您现在的位置是：主页 > 品牌 > 阿里巴巴 >
AliOS语音识别功能实现多项任务同步处理
发布时间：2018年10月19日 14:59:35 阿里巴巴 人已围观
简介这句话表明了一个人想要享受一种悠闲的生活方式。具体来说，他计划前往曲院风荷，享受开天窗的清新空气，同时沉浸在周杰伦的经典老歌中。这不仅展示了他的出行目的，更传达了...
“我想在去曲院风荷的路上，打开天窗，听听周杰伦的经典歌曲。”
如果你对人说这句话，他们能很清晰地捕捉到你的三个意图：第一，前往曲院风荷；第二，开启天窗；第三，播放周杰伦的老音乐。
但假如把听话的人换成机器，比如汽车，它是否能够解读并响应这些操作呢？
众所周知，由于语音交互的便利性和安全性，它成为了车内互动的理想方式，几乎每个车载系统都在采用这一技术。然而，不同厂商的语音系统在性能上差异显著。像开篇提到的多任务语义理解，目前仍在行业中属于较为前沿的技术，且尚未有太多厂商能实现，而大多数都在努力提高语音识别和自然语言理解的准确性。
AliOS数据智能部门负责人陈华良表示，他们正在对语音技术进行升级，力求提升场景智能语义理解（SSLU：Scene-based Spoken Language Understanding）的效果，这是在自然语言理解的基础上，通过场景来提升语言理解的智能性，同时增强多领域任务的处理能力。
一般来说，常见的对话系统由多个模块组成，包括自动语音识别（ASR）、自然语言理解（NLU）、对话管理（DM）、自然语言生成（NLG）以及语音合成（TTS）。
他进一步介绍，AliOS已经实现了一种创新的自我对话训练数据生成及众包方案，通过综合理解人、车、场景，结合语言学与语义学的知识图谱，训练一个端到端的深度学习对话系统，以提升场景的覆盖率与对话的流畅性，使系统在场景基础上更好地理解语音命令。
以开头提到的情境为例，AliOS能够首先精准识别“我想在去曲院风荷的路上，打开天窗，听听周杰伦的经典歌曲”中的每个词，然后结合用户的上下文，理解其意思，并相应调用服务，完成导航到曲院风荷、打开天窗以及播放周杰伦老歌的复杂指令。
陈华良强调：“口语的表达往往模糊且不完整，单凭大量语料数据来实现口语理解是远远不够的。我们认为，利用更多信息如人、车、场景等，才能带来更智能的自然语言理解，从而提供给用户更出色的语音体验。”他还提到，AliOS重点针对导航、音乐、有声书和电台等常见车载场景进行了技术优化升级，实现了多条件搜索、导航多任务操作、导航中偏好修改以及多槽查询等功能。
举几个具体例子，比如“我到中山公园的距离还有多远？”AliOS能够准确理解为询问当前位置到中山公园的距离；“把上次经过的点删掉”，AliOS能够准确执行删除上一次途径点的操作；“给我放几首应景的歌”，AliOS则能够根据当前的天气和时间播放合适的歌曲。