2024-05-11 11:59:37 西盟科技资讯
人工智能时代，自主可控的AI技术尤为重要。以正处于黄金期的智能语音技术为例，据国际数据公司IDC分析，2030年，全球智能语音服务市场规模将达约731.6 亿美元，复合增长率27%。如此庞大的市场、如此关键的技术，中国如何不被“卡脖子”?以科大讯飞为代表的中国科技企业给出答案：自主创新。
(一)智能语音前景广阔
在教室，老师通过遥控器和智能黑板直接对话;在家里，空调、电视机等家电早已实现语音控制;驾车行驶在路上，一句指令就能操控汽车;会议室里，多人发言都能立刻被清晰录音并转写成文字、生成会议纪要……语音，是人类最自然便捷的沟通方式。智能语音技术不仅能够赋能智慧教育、智慧城市、智慧医疗等多个领域，还能加载智能终端，为工作和生活带来更多便利和可能性，正润物细无声地改变着人们的生活。
作为新一代信息技术和人工智能产业的重要组成部分，智能语音不断实现关键技术突破，精度、速度与智能化水平正在逐年提升。在实际应用环境的匹配度方面，相关技术产品已经可以满足“混合语种”“复杂环境”“多人交互”等更为高端的任务需求。尤其是随着智能语音技术与认知大模型技术持续融合，场景边界、内容价值被进一步拓宽，其市场应用范围也在持续扩大，让机器从“能听会说”到“能理解会思考”，变得越来越“懂你”。
(二)中国的语音技术要掌握在中国人自己手里
而在20世纪90年代，中国的智能语音技术和语音产业还是外国人的天下，微软、谷歌、英特尔等企业纷纷在中国设研究院。如今的人工智能龙头企业科大讯飞正是在这种情况下诞生。
创始人刘庆峰和几位同学当时还是中国科学技术大学的学生，在导师王仁华的支持下，立志“中文语音技术要由中国人做到世界最好，中文语音产业要掌握在中国人自己手上”，创立了科大讯飞。
经过多年研究和实践，科大讯飞不仅将中文语音技术做到最好，也将多语种技术做到全球领先。语音识别的准确率达到98%，多人会议场景的说话人分离和识别的准确率达到95%。2021年，科大讯飞在美国国家标准与技术研究院NIST发起的国际低资源多语种语音识别竞赛OpenASR中，获得全部受限赛道的15个语种冠军及7个语种非受限赛道冠军。
科大讯飞的多语种技术爆发，是在2019年。当年10月8日，美国商务部突然宣布把科大讯飞、海康威视等8家中国人工智能企业列入实体名单。当时，科大讯飞已储备了11种语音的多语种技术。被列入实体清单之后，科大讯飞启动紧急预案，迅速攻关，进行40多种语种的研发。当时，华为也在被制裁，没有多语种技术，华为手机等设备在超过75个国家/地区的销售都受到极大影响。华为终端部门从全球66个供应商中经过细致甄选，最终选择科大讯飞作为多语种供应商，保证了2020年3月的海外产品发布。
如今，在中国智能语音市场，科大讯飞的市场占有率多年保持第一。以大热的智能汽车行业为例，2023年，中国汽车出口量超过日本，跃居全球第一，而出海十强企业中，有8家都在和科大讯飞合作。科大讯飞多语种技术已经可以覆盖全球60多个语种，讯飞智能车载语音系统覆盖23个主要语种，搭载车型已销往亚洲、欧洲、南美等地的60多个国家和地区。
(三)语音大模型，要建立在自主可控的国产平台上
2006—2019年，连续十四年荣获国际语音合成大赛冠军;2016—2023年，连续4届获得国际多通道语音分离和识别比赛CHiME冠军;2021—2023年，连续三年获得国际语音翻译比赛IWSLT冠军……
作为中国人工智能“国家队”，科大讯飞代表中国取得了多项重要标志性成果，逐渐构建起独立的语音自主知识产权技术体系。
如今，大模型的出现发展给语音技术带来了新的前进动力，结合大语言模型更精准的语义理解和更精细的描述能力，语音合成表现力、长时的语音识别等语音各类任务也能快速突破效果的上限。
1月30日，科大讯飞发布基于首个全国产算力训练的讯飞星火V3.5，正式发布星火语音大模型，首批37个主流语种效果超过OpenAI Whisper V3。4月26日，讯飞星火大模型V3.5再次更新，发布业界首个支持长文本、长图文以及长语音的大模型产品。
其长语音功能，可以实现会议录音、学习视频等的一键研读，实现中英文等语言音视频场景的高效知识获取。
如今，一个自主可控的多语种智能语音技术及全球产业生态正在构建。科大讯飞的技术算法全部自研，目前，已建成5个国产化集群，语音合成、识别、翻译、交互等国产化能力日服务8.73亿次。2023年，讯飞与华为联合攻关大模型国产化算力底座核心难题，建设首个全国产算力平台“飞星一号”，填补了国产超大模型训练平台空白。
客观来说，中国的大模型技术与美国存在动态差距。科大讯飞董事长刘庆峰表示：“我们应正视差距，聚焦自主创新的底座大模型‘主战场’，从国家层面聚焦资源加快追赶，同时系统性构建通用人工智能生态和应用，打造综合优势。”
