一知智能的音棚里，錄音師正在錄制語(yǔ)言合成聲音。

　　近日，第二屆中國(guó)（杭州）國(guó)際智能產(chǎn)品博覽會(huì)暨2020全球人工智能大會(huì)在杭州國(guó)際博覽中心舉行。

　　在一知智能展位前，中國(guó)工程院院士潘云鶴駐足了很久。當(dāng)他聽完企業(yè)介紹后與同行的杭州市科技局局長(zhǎng)趙喜凱說(shuō)：“這種跨媒體多模態(tài)人機(jī)交互產(chǎn)品，是支撐未來(lái)機(jī)器與人多維度、跨媒體交互，建設(shè)‘?dāng)?shù)字中國(guó)’的大勢(shì)所趨�！�

　　一知智能是誰(shuí)？鮮為人知，畢竟它是家成立僅3年的年輕企業(yè)。公司是一家專注于人機(jī)交互的人工智能企業(yè)，通過領(lǐng)先的NLP（語(yǔ)言處理）技術(shù)深度服務(wù)企業(yè)營(yíng)銷與客服場(chǎng)景。

　　會(huì)議現(xiàn)場(chǎng)，一知智能正式上線跨媒體多模態(tài)人機(jī)交互中樞平臺(tái)。簡(jiǎn)單點(diǎn)說(shuō)就是，讓機(jī)器人能眼觀六路、耳聽八方，不僅能說(shuō)會(huì)道，還能讀懂你的唇語(yǔ)，讓機(jī)器人有“人的溫度”。

　　這正契合了浙江大學(xué)人工智能研究所的跨媒體多模態(tài)人機(jī)交互研究方向，潘云鶴院士認(rèn)為，“有很大的應(yīng)用前景和想象空間”。

　　你以為和你說(shuō)話的客服是小姐姐嗎？NO！那是機(jī)器人

　　潘云鶴院士的判斷，源自對(duì)技術(shù)的理解和對(duì)行業(yè)的觀察。

　　所謂跨媒體感知到多模態(tài)交互，就是要讓機(jī)器像人一樣，擁有眼、耳、口、鼻、手等五感的基本感知�！皩⒄Z(yǔ)音、視覺、觸控等多種傳感器模態(tài)組合，即可形成跨媒體多模態(tài)人機(jī)交互的基本形態(tài)�！币恢�智能創(chuàng)始人、執(zhí)行總裁陳哲乾說(shuō)。

　　2017年，在各種人工智能比賽上嶄露頭角的陳哲乾、李一夫等人，在金沙江資本的邀請(qǐng)下，組團(tuán)開啟了創(chuàng)業(yè)之旅，并注冊(cè)成立了一知智能，寓意“一問便知”。

　　“多模態(tài)交互，能夠讓人類在不同場(chǎng)景下選擇不同的模態(tài)組合進(jìn)行交互，進(jìn)而從整體上提高人機(jī)交互的自然度。此外，不同模態(tài)之間還能形成信息互補(bǔ)，豐富機(jī)器人的情感和表達(dá)�！�

　　據(jù)介紹，一知智能跨媒體多模態(tài)人機(jī)交互的系統(tǒng)框架，包括三個(gè)部分：多模態(tài)輸入模塊、認(rèn)知和決策控制環(huán)節(jié)、輸出模塊。多模態(tài)輸入模塊包括麥克風(fēng)、攝像頭、電流信號(hào)等，可對(duì)人進(jìn)行聲紋、人臉、物體、動(dòng)作、表情等進(jìn)行識(shí)別，而認(rèn)知和決策控制模塊則通過AI算法對(duì)多模態(tài)信號(hào)進(jìn)行思考學(xué)習(xí)，最后再給出決策響應(yīng)。

　　基于這些底層技術(shù)，浙大·一知人工智能研究中心與微軟亞洲研究院機(jī)器學(xué)習(xí)組合作研發(fā)了語(yǔ)音識(shí)別引擎、語(yǔ)音合成引擎和虛擬形象引擎，已經(jīng)讓機(jī)器人能眼觀六路、耳聽八方，還能說(shuō)會(huì)道，甚至能讀懂你的唇語(yǔ)。

　　“你電話另一端的機(jī)器人客服，你可以隨意打斷、提問，它都可以對(duì)答如流，你以為是小姐姐嗎？不是，那是機(jī)器人�！� 陳哲乾說(shuō)。

　　人機(jī)語(yǔ)音交互應(yīng)用場(chǎng)景很多，克隆語(yǔ)音給孩子講故事都OK！

　　現(xiàn)狀是，跨媒體多模態(tài)人機(jī)交互技術(shù)被廣泛應(yīng)用于呼叫行業(yè)。比如，中國(guó)移動(dòng)、中國(guó)聯(lián)通、中國(guó)電信及各大小銀行和大型企業(yè)，都在用語(yǔ)音客服。

　　“一方面是因前置語(yǔ)音導(dǎo)航、語(yǔ)音識(shí)別不準(zhǔn)等因素，用戶體驗(yàn)并不好；另一方面，呼叫行業(yè)流動(dòng)性大、培訓(xùn)成本高，市場(chǎng)需求巨大�！痹缭�2017年，還在浙江大學(xué)讀博士的陳哲乾，就看準(zhǔn)了這一塊市場(chǎng)。

　　有沒有一舉兩得的方法，幫員工減負(fù)、幫企業(yè)提效降本？機(jī)器人替代人工無(wú)疑是最好的選擇。“機(jī)器人沒有情緒，不會(huì)出現(xiàn)辱罵客戶的情況，而且能24小時(shí)在線，且能做到智能響應(yīng)�！�

　　比如，將跨媒體多模態(tài)人機(jī)交互中樞平臺(tái)用于電力營(yíng)銷，機(jī)器人可根據(jù)參數(shù)設(shè)置智能判斷哪些用戶欠費(fèi)，并進(jìn)行語(yǔ)音提醒：“您好！你是**小區(qū)**單元的**嗎？您已欠費(fèi)***元，請(qǐng)及時(shí)繳清電費(fèi)！”

　　目前，一知智能每月為國(guó)家電網(wǎng)撥打80萬(wàn)交費(fèi)提醒電話，用戶覆蓋全省11家地市、42個(gè)縣區(qū)。截至2020年9月底，累計(jì)催收電費(fèi)金額超4億元。

　　多模態(tài)人機(jī)語(yǔ)音交互還有很多應(yīng)用場(chǎng)景。比如，快遞司機(jī)智能招聘；銀行信用卡逾期提醒；公安反電詐；交警扣分提醒；城管停車管理；智能家居及自助終端……

　　“我們甚至能克隆你的聲音，你到我們錄音棚來(lái)說(shuō)幾句話，機(jī)器就會(huì)自動(dòng)學(xué)習(xí)你的音色，機(jī)器人就會(huì)模仿你說(shuō)話了，完全可以模仿你給孩子講故事，是不是很有趣？”陳哲乾說(shuō)。

　　專門處理自然語(yǔ)言，致力于成為新一代數(shù)字生產(chǎn)力引領(lǐng)者

　　“一個(gè)人工客服的成本10萬(wàn)塊的話，那機(jī)器人只需要1萬(wàn)元，這還僅僅是工資成本，還可以節(jié)約場(chǎng)地成本和培訓(xùn)成本�！�

　　其實(shí)，阿里、百度、科大訊飛等企業(yè)，都瞄準(zhǔn)了人機(jī)語(yǔ)音交互領(lǐng)域，但他們做的都是平臺(tái)，而一知智能是從底層技術(shù)做到具體項(xiàng)目，并擁有自己的核心技術(shù)。

　　“我們的專業(yè)就是做自然語(yǔ)言處理的，包括語(yǔ)音識(shí)別的準(zhǔn)確率和語(yǔ)音理解的準(zhǔn)確率，一句話，就是要機(jī)器適應(yīng)人。”陳哲乾解釋說(shuō)，“你跟小愛同學(xué)說(shuō)，‘小愛同學(xué)，我要給**打電話’，它能聽懂，但你說(shuō)‘我要給**打電話，小愛同學(xué)’，機(jī)器就聽不懂了，這就是我們要解決的問題。”

　　為此，一知智能跨媒體多模態(tài)人機(jī)交互中樞甚至能適應(yīng)不同的語(yǔ)境。比如，能聽懂帶口音的普通話，能在嘈雜環(huán)境進(jìn)行對(duì)話，甚至能進(jìn)行多人對(duì)話……

　　目前，一知智能已與阿里、騰訊、華為、京東、百度等建立商務(wù)合作關(guān)系，并先后入局物流、水務(wù)、稅務(wù)、銀行、燃?xì)獾缺姸嗷�建工程，還與順豐、獵聘、德邦、建設(shè)銀行、中國(guó)銀行等幾百家頭部企業(yè)有深度合作，公司銷售收入2020年每月增長(zhǎng)速度達(dá)到30%。

　　為了讓語(yǔ)音交互技術(shù)擁有更多可能性，陳哲乾和團(tuán)隊(duì)依然在探索如何讓機(jī)器人語(yǔ)音更真實(shí)自然的答案。

　　在一知智能的墻上，有這樣一句話：“致力于成為新一代數(shù)字生產(chǎn)力引領(lǐng)者。”這或許就是企業(yè)的初心和愿景。