5G已經是人們眼前可見的未來，更美好的數字化場景觸手可及。在無論多艱難的環境里，我們希望從身邊每一個看似平凡的創新者身上，依然能看見光，依然能勇敢的去做一個追光者。

　　5G作為全面重造連接的基石，所引發變革的廣度和深度，都將遠超4G。在新的變革時代，改變世界，并不是大企業的專屬，它同樣屬于那些遍布不同行業的創新者。

　　5G時代的序幕已經拉開，騰訊5G生態計劃將與創新者同行，為追光者助力，實現所見即未來。

　　通過「追光者-5G引領數字化」欄目，我們將邀請10個領域的5G創新者，講述他們的探索、行動、思考和預測，開啟5G引領下的數字化變革暢想。

　　機器學習以及自然語言處理技術的進步，開啟了基于先進AI技術的人機語音交互，人們透過對話的方式獲取信息、與機器進行交互，將不再只是存在科幻情結當中。

　　AI語音交互正在進入每個人的日常生活，娛樂、工作、社交各個場景都已經出現了它的身影。隨著5G翩然而至，高帶寬、低時延、廣連接三大特性將進一步突破AI語音瓶頸，或許會給出更豐富的應用場景和更完善的解決方案。

　　本期「追光者-5G引領數字化」欄目，我們邀請到標貝科技創始人兼CEO劉博，共同走進智能語音的世界，一探5G時代的AI語音交互，將如何變化升級？哪些AI語音應用場景將成為下一個風口？

劉博 標貝科技創始人兼CEO

　　智能語音如何發展至今？

　　回顧智能語音的發展歷程，大致分為五個階段。

　　第一個階段是萌芽期，在1952年，貝爾實驗室研制出首個語音識別系統Audry，但當時的語音識別系統非常粗糙，基本上停留在實驗室階段。

　　第二個階段，在1984年，語音技術取得了真正的突破。IBM發布一款大詞匯量識別系統，涵蓋5000多個詞匯，識別率達到95%。除此之外，美國卡內基梅隆大學開發出一套名叫SPHINX的語音識別引擎，為后期語音識別技術走向商業化起到了重要的推動作用。

　　第三個階段，我們將其定義為產業化階段。在1997年，第一款語音聽寫產品誕生了。2002年，美國啟動全球自主語音GALE項目，研發實時翻譯印刷品、網頁、新聞及電視廣播技術。2009年，微軟發布的Win7也集成了語音識別的功能。

　　在第四個階段，語音技術迎來了快速應用。蘋果推出首個語音助手Siri，谷歌相繼發布了首個手機語音搜素引擎GoogleNow。在技術具體落地的同時也解決了一些實際問題，比如2015年，我國誕生了首個可打斷糾錯的語音系統，極大提升了語音交互體驗，對后續的應用化落地起到很大作用。

　　在第五個階段，我認為是語音產品的爆發期。國內我們能看到像騰訊、百度、小米、阿里等互聯網大廠，都推出了自家的智能語音產品。所以我相信，隨著AI語音識別應用領域的不斷擴展，我們的技術將獲得更多普及。

　　與4G相比，5G將會對AI語音交互有哪些影響？

　　4G連接了人與人，更強調以人為核心的交互過程。由于5G對邊緣計算和網絡切片能力的提升，未來會有更多設備接入5G網絡，因此AI語音交互將經歷從人到人和設備的核心轉變。那么5G將在哪些方面提升AI語音交互技術呢？

　　首先，5G提升語音采樣率，打造更接近人聲的合成聲音。

　　當我們在打電話溝通交流時，經常會產生很多問題。比如在電話中會發現對方的聲音可能不太友好，抑或是表達的意思不夠清晰。這也是為什么人們更喜歡面對面溝通重要的事情。

　　在4G的時候，語音采樣率的指標是16K，隨著5G不斷成熟應用，語音采樣率將會提升至44K。兩者本質上是信息密度傳輸的區別。隨著采樣率的提升，語音將承載的交流信息會更強，我們可以更多地感受到對方表達的意思和溫度。同時，可以獲取更保真、音質更好的的效果，所以我們期待借助5G技術，打造更接近人聲效果的合成語音。

　　其次，5G提升泛在線設備能力，覆蓋連接更多設備，延展AI語音交互場景。

　　盡管當前的4G網絡每平方公里可以容納數千臺設備，但同樣范圍內5G可以為百萬臺設備提供高速網絡連接。因此在5G時代，泛在線的能力將得到極大提升，當設備接入5G網絡體系之后，更多應用將融進場景，形成交互的多元化應用。隨著交互形態和交互能力提升，用戶的交互意愿將達到質的變化。

　　據艾瑞咨詢發布《2020中國智能物聯網AloT白皮書》顯示，至2025年，65%以上中國家庭擁有AI管家包括智能音箱、智能機器人、智能面板等形態的產品，且一戶家庭可以擁有10臺以上具備AI感知能力的設備，從而形成智能家居交互方式無感化。不僅僅是家居生活，未來的AI語音交互將轉向多場景切換、多交互形式，最終形成跨終端的無縫體驗。

　　再者，5G豐富AI語音交互形式，向千人千面轉型。

　　4G時代，由于帶寬壓力和計算能力限制，很多人機交互還停留在單一的語音對話形式，比如人機智能問答。但隨著5G基礎建設的不斷提升，人機交互將融入更多的AI技術，包括手勢、人臉、視覺、語音等，形成多維度、多層次立體化的交互體系。

　　記得之前很多人問我，語音是不是獨立存在的單個場景或板塊？其實不然。語音作為交互能力的基礎，通過整合更多的場景形態和先進技術，打造沉浸式的交互體驗。在未來，我們可能將更多的技術融入相應的設備里，形成多元化的產品體系。由于受限于4G速度，以前沒辦法真正做到語音交互的個性化、定制化、差異化，如今基于5G的特性，可以增加個性化定制的交互場景，實現千人千面的體驗。

　　AI語音技術應用在哪些重要的5G場景？

　　5G+融媒體場景

　　現在，視頻領域正成為大廠們競相追逐的熱點，因為內容創造對于任何廠家而言都是瓶頸。但我們在做制作內容的時候，通過5G與AI語音技術的結合，將大大提高產出效率。

　　AI語音不僅能夠推動數字技術的內容創作，還提高了媒體制作的效率。比如融媒體超高清視頻的制作主要分成三個部分：采集回傳、視頻素材的云端制作、最后形成高清視頻節目播出。5G+AI語音技術將整個采-編-傳的過程音頻化、高清化、云端化，極大解放了內容創作者的雙手。

來源：IMT-2020(5G)推進組5G新媒體行業白皮書

　　5G+泛娛樂場景

　　當AI語音交互技術應用在泛娛樂場景時，比如云游戲、高清視頻、VR、AR直播等等，將帶來更清晰的交互流程和更優質的交互體驗，實現定制化、智能化和場景化的高度滲透與融合。我觀察到云游戲的體驗形式正在發生本質變化，市面上有部分廠商已經實現了一些智能化體驗，游戲中的NPC（非玩家角色）可以直接跟用戶進行對話和交流。

　　5G+智慧生活

　　5G重構設備的連接方式，而AI語音讓設備自身、設備與設備之間更懂人，實現個性化的人機交互體驗，從萬物連接走向萬物智能。

　　據相關白皮書指出，受益于城市端AIoT業務的規模化落地及邊緣計算的初步普及，2019年中國AIoT市場規模突破3000億大關，直指4000億量級。由于AIoT在落地過程中需要重構傳統產業價值鏈，未來幾年將會迎來較快的發展節奏，包括智能家居、車聯網、無人駕駛、智慧醫療等領域都將與AI語音交互緊密結合，從實驗室專有領域進入尋常百姓的生活。

　　隨著5G與AI語音交互的不斷融合，語音技術與場景結合度更加緊密，個性化語音交互是必然趨勢。我們希望把技術、情感與用戶串聯一起，將AI語音技術應用到更多場景中，帶來聲入人心的語音交互體驗。

（掃描二維碼，觀看直播回放）