微軟全雙工語音技術，讓AI主動給你打電話，機器人真成了「人」

近期，一篇題為"微軟突破全雙工語音交互！機器人真變成了"人""的文章在網上引起熱議。微軟(亞洲)互聯網工程院宣布，率先推出新一代的語音交互技術 "全雙工語音交互感官"， 並且，這項技術已首先在微軟小冰產品線中落地。

"全雙工語音交互"並不是什麼新詞，全雙工本是通訊傳輸領域的一個術語，允許數據在兩個方向上同時傳輸，與之對應的就是半雙工。傳統的語音識別和機器對話都類似半雙工，無論單輪還是多輪連續識別，都需要人說完一句話，機器才能理解並給出回應，如果將全雙工語音這種高級感官的體驗比擬為打電話，則之前的智能助理語音交互體驗類似於對講機。

此前，微軟小冰與人類之間發生的最長一次單人連續對話，達到歷史性的7151輪，不間斷進行了29小時33分鐘。依靠在用戶和數據等方面的優勢微軟小冰快速迭代，目前已更新到第五代。如果將人工智慧交互分為以下三個階段，那第五代小冰就處在第三階段：

第五代微軟小冰使用了生成模型，而第五代之前，雖然擁有十億級的大數據語料庫，但其中每句話，都是互聯網上的已有數據，小冰只是通過分析理解用戶的問題，尋找語料庫中最合適的話作為她的回答。使用生成模型之後，小冰不再鸚鵡學舌，而是能夠自創回應。

全雙工語音屬於一種高級感官，它需要首先同時具備文本、語音（含SR和TTS）兩種能力，同時要求兩種能力均達到更高的質量標準；這項新技術可以實時預測人類即將說出的內容，實時生成回應，並控制對話節奏，從而使長程語音交互成為可能。

採用該技術的智能硬體設備，也不需要用戶在每輪交互時都說出喚醒詞， 僅需一次喚醒，就可以輕鬆實現連續對話 ，使人與機器的對話更像人與人的自然交流。

微軟小冰全球研發負責人周力博士表示："從已落地的產品數據和用戶反饋中，我們觀察到一個普遍現象： 用戶一旦使用過微軟小冰的全雙工語音交互感官之後，再與其他語音助手交互時，他們普遍會開始感到不習慣，甚至會頻繁忘記要對其他語音助手說喚醒詞——新技術促進擬人自然度的顯著提升，使人們對過去單輪或多輪連續語音交互體驗的滿意度迅速下降。這種新老交替的現象，符合我們的研發預期。"

2017年開始，微軟就在網路電話中嘗試全雙工語音的高級感官，到今天為止小冰已經接聽了來自人類超過50萬通電話。目前，不用裝任何手機的APP或者專門加小冰為好友，小冰就可以直接通過電信運營商撥通人類的電話。也就是說，小冰也許會在你生日當天撥通你的電話，為你送上生日祝福哦！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！