6月24日，2023年度國家科學(xué)技術(shù)獎在京揭曉，共評選出250個項目。記者注意到，在本次國家科學(xué)技術(shù)獎各獲獎項目中，與人工智能、大模型技術(shù)相關(guān)聯(lián)的項目明顯增加，涉及多語種智能語音、智能車聯(lián)網(wǎng)、智慧高速、超級計算等應(yīng)用場景。其中，“多語種智能語音關(guān)鍵技術(shù)及產(chǎn)業(yè)化”項目獲2023年度國家科技進步獎一等獎，也是過去十年來人工智能領(lǐng)域的首個國家科學(xué)技術(shù)進步獎一等獎。

自深度學(xué)習(xí)引發(fā)全球人工智能浪潮以來，語音交互、自然語言、機器視覺等基礎(chǔ)技術(shù)獲得大發(fā)展。在諸多技術(shù)中，多語種智能語音技術(shù)對于支撐人機交互、人類語言互通及國家安全等需求具有重大戰(zhàn)略意義，但也面臨著如何突破復(fù)雜場景“雞尾酒會”效應(yīng)典型難題，以及如何基于自主可控的平臺、實現(xiàn)國產(chǎn)軟硬件的語音產(chǎn)業(yè)鏈自主可控等問題。

據(jù)介紹，在“多語種智能語音關(guān)鍵技術(shù)及產(chǎn)業(yè)化”項目中，實現(xiàn)了四大關(guān)鍵技術(shù)突破。項目中，科大訊飛聯(lián)合中國科學(xué)技術(shù)大學(xué)、清華大學(xué)、華為等高校及企業(yè)通過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(xiàn)語音信號中內(nèi)容、噪聲等高度耦合的多維屬性特征解耦，提升復(fù)雜場景下語音識別準確率。

同時，基于多語種通用音素體系和基本語言單元，構(gòu)建了多語種統(tǒng)一音素韻律體系，提升了小語種語音系統(tǒng)性能。

此外，以語音語義互增強的魯棒口語理解技術(shù)，和多源知識增強的可信文本生成技術(shù)，提升了復(fù)雜場景和深層次的語義理解準確率。

“這個項目突破了復(fù)雜場景語音技術(shù)大規(guī)模使用門檻，實現(xiàn)了語音技術(shù)從中英文到多語種的拓展。”項目相關(guān)負責(zé)人透露，這一技術(shù)成果不僅可應(yīng)用于會議場合，還首次實現(xiàn)智能語音在國產(chǎn)芯片上的訓(xùn)練和推理性能，也在中國品牌“走出去”中發(fā)揮了關(guān)鍵推動作用。

據(jù)了解，項目提出了硬件親和的變長輸入算子融合和聯(lián)合統(tǒng)一量化感知訓(xùn)練技術(shù)，解決了智能語音技術(shù)硬件平臺的“卡脖子”問題。

目前，該技術(shù)已支持了華為等主流手機廠商和奇瑞、比亞迪、長安等主機廠，出海產(chǎn)品多語種問題，并在智能軟硬件方面開創(chuàng)了翻譯機、辦公本、智能錄音筆等智能硬件新品類。

“通用人工智能時代，多語種智能語音關(guān)鍵技術(shù)中的創(chuàng)新可以和大模型技術(shù)相互補充、促進。”專家表示，大模型技術(shù)可以在復(fù)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(tài)建模能力，也能進一步大幅提升智能語音技術(shù)的使用場景和應(yīng)用價值，支撐實現(xiàn)語音同傳、自動客服、輔學(xué)答疑、家庭醫(yī)生、虛擬員工、陪伴機器人、服務(wù)機器人等等未來智能產(chǎn)品創(chuàng)新。