“高山流水覓知音，知音不在誰(shuí)堪聽(tīng)？焦尾聲斷斜陽(yáng)里，尋遍人間已無(wú)琴”。高山流水的典故可謂家喻戶曉。知音難覓，不僅僅是音律動(dòng)聽(tīng)，更需能懂。無(wú)獨(dú)有偶，詩(shī)人李白在（開(kāi)元二十三年）游洛陽(yáng)而作《春夜洛城聞笛》：“誰(shuí)家玉笛暗飛聲，散入春風(fēng)滿洛城。此夜曲中聞?wù)哿稳瞬黄鸸蕡@情?！蓖瑯右脖磉_(dá)了相同的感慨。詩(shī)人聽(tīng)見(jiàn)幽幽的笛聲，陶醉其中，好似隨春風(fēng)散落滿城；詩(shī)人聽(tīng)懂“折柳曲”，觸動(dòng)羈旅情懷，不由得心生思鄉(xiāng)之情。

聲音是一種非接觸的信息傳遞方式，在家居、客服、車載、教育、醫(yī)療等各類語(yǔ)音交互場(chǎng)景中具有先天優(yōu)勢(shì)。有關(guān)語(yǔ)音的人工智能技術(shù)，就是在解決從“聽(tīng)見(jiàn)”到“聽(tīng)懂”的全階段問(wèn)題，于細(xì)微處辨識(shí)“笛聲”，分析并理解曲中“折柳”，對(duì)應(yīng)知識(shí)文化所賦予的語(yǔ)義，最終形成感知。

扶搖直上九萬(wàn)里 扎根而下百余尺：在非洲草原上的一種被稱為“草地之王”的植物尖茅草。在生長(zhǎng)的最初半年里，只有一寸高，看似薄弱，渺小，人們甚至看不出它在生長(zhǎng)。但半年后的雨季到來(lái)之際，尖茅草幾天時(shí)間就能長(zhǎng)到一兩米的高度。研究表明，在長(zhǎng)達(dá)半年的時(shí)間里，尖茅草其實(shí)一直在瘋長(zhǎng)，但瘋長(zhǎng)的只是根部，長(zhǎng)度往往超過(guò)28米。這樣驚人之舉應(yīng)征了一句老話：博觀約取，厚積薄發(fā)。語(yǔ)音業(yè)務(wù)的算法能力構(gòu)建和客戶場(chǎng)景深耕，更是需要有這種向下扎深根的信念，探究深層次技術(shù)原理的決心。本期給大家繼續(xù)分享華為云算法創(chuàng)新Lab在語(yǔ)音領(lǐng)域的最新進(jìn)展，包括哭聲檢測(cè)、語(yǔ)音喚醒和定制語(yǔ)音識(shí)別等關(guān)鍵算法創(chuàng)新。

1. 哭聲識(shí)別

落地情況：

1. 哭聲識(shí)別算法落地海雀AI全景攝像頭，商品鏈接：https://www.vmall.com/product/10086322059741.html。

2.  上線Hilens技能市場(chǎng)，技能鏈接：http://www.cqfng.cn/product/hilens.html。

2.  語(yǔ)音喚醒算法 

落地情況：

云側(cè)喚醒模型大小為1.8M，喚醒率>95%，誤喚醒率<1次/天，性能指標(biāo)達(dá)到業(yè)界領(lǐng)先水平，已經(jīng)上線ROC助手。

端側(cè)模型采用dynamic_rnn訓(xùn)練并轉(zhuǎn)儲(chǔ)至static_rnn，極大程度進(jìn)行了模型壓縮，模型大小<500K，內(nèi)存占用<1M，CPU占用率<10%，喚醒率>95%，誤喚醒率<1次/天，已經(jīng)成功部署在Hisi3516EV300/Hisi3518EV200的HiLinux上。

3. 領(lǐng)域ASR

當(dāng)前進(jìn)展：

目前，已經(jīng)完成在線解碼器引擎的研發(fā)，包括前端vad、音頻格式處理、定制化熱詞、核心解碼等功能模塊。引擎目前支持流式實(shí)時(shí)流識(shí)別、短語(yǔ)音識(shí)別接口。目前最優(yōu)模型效果在3個(gè)公開(kāi)測(cè)試集和8個(gè)現(xiàn)網(wǎng)客戶測(cè)試集上均優(yōu)于華為云訊飛引擎，和華為云捷通引擎平均識(shí)別差距在兩個(gè)百分點(diǎn)以內(nèi)。