AI语音的生态系统之战

简介: 10月18日上午,以“AI元力,重启未来”为主题的AI World 2019 世界人工智能峰会在中国北京中关村展示中心成功举办。峰会由海淀区政府、中关村科学城管委会主办,新智元、海淀园管委会、智源研究院承办。

10月18日上午,以AI元力,重启未来为主题的AI World 2019 世界人工智能峰会在中国北京中关村展示中心成功举办。峰会由海淀区政府、中关村科学城管委会主办,新智元、海淀园管委会、智源研究院承办。


这次峰会上,科大讯飞轮值总裁胡郁做了题为《未来,因A.I.而能》的演讲。老冀注意到,最近几年科大讯飞除了持续投入机器阅读理解、自动驾驶、语音识别AI相关领域的技术研发之外,也正在打造AIoT的生态系统。

微信图片_20211224135500.jpg

胡郁表示:每一个公司都有自己的人工智能、大数据、云计算,彼此正交的不同公司需要并能够建立紧密的合作。在新的生态下,知识、经验、数据、利益的分享变得更加重要,通过混合的方式建立新生态下的共赢合作是成功的关键。”

 

在老冀看来,科大讯飞正在以智能语音相关的AI技术作为核心,打造完整的AIoT生态系统。2018年,科大讯飞推出基于云端的智能语音云端操作系统iFLYOS的新版本——iFLYOS 2.0

 

此前发布的iFLYOS 1.0版本已经提供了超过200个技能,联手腾讯音乐娱乐集团、喜马拉雅在内的100余家内容服务合作方为用户提供相关服务。

 

iFLYOS 2.0在开放度上有了进一步提升:除了直接使用iFLYOS用户体系,企业级开发者还可以选择使用自己的用户体系;利用技能工作室,开发者可以集成自己的各种服务,实现自定义语义服务;在唤醒词、发音人、GUI等方面,开发者都能将自己的品牌元素融合,从而让开发者完全能在iFLYOS的基础上开发一个属于自己的智能硬件操作系统。

 

2018 年,科大讯飞发布了人机交互界面 AIUI 3.0,并与iFLYOS 2.0融合为一体,打造出以语音为主要交互形式,以智能硬件为载体,融合云端与终端的AI Agent(智能物联网操作系统)。


微信图片_20211224135923.jpg


要知道,AI技术的分支其实有很多,分别涉及图像、语音、文本等领域。任何一家AI技术公司,要成功地实现规模商业化,关键还是要跨越从早期尝鲜者到实用型用户的巨大鸿沟。而根据研究机构Gartner的报告,语音识别有望成为最早走向成熟的AI技术。

 

过去,科大讯飞在2B领域特别是教育行业的产业化上做得比较成功;这些年来,科大讯飞也开始涉足2C领域,先后推出了讯飞翻译机3.0、讯飞转写机、讯飞智能录音笔、讯飞智能办公本讯飞学习机等智能硬件产品。

 

正如科大讯飞所规划的那样,任何一家企业要想在AIoT上取得成功,需要做好“铁人三项”:

1. 硬件:智能硬件

2. 服务:建立自有的人工智能服务系统

3. 分发渠道:消费者通过AI Agent获得服务

 

说到底,关键还是要建立智能语音的生态系统。不过,正因为智能语音市场正在走向成熟,还有亚马逊Alexa智能语音生态系统可供借鉴,国内众多科技公司也纷纷开始打造以自己为中心的生态。从目前来看,小米、阿里巴巴、百度都是以智能音箱作为硬件和用户入口,以自己的智能语音开放平台作为载体,通过给众多开发者赋能,力图打造完整的生态系统。

 

以小米为例,截止到今年6月 30 日,小爱智能音箱出货量超 400 万台,小爱同学月活超过 4990 万,45%的智能音箱用户使用语音来控制他们的 IoT 设备。


微信图片_20211224135945.jpg


就在前不久,国际语音识别领域的大牛、语音识别开源工具Kaldi之父 Daniel Povey 在 Twitter 上宣布,他与小米马上要达成一个协议,将会在今年底动身来北京,并且会雇佣一个小团队来打造新一代的语音识别开源工具

 

看来,这场关于智能语音的大战还刚刚开始,谁能够率先建立起更完善的生态系统,谁就更有可能在广阔的AIoT战场占得先机。

相关实践学习
达摩院智能语音交互 - 声纹识别技术
声纹识别是基于每个发音人的发音器官构造不同,识别当前发音人的身份。按照任务具体分为两种: 声纹辨认:从说话人集合中判别出测试语音所属的说话人,为多选一的问题 声纹确认:判断测试语音是否由目标说话人所说,是二选一的问题(是或者不是) 按照应用具体分为两种: 文本相关:要求使用者重复指定的话语,通常包含与训练信息相同的文本(精度较高,适合当前应用模式) 文本无关:对使用者发音内容和语言没有要求,受信道环境影响比较大,精度不高 本课程主要介绍声纹识别的原型技术、系统架构及应用案例等。 讲师介绍: 郑斯奇,达摩院算法专家,毕业于美国哈佛大学,研究方向包括声纹识别、性别、年龄、语种识别等。致力于推动端侧声纹与个性化技术的研究和大规模应用。
相关文章
|
10月前
|
人工智能 监控 安全
提效40%?揭秘AI驱动的支付方式“一键接入”系统
本项目构建AI驱动的研发提效系统,通过Qwen Coder与MCP工具链协同,实现跨境支付渠道接入的自动化闭环。采用多智能体协作模式,结合结构化Prompt、任务拆解、流程管控与安全约束,显著提升研发效率与交付质量,探索大模型在复杂业务场景下的高采纳率编码实践。
898 26
提效40%?揭秘AI驱动的支付方式“一键接入”系统
|
10月前
|
人工智能 自然语言处理 前端开发
最佳实践2:用通义灵码以自然语言交互实现 AI 高考志愿填报系统
本项目旨在通过自然语言交互,结合通义千问AI模型,构建一个智能高考志愿填报系统。利用Vue3与Python,实现信息采集、AI推荐、专业详情展示及数据存储功能,支持响应式设计与Supabase数据库集成,助力考生精准择校选专业。(239字)
925 13
|
10月前
|
存储 人工智能 搜索推荐
LangGraph 记忆系统实战:反馈循环 + 动态 Prompt 让 AI 持续学习
本文介绍基于LangGraph构建的双层记忆系统,通过短期与长期记忆协同,实现AI代理的持续学习。短期记忆管理会话内上下文,长期记忆跨会话存储用户偏好与决策,结合人机协作反馈循环,动态更新提示词,使代理具备个性化响应与行为进化能力。
1825 10
LangGraph 记忆系统实战:反馈循环 + 动态 Prompt 让 AI 持续学习
|
10月前
|
机器学习/深度学习 人工智能 JSON
PHP从0到1实现 AI 智能体系统并且训练知识库资料
本文详解如何用PHP从0到1构建AI智能体,涵盖提示词设计、记忆管理、知识库集成与反馈优化四大核心训练维度,结合实战案例与系统架构,助你打造懂业务、会进化的专属AI助手。
1442 6
|
10月前
|
人工智能 JSON 安全
Claude Code插件系统:重塑AI辅助编程的工作流
Anthropic为Claude Code推出插件系统与市场,支持斜杠命令、子代理、MCP服务器等功能模块,实现工作流自动化与团队协作标准化。开发者可封装常用工具或知识为插件,一键共享复用,构建个性化AI编程环境,推动AI助手从工具迈向生态化平台。
2279 1
|
10月前
|
机器学习/深度学习 人工智能 自然语言处理
拔俗当AI成为你的“心灵哨兵”:多模态心理风险预警系统如何工作?
AI多模态心理预警系统通过融合表情、语调、文字、绘画等多维度数据,结合深度学习与多模态分析,实时评估心理状态。它像“心灵哨兵”,7×24小时动态监测情绪变化,发现抑郁、焦虑等风险及时预警,兼顾隐私保护,助力早期干预,用科技守护心理健康。(238字)
436 1
|
10月前
|
存储 人工智能 自然语言处理
拔俗AI产投公司档案管理系统:让数据资产 “活” 起来的智能助手
AI产投档案管理系统通过NLP、知识图谱与加密技术,实现档案智能分类、秒级检索与数据关联分析,破解传统人工管理效率低、数据孤岛难题,助力投资决策提效与数据资产化,推动AI产投数字化转型。
410 0
|
10月前
|
人工智能 算法 数据安全/隐私保护
拔俗AI多模态心理风险预警系统:用科技守护心理健康的第一道防线
AI多模态心理风险预警系统通过语音、文本、表情与行为数据,智能识别抑郁、焦虑等心理风险,实现早期干预。融合多源信息,提升准确率,广泛应用于校园、企业,助力心理健康服务从“被动响应”转向“主动预防”,为心灵筑起智能防线。(238字)
955 0
|
10月前
|
人工智能 搜索推荐 Cloud Native
拔俗AI助教系统:教师的"超级教学秘书",让每堂课都精准高效
备课到深夜、批改作业如山?阿里云原生AI助教系统,化身“超级教学秘书”,智能备课、实时学情分析、自动批改、精准辅导,为教师减负增效。让课堂从经验驱动转向数据驱动,每位学生都被看见,教育更有温度。
883 0
|
10月前
|
机器学习/深度学习 人工智能 监控
拔俗AI智能营运分析助手软件系统:企业决策的"数据军师",让经营从"拍脑袋"变"精准导航"
AI智能营运分析助手打破数据孤岛,实时整合ERP、CRM等系统数据,自动生成报表、智能预警与可视化决策建议,助力企业从“经验驱动”迈向“数据驱动”,提升决策效率,降低运营成本,精准把握市场先机。(238字)
311 0