你收到的語音到底是不是真人呢?可別那么快就下定論!
近期,不少人遭遇了“本人語音”的電信詐騙。當收到朋友的借錢微信后,人們的第一反應通常是朋友被盜號了,但“朋友”立馬補充了一條“真人語音”做確認。許多人往往一聽到朋友的聲音,便放心將錢轉了出去,等到收款后被拉黑,被騙人才恍然大悟朋友的微信真的被盜了。對于類似高技術含量的騙局,人們往往防不勝防。
平安科技研究語音技術的科學家們正在努力研究語音防偽技術,并有了突破性的進展,最近,已于國際會議Interspeech2020上發表了專業論文"Improving Replay Detection System with Channel Consistency DenseNeXt for the ASVspoof 2019 Challenge"。
平安科技研究語音技術的科學家表示:AI語音合成并沒有想象中那么簡單。
六種情緒設定,攻克機器音“情緒”難題
基于20年的客戶服務積累,如今平安AI語音平臺已實現客服工作的AI覆蓋率達83%,解決率接近90%。通過平安智能語音中臺的運用,成功賦能超8萬位遠程坐席。平安AI客服所使用的并不是刻板的電子音,而是非常有人情味的talker。使用過Siri等智能助手的用戶對于“機器音”并不會陌生,機器的聲音往往是冰冷而生硬的,沒有抑揚頓挫的語調,也不會適時地斷句。讓機器的聲音口語化是語音合成遇到的第一個問題。
機器聲音的口語化意味著情緒與技術的深度融合,而“情緒識別”早已成為學術界和商業界公認的難點問題。近年來,平安科技的研發團隊在該領域的研究中取得了突破性進展,并基于平安特定業務場景,實現了文本情緒識別,通過識別用戶或坐席的情緒狀態,已可分辨出為正面、負面和中性三大類別。研發團隊也將繼續把“情緒”作為研發的重點和難點,相信在不久之后,喜怒哀樂終將從機器人的口中傳遞出來。
通過結合金融行業的屬性與平安日常的業務場景,研發團隊的科學家為語音機器人配備了4種基于語氣來區分語音的合成音庫,充分滿足營銷所需。例如,客服人員交流,需要溫和的語氣;而電商促銷,則需要高興、積極的語氣。盡管目前科學家們對于情感語音仍在探索中,但研發團隊已經為不同的情緒風格分別錄入了數百句話并導入了語音庫中,在收集了一定數量的素材之后,基于素材建造訓練模型,再通過模型構架、網絡構架的優化,不斷地進行機器訓練,直到最后機器人擁有與真人相似的語氣及情緒,能和人們進行生動、無障礙的自然交流。
多方聯合建立方言語音庫,讓AI成為“地道的中國人”
許多人在學普通話之前,首先學會的“母語”其實是所在地區的方言,如今人群中方言的使用比率依然很高。以上海話為例,平安科技的研發團隊針對上海方的言研發做了大量工作,調研顯示2019年上海的外地人口比例在4成左右,即便是聚集四面八方“滬漂”的上海,使用上海方言的本地人占比仍能達到6成左右。
對于一個普通人來說,掌握多種方言并不容易,但對于人工智能而言,它可以通過海量的語音訓練掌握更多種類的方言。平安科技的科學家認為中國的人工智能,應當是“一個地道的中國人”。除了普通話,地大物博的各地區方言,它也能聽得懂才行。
為了可以讓AI更好地識別方言,平安科技的科學家們將中國劃分為8個方言區。以上海話為例,他們設計了一套詳細的上海話規則,給到標注人員去標注。在這其中,還有一個難點就是語音庫的建立。
平安科技科研隊伍人員來自全國各地,然而來自上海本地的同事僅有兩位,無法組件豐富的語言庫樣本。
為了建立豐富的上海話語言庫,平安科技的研發團隊與多個上海高校展開合作。找到學校的大學老師,并招募學校里的上海本地同學幫忙錄音與標注。目前,平安科技正在研發上海話語音合成模型,提供專業服務的同時也不忘人情味的加入,打破語言邊界,讓溝通變得方便高效。
截至到目前,平安科技技術研究院語音技術團隊結合具體的業務場景,總共梳理了兩三萬句業務話術,并整理出一些常用的口語標記。接到平安AI客服電話時,聽到的是機器實時合成的機器音,并沒有冰冷與生硬,而是一種較人性化、較柔和的擬人聲音,這是通過大量的機器學習、深度學習來實現的。
技術不斷的精進,讓機器的學習也不斷深入。而無限接近人類的擬人化、人性化,將成為AI未來發展需要攻克的長期命題。未來,平安科技還將繼續完善AI學習的數據庫,讓語音技術在不斷實踐與訓練中獲得更人性化的提升,為更多的場景中的智能化運用實現更多助力。未來,平安科技的專業團隊將致力于語音防偽技術落地,保障廣大群眾財產安全,更好地承擔社會責任。
