6月24日，2023年度國家科學技術獎勵大會在京召開，科大訊飛作為第一完成單位的項目《多語種智能語音關鍵技術及產業化》獲得國家科學技術進步獎一等獎。這是2012年深度學習引發新一代人工智能浪潮以來人工智能領域首個國家科學技術進步獎一等獎?？拼笥嶏w該項目此次為何能獲得一等獎，該項目突破了哪些關鍵技術難題？6月24日下午，安徽商報融媒體記者采訪了科大訊飛AI研究院常務副院長高建清。

取得三項技術突破 

高建清稱，本次科大訊飛獲獎的是多語種智能語音關鍵技術及產業化項目，是深度學習引發新一代人工智能浪潮以來人工智能領域首個國家科學技術進步獎一等獎，也是科大訊飛繼2002年和2011年分別獲得國家科學技術進步二等獎之后，第一次獲得國家科學技術進步一等獎。

該項目為何能獲一等獎，高建清介紹稱，該項目主要取得了三個重要的技術突破：突破了復雜場景語音技術大規模的使用門檻；實現了語音技術從中英文到多語種的拓展；首次實現智能語音在國產芯片上訓練和推理性能達到國際主流芯片水平，解決了智能語音技術硬件平臺的關鍵技術問題，構建形成了自主可控的智能語音技術體系。

據介紹，語音識別研究中最具挑戰的是遠場、噪聲、多人語音混疊等現象導致的“雞尾酒會”效應典型難題?？拼笥嶏w提出了多通道語音信號時空分離建模方法和多維度語音屬性解耦表征方法，實現語音信號中內容、噪聲等高度耦合的多維屬性特征解耦，解決了“雞尾酒會”的難題，使得復雜場景下語音識別準確率得到重大突破。

在多語種上，科大訊飛設計了全新的多語種通用音素體系和基本語言單元，實現多語種統一音素韻律體系的構建，又通過基于元學習的多語種預訓練和基于語族分組的多語種共享建模。通俗地說，就是將不同的小語種進行分類，找到同類語種的共同規律，進行分析建模和訓練。最終，顯著提升了小語種語音系統性能。

解決了手機、汽車等出海的多語種問題

“該項目的技術主要應用于智能手機、智能汽車的云交互，我們自研的硬件有翻譯機、辦公本、錄音筆等，同時訊飛聽見同傳服務服務于眾多用戶?！备呓ㄇ灞硎?，具體來說，該項目的應用主要在以下四個方面。

首先，其開創引領了我國智能語音產業，支撐智能制造產業的升級和出海。在智能手機方面，項目支持了主流手機廠商，有效解決華為等廠商的出海的多語種問題。在智能汽車方面，支持了奇瑞、比亞迪、長安等汽車的出海。在智能軟硬件方面，開創了翻譯機、辦公本、智能錄音筆等智能硬件的新品類，其中訊飛翻譯機目前支持了85個語種的翻譯，覆蓋全球200個國家和地區。在會議辦公場景，訊飛聽見產品目前已經遍及全球50多個國家和地區，觸及超過4億的觀眾。

第二，該項目促進民族融合、全球語言互通和“一帶一路”建設。目前多語種的同傳服務已經服務了北京冬奧會和殘奧會，中國進出口博覽會，博鰲論壇等重大活動。

第三，該項目構建了自主可控的多語種智能語音技術及全球產業生態。2017年開始，科大訊飛承建了智能語音國家新一代人工智能開放創新平臺，目前，已聚集平臺開發者數700多萬，并且構建了全球多語種技術生態。

第四，該項目持續科技助力公益，關愛弱勢群體和特殊人群。目前，通過訊飛聽見，發起“聽見AI的聲音”公益活動，為聽力障礙人士提供免費的實時語音轉文字服務，截至6月份捐贈免費時長超過1億分鐘。

加速通用人工智能時代的到來

“科大訊飛創業25年來第三次獲得國家科技進步獎，對于科大訊飛而言，是一個總結，也是新開始！”高建清稱，通用人工智能時代，科大訊飛多語種智能語音關鍵技術中的創新和大模型技術相互補充、相互促進。

其介紹，語音屬性解耦、語音信號時空分離等技術突破，可以將語音信號經過編碼后輸入到大語言模型，顯著提升語音大模型的效果。2024年1月30日，科大訊飛就基于上述技術融合路線發布了星火語音大模型。4月26日，科大訊飛又首發多情感超擬人合成和一句話聲音復刻能力，使機器具備更加豐富的超擬人情緒感知和表達。

大模型技術可以在復雜語義理解、長文本建模能力上進一步提升語音識別、合成和翻譯的效果，同時基于其強大的語義理解、知識問答、多輪對話、多模態建模能力，也能進一步大幅提升智能語音技術的使用場景和應用價值，支撐實現語音同傳、自動客服、輔學答疑、家庭醫生、虛擬員工、陪伴機器人、服務機器人等等未來智能產品創新，帶來巨大產業機會，加速通用人工智能時代的到來。

另據了解，6月27日，訊飛星火V4.0將正式發布，底座能力全面對標GPT-4 Turbo，語音大模型也將迎來全新升級。

（許可亮 鄭蕓潔 安徽商報融媒體記者 張劍 文/攝）