由CTI論壇(www.ctiforumcom)主辦的2020中國呼叫中心及企業通信大會(http://www.ctiforumcom/expo/2020/ccec2020spring/indexhtml)于9月18日在北京遼寧大廈盛大開幕。本次會議以‘新基建’背景下ICT行業發展機遇與挑戰為主題。深圳黃鸝智能科技有限公司CEO劉志應邀出席此次會議并發表題為《后疫情時代語音降噪對于客戶體驗的重要性》的主題演講。隨著數字渠道的發展和人工智能的到來，一個普遍的誤解是傳統的人與人之間的語音交互已經過時。但實際上并非如此，語音交互的目的已經改變，從之前處理所有的咨詢業務轉變為處理企業與其客戶之間最復雜，最有價值的交互。自從本次冠狀病毒大流行以來，語音交互的重要性更是不斷提升。在此背景下，如何提升語音交互的體驗？黃鸝智聲的演講為大家帶來新的視角。

圖：深圳黃鸝智能科技有限公司CEO劉志 ▲演講PPT下載，pdf格式

　　劉志：感謝CTI論壇，我在呼叫中心和企業通信領域是個新人，我們公司也很新，去年8月份剛剛成立。但是疫情讓我對這個領域所做的事情有更新的認識，首先我認識到呼叫中心也好、企業通信也好，是服務于全行業的。有一個笑話，說疫情當中三個月沒有接到推銷電話感覺整個人都不好了，終于盼來了一通推銷電話，瞬間點燃了自己。我也有這樣的感受，我接到的外呼電話和我打出去的客服電話，經常會遇到這樣的場景，我給大家演示一下，就是這樣嘈雜的環境。這樣的場景大家并不陌生，不僅是在呼叫中心，在企業辦公中，整個疫情期間我參加的不下一百場的各種各樣的線上宣講、會議等等，才意識到一個問題，我們大部分人不知道通話的對方聽到我的聲音是怎樣的。而我聽到同事們家里面狗叫貓叫的聲音，我意識到我也可能給對方帶來了不好的體驗。

　　實驗心理學有這樣的數據，說明聲音有多重要，在人類獲取的信息當中有20%是直接來自于聲音，還有25%是聲音和視覺的結合，今天在現場能夠面對面的交流是對于信息交互是非常難得的，因為既有聲音又有視覺，大家可以看到我的表情、形態和肢體語言，但是一旦到了線上看不到對方，這種情況下聲音是不是就是我們獲取信息的唯一來源呢？從人類表達信息的手段來看，有聲語言更是占據了絕大多數的比例。可是聲音這么重要，我們卻常常忽略了噪聲的影響。

　　我們可以看到疫情的影響下，越來越多的企業已經在選擇在家辦公了，包括Facebook、推特，疫情前美國有5%的企業辦公選擇在家或者是比較自由的方式。我相信疫情終將過去，但是就像03年非典之后電商發展起來了，這次的疫情后我相信線上辦公、學習、娛樂等等很多新的生活工作方式會變成常態，但這里面有個非常重要的問題，就像電商普及那樣，就是體驗非常重要。對于在線辦公和呼叫中心來說，語音降噪對于客戶體驗就是非常重要的。

　　呼叫中心大家也都知道，今天數字化越來越成為潮流，今天下午的演講中五個同行，有四家都是在講人工智能，怎么樣用人工智能來讓客戶的體驗更好，但同時也要看到，今天在這種數字化變革下，今年85%呼叫中心也要做數字化變革，但是對于數字渠道滿意客戶只有21%，我自己就對很多數字渠道很不滿意，還有1/3通過數字渠道發起的客戶服務最終還是轉到了人工，這不是代表智能化不是趨勢，實際上智能化一定是趨勢，但是今天怎么樣去提升客戶的體驗，語音降噪在智能化當中也有非常多重要的價值。

　　我們看到語音雖然是個非常古老的手段，但是不管是在呼叫中心還是在企業辦公中今天發揮的作用是不但沒有減小而且是越來越大的。拿呼叫中心來說，作為問題解決中心我們觀察到，雖然人工智能數字化渠道有很多好的提升效率的手段，但是總有一些查詢最終要到人這里，而且要看到一旦到了人這里的問題，一定是最有價值的問題，也是最難解答的問題，機器人搞不定的問題最終交給了人。我也是做人工智能的，人工智能今天只能解決相對簡單的有邏輯問題，畢竟人工智能沒有認知，也無法體察我的情感。

　　語音到人工一定是處理的最有價值的交互，呼叫中心也是價值創造中心，今天獲取客戶的成本越來越高，我以前所在的教育培訓行業在今年疫情影響下是突飛猛進的增長，但是所有的從業者都有一個非常擔憂的事情就是獲客成本越來越高，這種情況下怎么能夠保留現有客戶，讓現有客戶為我們帶來更多的價值等等，這些都是企業必須要思考的問題，而這種保留客戶的發掘客戶價值的渠道、這樣的交互，人工智能只能作為輔助手段，一定需要通過人與人之間情感的交互。

　　今天呼叫中心行業中語音渠道的目的改變了，已經不是處理簡單查詢的問題，而更多的是解決復雜但是有價值的交互。優化語音渠道，讓語音渠道給用戶帶來的體驗更好，這一點在后疫情時代越發有必要。

　　我最開始演示的一樣，今天很多語音渠道連最基本的讓對方聽清楚這一點都有差距，這是什么原因呢？核心問題就是噪聲。我們通常大家會有個感受，我面對面交互的時候有噪聲影響也不大，為什么到了坐席這里、線上交互的時候噪聲難道就發生了質的變化嗎？我研究聲音接近20年的時間，可以很明確的告訴大家線上和線下的語音交互是完全不一樣的體驗。兩點：一是我們在面對面交流的時候除了聲音以外，我們也有眼神的交互、肢體的語言，通過視覺那25%大量獲取輔助的信息，信息傳輸手段是綜合多維的，一旦變到只有單一的語音途徑的時候，對于聲音質量的依賴性極大的加強了；二是人是非常智能的智能體，我們在面對面交流的時候不是一只耳在聽，而是兩只耳朵，這是雙耳效應，雙耳效應可以自動幫助抑制噪聲、定位聲源方向，一旦錄下來再播出來相當于是一只耳朵在聽聲音，這種人類自身降噪機制發揮不了作用，這也就是為什么降噪這件事非常重要，但是又很困難。

　　上世紀50年代很多人研究相關課題，直到今天我們看到了很多降噪的方法依然有各自缺陷。傳統的方法是預測噪聲的走向，知道下一個時刻噪聲是怎樣，從帶噪語音中把噪聲減去，但是只對穩態的噪聲，比如空調的噪聲有預判，對穩態噪聲效果非常好，但是實際上今天噪聲環境越來越復雜，傳統的方法很難解決。

　　陣列方法模擬人耳雙耳效應，也有更多的四個麥克風、八個甚至更多，它的思路是模擬人耳，但是首先對麥克風的品質一致性要求非常高，其次這種方法的邊界效應比較明顯。最新2011年興起的深度學習降噪方法取得很好效果，但是也有兩個問題，首先是模型結構非常復雜，算法復雜度非常高，很難滿足通信實時性的要求，其次是這一輪人工智能深度學習方法是黑盒，訓練出來的模型、模型參數什么樣很難搞清楚，我們也無法知道到底是怎么訓練的，有些時候用了這個方法之后中間聲音聽不到了，也不知道發生了什么、也無法進行修正。

　　黃鸝智聲在降噪方面研究了15年以上的時間，發現前面的方法有些是從人耳的特性出發的，有些是從大腦特性出發，比如深度學習是模擬大腦，前面說的陣列、傳統降噪方法是模擬人耳，而我們做的是把二者統一起來，聽覺智能是耳朵和大腦中樞一起作用的結果，把信號處理的方法和深度學習的方法進行融合，取長補短把它們當中優點發揮出來。從而在降噪問題上解決了以下難題，既要高降噪又要低失真，很多降噪可以把噪聲降得比較好，但是要的聲音也有丟失，要么是聲音聽著還可以，但是一直聽到噪聲。高可靠低延時，我們方案最低8毫秒的延時，這是通信系統里面是完全可以被忽略的，同時高可靠，不會丟數據，不會聽到中間斷斷續續的，三是高性能低成本，這樣的技術可以達到參數指標，可以做到降噪40DB以上，今天在飛機發動機尾部地方，十幾架直升機一起轟鳴，走出去感覺聲浪很厲害，直升機去感受一下，都可以感覺把人振起來，我對著別人耳朵大聲喊人家不知道我在說什么，但是用我們的技術，帶上我們耳麥后可以實現清晰的聲音傳輸，也可以用它去進行語音識別，40db是對噪聲能量降低一萬倍以上，我們還可以讓語音質量保持在3.5分以上滿分是5分，最終可以呈現出高質量、高性價比的產品。

　　基于這樣的技術，我們也給呼叫中心和企業通信領域帶來了四款產品，自適應通話降噪盒是去年11月份出來的產品，可以接固定電話，傳統的固定電話接上我們的降噪盒以后變成專門降噪的電話，第二款產品G100U，今年4月份剛剛出來的，主要定位教育培訓行業，看著比較大一些。4月份剛剛出來5月份就在教育行業拿到了數十K的訂單，現在交付達到幾十K。第三、第四款產品是CTI論壇平臺上首次發布的，E100U，精英系列產品，主要目標人群是辦公人群，是可以接typecC接口，主流安卓手機，也可以接電話。C101是精巧系列，是給呼叫中心和坐席人員準備的，剛才我在剛開始的時候請老師給我播放了一個噪音我也戴著我的C101耳麥同步做了錄音，大家聽聽剛才用這樣的耳麥錄下來的剛才聲音。

　　（播放聲音）

　　同時播放了噪聲，大家聽聽用C101耳麥錄音是不是完全聽不到任何噪聲也沒有任何失真？這是技術所體現出來的實際的效果，不用建專業隔音室，只需要戴一個耳麥就相當于給每一個坐席、每一個辦公人員建立了一個專用虛擬的辦公室。

　　智能化是方向，但是今天其實包括剛才云趣提到的問題，今天語音識別的識別準確率會非常受到環境噪聲的影響，實測安靜環境下95%的識別率，真的在噪聲環境下，噪聲環境相對比較惡劣的話可能會掉到70%以下，我們的設備還可以來支持數字渠道和智能化的渠道，合作伙伴只需要關注后端的質檢、客服助手等技術的準確率以及效果，完全可以把前端怎么讓聲音更加干凈、更加清晰這樣的事情交給我們。

　　我們公司是非常年輕的一家公司，去年剛剛成立，但是在聲音領域的研究有超過20年的歷史，我本人清華電子系畢業后一直從事聲音相關的工作，做過語音識別、做過口語測評、做過語音編解碼，和聲音相關方方面面很多我是非常非常清楚的，當時做語音識別的時候特別有感受，我的碩士課題是車載環境下語音識別，在實驗室里面調得非常好的設備拿到車上后馬達一響、車一開，完全報廢了。噪聲的影響也是我們團隊一直想去克服的，而且我們認為它對于人類生活工作品質真的有非常大的幫助。

　　我們企業的使命是用聲音智能來改善人類生活與工作品質，聲音作為人最重要的信息交互手段之一，實際上今天它的價值遠遠沒有被發掘，就拿它和視覺去對比，可以看到今天很多視覺的設備已經非常多的應用，但是語音始終感覺還是欠了點火候，在我們看來，噪音是其中一個非常重要的障礙，我們希望把我們的技術和更多的伙伴們一起合作，因為我們是前端技術，是相對底層的技術，所有需要噪聲環境下進行采集、通信、識別等聲音能夠發揮價值的地方都希望和大家一起攜手合作。我們有一個愿景，我們認為今天聲音更多的是人與人之間的交互，而未來它可能成為萬物互聯的手段，我們把我們的技術和大家的結合在一起，構建這樣一個萬物交互的世界，我們認為這樣的一天不是那么的遙遠。

　　謝謝大家！