在AICon北京2018大会上，王育军讲师做了《语音技术在小米的实践应用之路》主题演讲，主要内容如下。
演讲简介：
语音技术，包括语音识别与合成等，经历了几十年的发展，恰逢人工智能时代的来临，对其应用场景做了重新定义。但是我们面临的问题从来没有变过：数据失配和模型假设。在本次演讲中，我将分享在小米，我们如何解决失配的问题，如何自动标注数据，以及我们如何在小米特有用户场景下进行产品和算法创新。我们在语音合成中也做了创新的尝试，利用语音识别辅助，端对端的技术取代传统文本处理，节省了繁杂的标注工作。
演讲提纲：
小米语音是如何成长的？
电视->手机->音箱->儿童->车载->笔记本
语音技术中的自然语言应用
语音识别中采用了深度学习语言模型后，识别率绝对增长超过 1%。尺寸小可做嵌入式使用。在语音合成中的文本分析，我们基于端到端网络结构，业内首次提出将端到端网络应用于合成前端，通过一个编解码网络，完成传统复杂前端中的多个模块的功能。通过多目标联合地并行训练，取得了媲美传统前端的性能。
永远要突破算法的天花板
为什么语音算法可以在小米有所突破，发表顶级国际会议论文？不做空中楼阁。有实际产品需求，有用户场景，有强大的内测用户。
语音应用的挑战
小米过去 20 个月做语音的经验
听众收益：
语音技术在智能家居环境中如何发挥作用
了解如何快速将语音算法落地到产品
讲师介绍：
王育军
小米 语音技术负责人
2000 年毕业于清华大学自动化系，随后赴英国伯明翰大学电子系学习人机交互。2002 至 2004 年就职于 NEC 电子，从事嵌入式语音识别与语音合成。随后加入中软国际从事声学模型训练技术。2007 年到 2012 年在比利时鲁汶大学电子系从事抗噪语音识别。回国后加入百度语音技术部。2015 年就职于乐视，负责语音识别与自然语言理解技术。2017 年加入小米，负责语音识别与语音合成技术。
完整演讲 PPT 下载链接：
https://aicon.infoq.cn/2018/beijing/#schedule
分布式云行业实践指南（2023）
业内首个分布式云行业实践方法论、工具箱。
评论