Arnold開(kāi)始了他的“語(yǔ)音技術(shù)在今天的發(fā)展方向是什么”會(huì )議，他解釋了為什么企業(yè)正在駕馭從聊天機器人到虛擬助手再到對話(huà)式AI的進(jìn)化浪潮。

　　Arnold的結論是，談到語(yǔ)音識別技術(shù)，“人工智能帶來(lái)了各種新事物……這是一個(gè)正在發(fā)生的空間……它不會(huì )消失，也不應該消失。”他在聊天機器人和對話(huà)式人工智能虛擬助手之間建立了對比；聊天機器人是事務(wù)性的、封閉式的、結構化的、算法的，并且可以復制預先存在的對話(huà)，而虛擬助手是對話(huà)式的、開(kāi)放式的和非結構化的。

　　雖然Arnold說(shuō)與去年相比沒(méi)有太大變化，但他指出企業(yè)語(yǔ)音技術(shù)生態(tài)系統正在興起。生態(tài)系統包括純玩兒家（Deepgram、Dubber、LumenVox、Otter.ai、Rev.ai、Speechmatics、Verbit）、主要平臺（AAWS-Amazon Lex、Google、IBM-Watson Assistant、Microsoft-Azure Cognitive Services）和UCaaS提供商（Avaya、Cisco Webex、Dialpad AI、Microsoft Teams、Zoom）。

　　“如果你不了解這些公司，你應該知道，”Arnold說(shuō)，并補充說(shuō)翻譯和轉錄是他們產(chǎn)品中的標準組件。

　　到目前為止，大多數企業(yè)用例都圍繞客戶(hù)服務(wù)、聯(lián)絡(luò )中心和客戶(hù)體驗展開(kāi)。Arnold提供的數據展示了語(yǔ)音技術(shù)的前五個(gè)領(lǐng)先用例，這些用例超越了以客戶(hù)為中心的交互：網(wǎng)絡(luò )會(huì )議轉錄、客戶(hù)體驗和分析、字幕和隱藏式字幕、教育、學(xué)術(shù)和研究轉錄以及醫療轉錄。其他顯示出最大商業(yè)影響的用例是消費電子產(chǎn)品、合規性、法律轉錄和媒體監控等等。

　　Arnold還強調了以下四個(gè)重點(diǎn)關(guān)注協(xié)作和生產(chǎn)力的核心企業(yè)應用程序：用于會(huì )議的語(yǔ)音轉文本應用程序、虛擬助手、用于會(huì )話(huà)分析的自動(dòng)語(yǔ)音識別和實(shí)時(shí)翻譯。

　　Arnold通過(guò)討論如何使工作場(chǎng)所更具包容性，解釋了語(yǔ)音轉文本對于會(huì )議、轉錄和視頻字幕的重要性。“突然之間，虛擬桌面環(huán)境對任何人和每個(gè)人都非常強大”，它可以讓殘疾人使用其他人擁有的相同工具和信息流。

　　虛擬助理會(huì )記筆記，因此您不必這樣做，“數字助理將成為您的私人秘書(shū)。”最重要的是，Arnold解釋說(shuō)搜索功能將語(yǔ)音轉換為數據流。一旦語(yǔ)音可搜索，就可以更輕松地篩選語(yǔ)音數據并自動(dòng)執行與會(huì )議相關(guān)的任務(wù)。

　　Arnold說(shuō)最大的商業(yè)影響是圍繞網(wǎng)絡(luò )會(huì )議轉錄。“人工智能已經(jīng)將語(yǔ)音識別的質(zhì)量提高到了在復制人類(lèi)語(yǔ)音方面提高了95%的程度。”他繼續以亞馬遜的Alexa或蘋(píng)果的Siri為例。“你可以與那個(gè)虛擬助手交談，而不是[對著(zhù)助手]吠叫，他可以為你做事、回應，甚至在他們認為你需要知道的事情時(shí)提示你，比如你的會(huì )議即將開(kāi)始，要遲到了。”

　　理解虛擬助手所說(shuō)內容的下一層是自動(dòng)語(yǔ)音識別(ASR)--虛擬助手可以自動(dòng)識別語(yǔ)音，因為它已經(jīng)通過(guò)機器學(xué)習編程來(lái)理解并用它做一些事情。然后你有對話(huà)分析的ASR，這是你試圖理解助手所說(shuō)的下一層。Arnold解釋說(shuō)，“這是我們了解上下文、意圖和理解一個(gè)人說(shuō)話(huà)時(shí)的意思的地方。”他補充說(shuō)，僅僅捕捉措辭是不夠的--你必須知道一個(gè)人想說(shuō)什么。

　　在解釋語(yǔ)音技術(shù)的發(fā)展方向時(shí)，Arnold強調了沉浸式模型和元宇宙。當我們的工作日在物理世界開(kāi)始和結束時(shí)，增強現實(shí)即將出現。Arnold以Cisco Webex Hologram為例，它可以通過(guò)提供真實(shí)人物的逼真的實(shí)時(shí)全息圖來(lái)營(yíng)造一種共存感。這種全息圖、虛擬投影圖像、人的虛擬投影的想法，這樣你就可以和你的隊友在房間里，“這是突破性的東西，”Arnold說(shuō)。“人工智能的可能性變得越來(lái)越有趣，因為眼鏡正在將虛擬元素帶入您的工作流程。”

　　Microsoft Mesh for Teams，或者如Arnold所指的那樣--微軟對虛擬世界的大力推動(dòng)--是沉浸式模型的另一面。“這是微軟進(jìn)入后PC世界的舉措，因為他們知道PC在某些時(shí)候會(huì )消失，”Arnold說(shuō)。“有趣的是人和化身的混合......所以虛擬世界和物理世界越來(lái)越接近......越來(lái)越難以關(guān)心差異。”

　　Meta在工作場(chǎng)所協(xié)作空間中已經(jīng)完全虛擬化，因為“它是另一個(gè)具有這些技術(shù)用例的應用程序，”Arnold說(shuō)。這有點(diǎn)游戲化，因為化身類(lèi)似于木偶并且腰部被切斷，但Arnold認為這是一種有趣的工作方式，人們可以通過(guò)這種方式有效地工作。Meta幾乎完全處于虛擬世界中，Arnold告訴與會(huì )者，如果你愿意嘗試一下，“你可能會(huì )驚訝于你當時(shí)能做多少事情。”

　　Arnold解釋說(shuō)，元宇宙的想法是關(guān)于利益的。“你將賭注押在人們想要社交的地方，以及從那里開(kāi)始，他們想要在哪里工作和做生意。”

　　Arnold指出，英偉達在GPU方面占上風(fēng)，這使計算機處理速度更快，“因為這就是人工智能的全部意義所在，”他說(shuō)。Arnold解釋說(shuō)，特別是對于人工智能，“你需要很大的馬力”，而缺乏馬力是一種后備力量。例如，“只有在PC能夠以足夠快的速度處理大規模的數據變化以提供良好的體驗之前，元宇宙才能運行。”Arnold指出，下一代計算機將專(zhuān)門(mén)用于支持諸如馬力之類(lèi)的東西，無(wú)論元宇宙采取何種形式，“聲音將是采用的核心。”

　　Arnold還談到了人工智能如何走向正確和錯誤的方向。他設定了許多相反的結果--有意跟蹤與無(wú)意監控，損害隱私的技術(shù)與提高生產(chǎn)力的技術(shù)，自動(dòng)化工作的技術(shù)與激發(fā)員工創(chuàng )造力的技術(shù)，以及增強用戶(hù)信任的技術(shù)與削弱信任的技術(shù)。

　　“那些整天運行的桌面設備，捕捉旁白，突然成為頂級監控技術(shù)，”他說(shuō)，并強調企業(yè)必須注意這一點(diǎn)。“不是因為它可以做什么，而是因為員工如何看待你正在嘗試做的事情。”Arnold解釋了為什么企業(yè)必須透明地將這項技術(shù)用于正確的目的，因為“你不想損害隱私”。

　　他建議企業(yè)將精力集中在識別深度造假上，而不是驗證什么是真實(shí)的，因為隨著(zhù)創(chuàng )新而來(lái)的是好人和壞人。“技術(shù)是中立的，但人工智能偏見(jiàn)會(huì )使事情復雜化。”

　　人工智能現在正在推動(dòng)各種形式的技術(shù)，包括協(xié)作等企業(yè)用例。Arnold指出，身臨其境的合作即將到來(lái)，“大玩家正在實(shí)現它”。他補充說(shuō)，“人工智能走到哪里，語(yǔ)音技術(shù)就會(huì )緊隨其后。”同樣，他在這個(gè)空間中的最后念頭也以一句話(huà)結束。“消費者走到哪里，企業(yè)就跟到哪里。”主要參與者都在押注這些新模型會(huì )成功--所以要做好準備。

　　原文網(wǎng)址：

　　https://www.nojitter.com/ai-speech-technologies/ai-speech-tech-prevail-enterprise-connect-2022