科技猎解读云知声2015技术升级：语音技术如何为人工智能带来更好体验？
随着科技的进步，人工智能在今天，早已不是一个现实中难以触及的概念，伴随智能家居、车联网、甚至是VR产品的涌现，人工智能的未来也有了更多可探索的方向。
从人机交互形式出发，语音识别无疑是人工智能产品与用户之间，最便捷有效的交流形式。
12月16日，年关将至，专注人工智能领域，拥有全球顶尖语音识别技术的业界新锐云知声，在京举办了年度品牌发布会，以“看见声音的价值”为主题解释了语音技术对人工智能非凡的含义，而声音价值的背后，毫无疑问，是不断升级的技术。
底层启用LSTM深度学习技术，将性能推向新高度
作为国内首家基于深度神经网络DNN（Deep Neural Network）的语音服务提供方，2015年，云知声进一步升级了基于LSTM（Long-Short Term Memory）的深度学习技术，将语音识别的性能再度推向一个新高度。
几年前，基于DNN的语音识别系统取得了远优于基于传统模型的识别性能，和DNN相比，如今的LSTM具有记忆能力，能够对时间轨迹进行建模，因此LSTM对大数据的描述和解析能力会更强，性能自然也就更强。
比如在ASR语音识别方面，LSTM带来了15%以上的性能提升。目前，LSTM已经作为通用技术，应用在云知声的语音识别，语音合成，语义理解中。
另外，为了加快对数据的利用效率和引擎迭代周期，云知声实现了分布式训练的架构体系，以前需要一两个月才能完成的一次技术迭代，现在一两周就可以做到，这都是推动产品方案落地的动力支援。
更优化的语音识别，更深层的语义理解
在2015年以前，云知声便拥有了完全自主知识产权的语音识别和转写技术，包括基于服务器端的在线识别以及基于终端设备的离线识别；超过30个领域的自然语义理解（NLU）技术；以及具有极高自然度与可懂度的中英文语音合成技术。
不过随着IoT物联网的快速发展，用户对于人工智能的体验更加严苛，对语音识别和语义理解两大核心技术提出了更高的要求，也成为2015年，云知声重点努力的方向。
在语音识别方面，主要面向家居、车载的识别技术优化，云知声实现了远讲识别和降噪、低功耗唤醒和识别和车载噪声和回声消除三项技术突破，即提供高性价比双麦克风和四麦克风方案，并支持远讲、打断和噪声抑制，实现5m距离识别首个商用产品，达成芯片级低功耗冷唤醒和指令识别，并提高唤醒、识别率和实现音乐打断。
在语义理解方面，则实现了包括影视、音乐、POI、有声读物等领域在内的技术优化，将语义解析的领域扩充升级至超过60+个, 支持大部分的家具设备操控，支持超过10W+条指令的执行；领域的平均语义理解准确率已经达到95%左右，在对语义解析准确率更为严格的家具操作方面更是达到了99%。
此外，云知声还首次上线了支持跨领域的多轮对话系统，支持跨领域的指代和省略消解，整合领域知识库，包括百科知识，社区问答数据，结构化的知识图谱等，利用基于深度学习的向量表征方法，通过学习问题与答案的匹配度模型来选择最佳答案。
回过头来，2012年成立的云知声之所以能够迅速占领语音市场并形成今天的规模，其中至关重要的因素无外乎前沿的技术支持，以及云知声CEO黄伟所说的，“将技术第一时间转化为产品方案”的实力。
面对未来，黄伟在发布会上提出了打造全语音IoT平台芯片解决方案的产品战略，利用智能语音芯片，解决智能家居领域的硬件操控需求和智能车载领域的软件交互需求。
正如云知声所期望的那样，语音大数据必将成为人工智能道路上一个不可替代的驱动力，而可以预见的是，声音背后的更大价值，也正在被更快的发掘出来。