造極致，創造不可能，讓聲音智能改善人類的生活與工作品質，謝謝！ 　　黃鸝呼叫中心智能消噪適配器 清晰聲音，交互萬物。為話務耳機的語音發送端消除噪聲，提供清晰流暢的語音拾取。合作請聯系：Kevin 13692103765點擊視頻詳細了解！