10月21日，杭州云棲大會(huì)上，阿里巴巴達(dá)摩院發(fā)布軟硬件結(jié)合語音產(chǎn)品“聽悟”。相比只能逐字轉(zhuǎn)寫的上一代語音產(chǎn)品，“聽悟”是面向未來會(huì)議的AI助理，集成了達(dá)摩院最新語音及自然語言處理技術(shù)，不僅“聽”得準(zhǔn)，且“悟”性高，可秒速生成智能會(huì)議紀(jì)要及待辦。

會(huì)議場景對語音轉(zhuǎn)文字產(chǎn)品有強(qiáng)需求。但因技術(shù)限制，傳統(tǒng)語音產(chǎn)品存在“聽不準(zhǔn)、分不清、看不懂”等問題，往往在噪音下識(shí)別準(zhǔn)確率較低，無法區(qū)分不同說話人，轉(zhuǎn)寫內(nèi)容冗長難以閱讀和沉淀。針對痛點(diǎn)，達(dá)摩院語音實(shí)驗(yàn)室打造了“聽悟”，通過讓AI深度參與，讓線上及線下會(huì)議更智能、高效、協(xié)同。

“聽悟”內(nèi)置達(dá)摩院獨(dú)創(chuàng)聲紋融合方位算法，能對多達(dá)10位說話人進(jìn)行角色分離;融入達(dá)摩院新一代端到端語音識(shí)別模型，中文識(shí)別準(zhǔn)確率可達(dá)98%，支持14種方言及中英文“自由說”;可嵌入線上音視頻會(huì)議，實(shí)時(shí)出字幕及紀(jì)要。

除了聽力好，這位AI助理悟性也高。 “聽悟”能模仿人工整理，進(jìn)行智能糾錯(cuò)和分段，自動(dòng)過濾語氣詞，讓生成文本更流暢。同時(shí)，“聽悟”擅長抓重點(diǎn)，可秒速生成關(guān)鍵詞、核心結(jié)論、重點(diǎn)內(nèi)容和待辦，用戶能同屏編輯、標(biāo)注摘要、一鍵分享、安全保存。“聽悟”還能對常用詞、用戶行為及歷史文檔進(jìn)行自學(xué)習(xí)，越用越聰明。

此外，“聽悟”配置了智能麥克風(fēng)，融入達(dá)摩院指向性差分麥克風(fēng)陣列技術(shù)，可實(shí)現(xiàn)7米內(nèi)遠(yuǎn)距離360度高清收音，相比傳統(tǒng)麥克風(fēng)收音距離、抗噪能力大為提升。

達(dá)摩院語音實(shí)驗(yàn)室負(fù)責(zé)人鄢志杰表示，“語音技術(shù)的發(fā)展是不斷解鎖場景的歷史，會(huì)議作為當(dāng)下組織協(xié)同的核心場景，是語音AI將變革的下一個(gè)重要場景。”

鄢志杰介紹，“聽悟”適用于企業(yè)會(huì)議、金融調(diào)研、媒體訪談、教育培訓(xùn)等泛會(huì)議場景，目前面向企業(yè)客戶，已為多家頭部金融企業(yè)提供服務(wù)，且應(yīng)用于釘釘新上線的“釘閃記”功能中。未來，“聽悟”還將探索與會(huì)議廠商合作。

IDC報(bào)告顯示，阿里AI近年在語音語義領(lǐng)域表現(xiàn)強(qiáng)勁，市場年增長率達(dá)96.6%，增速第一，總營收中國前二，已深入政務(wù)、金融、電商、法律等行業(yè)，應(yīng)用于會(huì)議、客服、IoT、搜索、文本分析等場景。