“关闭车窗、打开空调、降低音乐……”在不久前举办的2024(第十八届)北京国际汽车展览会(以下简称2024北京车展)上，有参观者走近展台上的一辆智能网联汽车，对着智能车机连续发出多个指令。话音刚落，各个要求便迅速得到准确响应。
近年来，我国智能网联汽车产业快速发展，汽车智能化程度不断提升。作为人与汽车交互最便捷、可靠的方式，融合多种技术的语音控车正成为汽车产业发展中广泛落地的智能场景。而随着我国智能语音技术的不断发展成熟，在其推动下，越来越多场景正迎来智能化升级。
智能语音助力中国汽车“出海”
根据海关总署发布的数据，2023年，中国出口超522万辆汽车，首次超过日本，成为全球最大的汽车出口国。今年一季度，仅上海口岸便出口汽车52.9万辆，同比增长30.7%。中国贸促会机械行业分会会长周卫东分析称，中国汽车出海火爆，得益于近些年中国汽车品牌的“量”“质”齐升，除了在新能源汽车领域布局多年之外，还率先发力智能化，增添了强大竞争力。
刚刚落幕的2024北京车展上，新能源智能网联汽车便是绝对主角。不仅多家品牌展出了搭载最新智能成果的新车型，展会也专门开辟出智驾未来展区，就智能网联汽车相关技术成果进行集中展示。
在参观体验多款智能网联汽车后，记者发现，各家品牌车型虽然功能不尽相同，但乘客与汽车之间的交互均围绕语音建立。只需要短短一句话，甚至几个词，汽车便可以根据乘客指令快速作出相应操作。
本届北京车展的参展商科大讯飞AI研究院副院长高建清向记者介绍，语言作为最自然便捷的交流方式之一，如今已在智能汽车交互中得到广泛应用。尤其是在中国汽车“出海”进程中，我国先进的语音交互技术已成为中国汽车的重要竞争力之一。“我们研发的多语种技术已经可以满足全球60余个地区的智能语音技术需求，已经与中国汽车‘出海’十强企业中的8家展开合作，助力中国汽车走得更远。”高建清表示，目前，搭载科大讯飞语音技术的车型可以为海外车主提供对话快速响应、问题回答准确的语音交互服务，已覆盖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，让海外车主体验来自中国的智能语音用车服务。
大模型让智能语音更上一层楼
不仅是智能语音控车场景，近年来随着智能语音技术的快速发展，智能家居、会议记录、翻译交流……越来越多生活工作中的常见场景正迎来智能化升级。
翻译交流是智能语音技术应用最广泛的场景之一。在不久前的海南消博会上，有外国客商拿着国产品牌翻译机，与在场工作人员你一言我一语地畅聊起来。嘈杂的周围环境没有影响翻译效果的准确性，不同语言间的对话得到了快速、准确的翻译传达，仿佛一名随身翻译就站在身边。
同样借助语音技术实现智能升级的还有会议场景。在数十人参加的会议讨论中，只需拿出智能录音笔，放在会议室一角，大家你一言我一语的发言，均可以被其精准记录，并实现快速转写，甚至还可以一键生成会议总结，大大降低了人工记录的工作量。除此以外，智能语音技术的典型应用场景如今还包括智能家居、智慧教育、手机智能助手等多种类型。
而在多场景广泛应用的背后，则是我国智能语音技术近年来的不断突破。语音输入最大的挑战是场景复杂。用户的输入场景情况各异，无处不在的噪声、混响直接影响着语音识别的准确率，进而影响用户的语音交互体验。大模型的出现发展则给语音技术带来了新的前进动力。
高建清介绍，认知大模型的出现，让自然语言处理类任务的上限大幅提升，结合大语言模型更精准的语义理解和更精细的描述能力，语音各类任务也能快速突破效果的上限，比如在语音合成的表现力以及语音识别的长时上下文识别上。
但同时，他也强调，与认知大模型侧重任务泛化能力产生智慧涌现不同的是，要想在语音大模型上取得突破，仅仅依靠大语言模型框架是远远不够的。首先，语音大模型要更加侧重信息解耦能力，即从连续的语音信号中解耦提取音色、内容、背景、方位等信息。“我们提出并长期演进的语音属性解耦预训练技术在语音大模型中发挥着举足轻重的作用，能够让语音大模型在语音生成的可控性等方面更加稳定。”高建清还表示，语音大模型格外注重语音编码的鲁棒性，即在复杂环境下保持性能稳定。与文本离散信号不同，语音是连续信号且易受到环境噪声的影响，导致语音大模型不能简单地接入大语言模型，而是需要做好语音编码器的鲁棒性工作。
“因此，在大语言模型时代，我们不仅快速利用大语言模型更精准的语义理解和更精细的描述能力，同时也结合我们研发的语音属性解耦预训练和语义语音互增强编码等技术，构建起了适用于各类场景的语音大模型。让智能语音技术赋能更多智能场景。”高建清说。
(责任编辑：韩梦晨)
