近年來(lái)，隨著人工智能技術(shù)的不斷成熟，企業(yè)數(shù)字化轉(zhuǎn)型步伐的加快，AI 的觸角逐漸深入到各個(gè)場(chǎng)景，使人類的生產(chǎn)生活變得更加智慧化。在聽覺方面，智能語(yǔ)音技術(shù)成為各大科技公司們攻堅(jiān)的重要領(lǐng)域。

　　一家老牌科技巨頭微軟，在語(yǔ)音合成技術(shù)、語(yǔ)音識(shí)別技術(shù)上深耕多年，面向全球合作伙伴開放和落地其技術(shù)能力，提供多種智能語(yǔ)音解決方案。

　　5 月 20 日，在 2020 微軟 Build 開發(fā)者大會(huì)上，微軟上線了語(yǔ)音評(píng)測(cè)功能，該功能基于 Azure 語(yǔ)音服務(wù) Speech-to-text（語(yǔ)音轉(zhuǎn)文本）構(gòu)建。用戶可以上傳跟讀文本和音頻對(duì)發(fā)音人的語(yǔ)音從準(zhǔn)確度，流利度和完整度進(jìn)行評(píng)測(cè)。在教育領(lǐng)域，尤其是口語(yǔ)學(xué)習(xí)方面，因具有高識(shí)別準(zhǔn)確率、擬專家打分的高一致性，可以讓口語(yǔ)學(xué)習(xí)的教和學(xué)更加高效方便。

　　近日，微軟亞太研發(fā)集團(tuán)智能語(yǔ)音團(tuán)隊(duì)接受了雷鋒網(wǎng)等媒體的線上采訪，對(duì)微軟智能語(yǔ)音評(píng)測(cè)技術(shù)的優(yōu)勢(shì)和應(yīng)用場(chǎng)景等內(nèi)容進(jìn)行了詳細(xì)介紹。微軟亞太研發(fā)集團(tuán)云計(jì)算與人工智能事業(yè)部產(chǎn)品總監(jiān)丁秉公、微軟亞太研發(fā)集團(tuán)云計(jì)算與人工智能事業(yè)部資深產(chǎn)品經(jīng)理馬莉莎參與了本次采訪。

　　語(yǔ)音評(píng)測(cè)的四個(gè)維度：專業(yè)性、實(shí)時(shí)性、穩(wěn)定性、可定制性

　　微軟亞太研發(fā)集團(tuán)云計(jì)算與人工智能事業(yè)部資深產(chǎn)品經(jīng)理馬莉莎表示，目前語(yǔ)音評(píng)測(cè)市場(chǎng)需求的考量方向主要有四個(gè)維度：

1. 專業(yè)性。

2. 實(shí)時(shí)性。

3. 穩(wěn)定性。

4. 可定制性。

　　對(duì)于專業(yè)性，微軟語(yǔ)音評(píng)測(cè)的每個(gè)語(yǔ)言從 10 萬(wàn)小時(shí)以上的母語(yǔ)大數(shù)據(jù)中學(xué)習(xí)當(dāng)?shù)卣Z(yǔ)言純正口音發(fā)音，針對(duì)各年齡段多維度精準(zhǔn)打分，從文章——句子——詞——音素四個(gè)環(huán)節(jié)，層層評(píng)估，擬專家團(tuán)打分一致性高。

　　馬莉莎提到，語(yǔ)音評(píng)測(cè)的專業(yè)性考量對(duì)比的是和母語(yǔ)專家評(píng)測(cè)的一致性。業(yè)內(nèi)通用皮爾森相關(guān)系數(shù)來(lái)反映兩個(gè)序列線性相關(guān)程度的統(tǒng)計(jì)量。范圍在-1 到 1 之間，1 表示完全相關(guān)，-1 表示完全相反，0 表示亂序無(wú)關(guān)，數(shù)值越大表示相關(guān)度越高。微軟語(yǔ)音評(píng)測(cè)在一致性上達(dá)到了 0.75，與母語(yǔ)專家水平接近。

　　對(duì)于實(shí)時(shí)性，微軟語(yǔ)音評(píng)測(cè)支持音頻上傳流式處理，也就是邊朗讀邊處理，讀完立即反饋評(píng)估結(jié)果。

　　對(duì)于穩(wěn)定性，微軟語(yǔ)音評(píng)測(cè)基于 NLP 模型構(gòu)建模糊匹配文本，針對(duì)垂直領(lǐng)域的特定場(chǎng)景的容錯(cuò)率有良好的包容性，漏讀、錯(cuò)讀、重復(fù)讀不影響打分有效性與準(zhǔn)確性。

　　對(duì)于可定制性，ASR 基礎(chǔ)模型與微軟在語(yǔ)音領(lǐng)域的全面技術(shù)能力，可以實(shí)現(xiàn)個(gè)性化評(píng)分標(biāo)準(zhǔn)，可適配口音、適配噪音環(huán)境以及適配年齡層等。

　　據(jù)了解，微軟語(yǔ)音評(píng)測(cè)除了支持英語(yǔ)評(píng)測(cè)外，還可擴(kuò)展支持全球 40 多個(gè)國(guó)家和地區(qū)的語(yǔ)言評(píng)測(cè)，廣泛適用于教育領(lǐng)域解決方案的合作伙伴、APP 開發(fā)者以及語(yǔ)言學(xué)校、培訓(xùn)中心、教育機(jī)構(gòu)、考試中心的各種語(yǔ)言學(xué)習(xí)、口語(yǔ)練習(xí)和考試等場(chǎng)景的開發(fā)。

　　最大的技術(shù)難點(diǎn)在于多點(diǎn)平衡

　　語(yǔ)音評(píng)測(cè)能力，在教育領(lǐng)域主要的受眾人群包括老師、學(xué)生，通常被廣泛應(yīng)用于教師評(píng)估、作業(yè)練習(xí)和語(yǔ)言學(xué)習(xí)場(chǎng)景中。那么，對(duì)于口語(yǔ)學(xué)習(xí)，教育用戶的痛點(diǎn)是什么？語(yǔ)音評(píng)測(cè)最大的技術(shù)難點(diǎn)又是什么？

　　對(duì)此，馬莉莎表示，對(duì)于學(xué)生來(lái)說(shuō)，他們的痛點(diǎn)在于非母語(yǔ)口語(yǔ)學(xué)習(xí)。學(xué)生們?cè)趯W(xué)習(xí)新語(yǔ)言的過(guò)程中，如何及時(shí)準(zhǔn)確地給學(xué)生的發(fā)音進(jìn)行反饋，讓學(xué)生隨時(shí)隨地更方便地聯(lián)系對(duì)于提升口語(yǔ)學(xué)習(xí)的有效性至關(guān)重要。

　　對(duì)于學(xué)校和教育機(jī)構(gòu)來(lái)說(shuō)，他們的痛點(diǎn)在于老師的資源有限，如何把現(xiàn)有的優(yōu)質(zhì)教師資源拓展到一個(gè)穩(wěn)定的教學(xué)系統(tǒng)里。因此，老師需要這樣一個(gè)能力，不僅能模擬母語(yǔ)專家打分，還能夠?qū)W習(xí)到老師們的評(píng)測(cè)方法，讓老師們可以使用評(píng)測(cè)高效地一對(duì)多給學(xué)生提供在線和線下的指導(dǎo)和幫助。

　　教育用戶的這些痛點(diǎn)，對(duì)語(yǔ)音評(píng)測(cè)技術(shù)提出了更高的要求。馬莉莎認(rèn)為，語(yǔ)音評(píng)測(cè)最大的技術(shù)難點(diǎn)在于語(yǔ)音識(shí)別技術(shù)本身，首先是多語(yǔ)言的理解和識(shí)別，不同的打分場(chǎng)景，包括噪聲環(huán)境、不同年齡段學(xué)生的發(fā)音情況等都要進(jìn)一步優(yōu)化。

　　其次就是要達(dá)到包容性和魯棒性（注：robust，技術(shù)術(shù)語(yǔ)，此處可理解為穩(wěn)健性或抗變性）的平衡。既要模型做得好、識(shí)別好，還要能夠動(dòng)態(tài)、實(shí)時(shí)構(gòu)建，對(duì)大模型達(dá)到高實(shí)時(shí)地調(diào)用，而這些需求加起來(lái)就是難上加難了。

“在語(yǔ)音評(píng)測(cè)上我們的基礎(chǔ)儲(chǔ)備非常堅(jiān)實(shí)，才能把方方面面做到比較好，以一個(gè)綜合的體現(xiàn)呈現(xiàn)給用戶，所以我們不是難在一個(gè)點(diǎn)上，而是多點(diǎn)平衡。”

　　據(jù)悉，積極探索數(shù)字化轉(zhuǎn)型和新教育模式的好未來(lái)，也是微軟語(yǔ)音評(píng)測(cè)功能的客戶之一。好未來(lái) AI 科學(xué)家胡翔宇表示：

"如何快速而有效地針對(duì)不同學(xué)生進(jìn)行口語(yǔ)評(píng)測(cè)是我們?cè)诰€上線下的英語(yǔ)教學(xué)中遇到的一大挑戰(zhàn)。微軟智能語(yǔ)音服務(wù)為好未來(lái)內(nèi)部以及我們的合作伙伴提供強(qiáng)大的實(shí)時(shí)語(yǔ)音評(píng)測(cè)能力。根據(jù)我們的測(cè)試，微軟語(yǔ)音服務(wù)的發(fā)音測(cè)評(píng)功能更好地適配了我們的收音環(huán)境，并且具備更高的一致性，更加貼近專家的評(píng)估結(jié)果。"

　　基于 Azure 云構(gòu)建的一種能力：算法、數(shù)據(jù)、算力

　　微軟亞太研發(fā)集團(tuán)云計(jì)算與人工智能事業(yè)部產(chǎn)品總監(jiān)丁秉公介紹，一般來(lái)說(shuō)，我們看 AI 技術(shù)主要看三個(gè)方面：算法、數(shù)據(jù)、算力。從這三個(gè)方面來(lái)說(shuō)，微軟的語(yǔ)音評(píng)測(cè)功能有自己獨(dú)特的優(yōu)勢(shì)。

• 在算法層面，微軟在智能語(yǔ)音領(lǐng)域深耕多年，其語(yǔ)音識(shí)別已經(jīng)達(dá)到人類的水平，錯(cuò)誤率在 5.1% 左右，正是有了這個(gè)算法基礎(chǔ)，所以在語(yǔ)音識(shí)別延伸的應(yīng)用——語(yǔ)音評(píng)測(cè)方面能夠比較有信心。

• 在數(shù)據(jù)層面，依靠微軟在語(yǔ)音方面的多年積累，通過(guò)將近 10 萬(wàn)多小時(shí)母語(yǔ)的數(shù)據(jù)進(jìn)行訓(xùn)練，最后學(xué)習(xí)到當(dāng)?shù)乇容^純正的口音。

• 在算力層面，語(yǔ)音評(píng)測(cè)所有的技術(shù)都是基于微軟 Azure 云構(gòu)建的，Azure 是全球擁有數(shù)據(jù)中心最多、覆蓋區(qū)域最多的云，可支撐用戶大規(guī)模的計(jì)算需求。同時(shí)，Azure 符合歐盟 GDPR（《通用數(shù)據(jù)保護(hù)條例》）標(biāo)準(zhǔn)，保護(hù)用戶的數(shù)據(jù)安全性。

　　實(shí)際上，微軟語(yǔ)音評(píng)測(cè)不是一個(gè)具體的產(chǎn)品，而是基于 Azure 云構(gòu)建的一種能力。即以微軟 Azure 為平臺(tái)，將微軟在人工智能領(lǐng)域 30 年的研究成果，開放 API 給合作伙伴、獨(dú)立軟件開發(fā)商、系統(tǒng)集成商，為他們提供認(rèn)知服務(wù)之上的能力，從而進(jìn)一步做出適合各自領(lǐng)域的方案。

　　“可以打一個(gè)比方，如果微軟云是平臺(tái)的話，認(rèn)知服務(wù)就是這個(gè)平臺(tái)上提供給用戶智能的部分。就好像一個(gè)人有眼睛、耳朵、頭腦，認(rèn)知服務(wù)就是賦予想要在微軟 Azure 云上獲取這些能力的用戶，給他們提供擴(kuò)展能力”，丁秉公說(shuō)道。

“所謂授之以魚不如授之以漁，我們提供這樣的能力或者工具之后，便于合作伙伴基于垂直領(lǐng)域里豐富的場(chǎng)景定制或開發(fā)相應(yīng)的解決方案以及產(chǎn)品，他們可以直接調(diào)取這樣的能力，而不需要從頭做任何人工智能方面的研究。”

　　據(jù)了解，目前，微軟語(yǔ)音評(píng)測(cè)的 API 有豐富的接口和參數(shù)，支持高實(shí)時(shí)率多并發(fā)調(diào)用。如果第三方想調(diào)用 API，在前期評(píng)測(cè)環(huán)節(jié)是免費(fèi)的，而進(jìn)入集成開發(fā)階段，會(huì)根據(jù)標(biāo)準(zhǔn)的 Speech-To-Text（語(yǔ)音轉(zhuǎn)文本）服務(wù)的價(jià)格，按照評(píng)測(cè)音頻的時(shí)長(zhǎng)來(lái)計(jì)費(fèi)。

　　另外，丁秉公還提到，微軟 Azure 內(nèi)部有獨(dú)立的 Microsoft Education 團(tuán)隊(duì)，專門針對(duì)教育領(lǐng)域提供不同的解決方案。除了語(yǔ)音評(píng)測(cè)外，Azure 云在教育領(lǐng)域還有很多已落地的應(yīng)用。

• 例如，疫情期間的“停課不停學(xué)”，讓微軟遠(yuǎn)程協(xié)作平臺(tái) Microsoft Teams 被學(xué)生用來(lái)作為遠(yuǎn)程學(xué)習(xí)的工具，在教育領(lǐng)域被廣泛使用。

• 其次，在個(gè)性化教育方面，語(yǔ)音評(píng)測(cè)作為 Azure 上的服務(wù)，提供了個(gè)性化的打分能力，使在平臺(tái)上使用這個(gè)功能的用戶享受到屬于他自己的獨(dú)特服務(wù)。

• 第三，Azure 的語(yǔ)音技術(shù)可以幫助合成 AI 老師，幫助教育機(jī)構(gòu)生成課件，解決教育資源稀缺的問(wèn)題。

• 除此之外，語(yǔ)音技術(shù)還可以幫助一些視障和聽障學(xué)生更好地學(xué)習(xí)。

　　馬莉莎認(rèn)為，當(dāng)前全球的教育行業(yè)都在進(jìn)行數(shù)字化轉(zhuǎn)型，疫情的到來(lái)加速了教育行業(yè)的數(shù)字化和線上化。通過(guò)讓 AI 和云計(jì)算進(jìn)一步賦能教育行業(yè)，可以為學(xué)生提供多元化個(gè)性化的服務(wù)，打造一個(gè)更加智能的生態(tài)環(huán)境。

　　微軟在智能語(yǔ)音技術(shù)方面深耕多年，曾推出過(guò)多款耳熟能詳?shù)恼Z(yǔ)音產(chǎn)品，如微軟小娜（Cortana）、微軟小冰、Skype 等，此次上線語(yǔ)音評(píng)測(cè)功能也是“順?biāo)浦?rdquo;之舉。語(yǔ)音評(píng)測(cè)市場(chǎng)，BAT 和科大訊飛等科技巨頭爭(zhēng)相布局，微軟這匹“黑馬”的加入，勢(shì)必會(huì)讓語(yǔ)音評(píng)測(cè)戰(zhàn)場(chǎng)的廝殺更為激烈。

總結(jié)

以上是生活随笔為你收集整理的微软上线语音评测功能：基于Azure云构建，赋能口语学习的教与学的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。