5G已经是人们眼前可见的未来，更美好的数字化场景触手可及。在无论多艰难的环境里，我们希望从身边每一个看似平凡的创新者身上，依然能看见光，依然能勇敢的去做一个追光者。

　　5G作为全面“重造连接”的基石，所引发变革的广度和深度，都将远超4G。在新的变革时代，改变世界，并不是大企业的专属，它同样属于那些遍布不同行业的创新者。

　　5G时代的序幕已经拉开，腾讯5G生态计划将与创新者同行，为追光者助力，实现“所见即未来”。

　　通过「追光者-5G引领数字化」栏目，我们将邀请10个领域的5G创新者，讲述他们的探索、行动、思考和预测，开启5G引领下的数字化变革畅想。

　　机器学习以及自然语言处理技术的进步，开启了基于先进AI技术的人机语音交互，人们透过对话的方式获取信息、与机器进行交互，将不再只是存在科幻情结当中。

　　AI语音交互正在进入每个人的日常生活，娱乐、工作、社交各个场景都已经出现了“它”的身影。随着5G翩然而至，高带宽、低时延、广连接“三大特性”将进一步突破AI语音瓶颈，或许会给出更丰富的应用场景和更完善的解决方案。

　　本期「追光者-5G引领数字化」栏目，我们邀请到标贝科技创始人兼CEO刘博，共同走进智能语音的世界，一探5G时代的AI语音交互，将如何变化升级？哪些AI语音应用场景将成为下一个风口？

刘博
标贝科技创始人兼CEO

　　回顾智能语音的发展历程，大致分为五个阶段。

　　第一个阶段是萌芽期，在1952年，贝尔实验室研制出首个语音识别系统Audry，但当时的语音识别系统非常粗糙，基本上停留在实验室阶段。

　　第二个阶段，在1984年，语音技术取得了真正的突破。IBM发布一款大词汇量识别系统，涵盖5000多个词汇，识别率达到95%。除此之外，美国卡内基梅隆大学开发出一套名叫SPHINX的语音识别引擎，为后期语音识别技术走向商业化起到了重要的推动作用。

　　第三个阶段，我们将其定义为产业化阶段。在1997年，第一款语音听写产品诞生了。2002年，美国启动“全球自主语音”GALE项目，研发实时翻译印刷品、网页、新闻及电视广播技术。2009年，微软发布的Win7也集成了语音识别的功能。

　　在第四个阶段，语音技术迎来了快速应用。苹果推出首个语音助手Siri，谷歌相继发布了首个手机语音搜素引擎GoogleNow。在技术具体落地的同时也解决了一些实际问题，比如2015年，我国诞生了首个可打断纠错的语音系统，极大提升了语音交互体验，对后续的应用化落地起到很大作用。

　　在第五个阶段，我认为是语音产品的爆发期。国内我们能看到像腾讯、百度、小米、阿里等互联网大厂，都推出了自家的智能语音产品。所以我相信，随着AI语音识别应用领域的不断扩展，我们的技术将获得更多普及。

　　4G连接了人与人，更强调以“人”为核心的交互过程。由于5G对边缘计算和网络切片能力的提升，未来会有更多设备接入5G网络，因此AI语音交互将经历从“人”到“人和设备”的核心转变。那么5G将在哪些方面提升AI语音交互技术呢？

　　首先，5G提升语音采样率，打造更接近人声的合成声音。

　　当我们在打电话沟通交流时，经常会产生很多问题。比如在电话中会发现对方的声音可能不太友好，抑或是表达的意思不够清晰。这也是为什么人们更喜欢面对面沟通重要的事情。

　　在4G的时候，语音采样率的指标是16K，随着5G不断成熟应用，语音采样率将会提升至44K。两者本质上是信息密度传输的区别。随着采样率的提升，语音将承载的交流信息会更强，我们可以更多地感受到对方表达的意思和温度。同时，可以获取更保真、音质更好的的效果，所以我们期待借助5G技术，打造更接近人声效果的合成语音。

　　其次，5G提升泛在线设备能力，覆盖连接更多设备，延展AI语音交互场景。

　　尽管当前的4G网络每平方公里可以容纳数千台设备，但同样范围内5G可以为百万台设备提供高速网络连接。因此在5G时代，泛在线的能力将得到极大提升，当设备接入5G网络体系之后，更多应用将融进场景，形成交互的多元化应用。随着交互形态和交互能力提升，用户的交互意愿将达到质的变化。

　　据艾瑞咨询发布《2020中国智能物联网AloT白皮书》显示，至2025年，65%以上中国家庭拥有AI管家包括智能音箱、智能机器人、智能面板等形态的产品，且一户家庭可以拥有10台以上具备AI感知能力的设备，从而形成智能家居交互方式无感化。不仅仅是家居生活，未来的AI语音交互将转向多场景切换、多交互形式，最终形成跨终端的无缝体验。

　　再者，5G丰富AI语音交互形式，向“千人千面”转型。

　　4G时代，由于带宽压力和计算能力限制，很多人机交互还停留在单一的语音对话形式，比如人机智能问答。但随着5G基础建设的不断提升，人机交互将融入更多的AI技术，包括手势、人脸、视觉、语音等，形成多维度、多层次立体化的交互体系。

　　记得之前很多人问我，语音是不是独立存在的单个场景或板块？其实不然。语音作为交互能力的基础，通过整合更多的场景形态和先进技术，打造沉浸式的交互体验。在未来，我们可能将更多的技术融入相应的设备里，形成多元化的产品体系。由于受限于4G速度，以前没办法真正做到语音交互的个性化、定制化、差异化，如今基于5G的特性，可以增加个性化定制的交互场景，实现“千人千面”的体验。

　　现在，视频领域正成为大厂们竞相追逐的热点，因为内容创造对于任何厂家而言都是瓶颈。但我们在做制作内容的时候，通过5G与AI语音技术的结合，将大大提高产出效率。

　　AI语音不仅能够推动数字技术的内容创作，还提高了媒体制作的效率。比如融媒体超高清视频的制作主要分成三个部分：采集回传、视频素材的云端制作、最后形成高清视频节目播出。5G+AI语音技术将整个“采-编-传”的过程音频化、高清化、云端化，极大解放了内容创作者的双手。

来源：IMT-2020(5G)推进组5G新媒体行业白皮书

　　当AI语音交互技术应用在泛娱乐场景时，比如云游戏、高清视频、VR、AR直播等等，将带来更清晰的交互流程和更优质的交互体验，实现定制化、智能化和场景化的高度渗透与融合。我观察到云游戏的体验形式正在发生本质变化，市面上有部分厂商已经实现了一些智能化体验，游戏中的NPC（非玩家角色）可以直接跟用户进行对话和交流。

　　5G重构设备的连接方式，而AI语音让设备自身、设备与设备之间更懂人，实现个性化的人机交互体验，从万物连接走向万物智能。

　　据相关白皮书指出，受益于城市端AIoT业务的规模化落地及边缘计算的初步普及，2019年中国AIoT市场规模突破3000亿大关，直指4000亿量级。由于AIoT在落地过程中需要重构传统产业价值链，未来几年将会迎来较快的发展节奏，包括智能家居、车联网、无人驾驶、智慧医疗等领域都将与AI语音交互紧密结合，从实验室专有领域进入寻常百姓的生活。

　　随着5G与AI语音交互的不断融合，语音技术与场景结合度更加紧密，个性化语音交互是必然趋势。我们希望把技术、情感与用户串联一起，将AI语音技术应用到更多场景中，带来“声入人心”的语音交互体验。

（扫描二维码，观看直播回放）