2022年4月7日，由CCF语音对话与听觉专委会 、中国人工智能产业发展联盟（AIIA）评估组 、贝壳找房语音团队、语音之家、北京希尔贝壳科技有限公司共同主办的【语音之家】AI产业沙龙—语音技术在贝壳的应用成功举办，参会人数累计1800+，获赞2200+，突破了时间与地点的限制，将干货直接带给开发者与关注者。

下面让我们一起来回顾技术分享中的精彩细节。

邹伟

智能语音技术在新居住领域的应用

邹伟老师主要为我们分享了三部分的内容，第一部分是“智能语音技术应用现状”；第二部分是“新居住领域的语音应用”；第三部分是“贝壳找房语音技术简介”。

智能语音技术是我们人工智能技术的核心技术之一，在未来几年语音市场还是处于一个上升趋势。语音应用主要在2C和2B的两方面，2C主要立足于个人日常生活，主要包括智慧生活、智能家居、智能办公、智能驾驶等，2B则服务于特定场景，如智慧医疗、智慧教育、智慧电信/金融/电商等。

从全链路方面简单介绍了下语音技术在新居住领域方面的应用，如智能客服、智能家居、IOT设备、直播、装修等方面。基于贝壳服务平台需求，从智能IVR和智能机器人两方面着重介绍智能客服的应用技术，其核心目标为降本提效。其次就是贝壳在智能家居上的应用介绍，自有产品，即“小海智家”拥有全链路自研语音。最后通过音频事件检索实现瓷砖空鼓识别示例，介绍了语音技术在智能工地上的应用。

贝壳智能语音技术拥有语音识别、语音合成、语音唤醒、声纹识别、语音分析、语音信号处理等全链路的自研语音技术。各项技术都取得了一定的成功，如识别的场景字准可达96%以上，合成质量MOS4.2以上，声纹认证准确率99%等。贝壳语音技术在服务如智能客服、智能家居以及智能质检等自有产品之外，也积极参加学术界的一些交流，在ICASSP、Interspeech、NeurlPS等国际顶级学术会议上发表多篇论文，ICASSP ADD 2022挑战赛中生成任务、检测任务两个子赛道获得世界第一，ICASSP 2022 MISP挑战赛唤醒赛道获得世界前三，另外开源了一站式语音工具平台Athena。

文成

贝壳在语音生成任务的探索及应用

文成老师为我们分享了三部分的内容，第一部分是“语音合成技术在贝壳场景的应用”；第二部分是“技术背景概述”；第三部分是“ADD 2022生成任务方案分析”。

语音合成技术这些年发展很快，而贝壳业务主要以居住服务为主，合成技术主要赋能在AI讲房、智能家居和智能回访等方面。贝壳目前已经打造出了十多个音色，在未来的应用场景正在慢慢拓展。

技术背景可分为语音合成、语音转换，也可以统称为语音生成。语音合成经典系统包含文本分析、声学模型以及声码器三个模块，对三个模块的关键技术点以及该技术在工业上的要求做了简要介绍。而语音转换指的是将一个音频在不改变原始文本内容的情况下，对它里面的一些属性做出修改，如说话人转换和口音转换等。

语音生成技术如果被不法分子利用，尤其是用于电信网络诈骗，那会给我们带来非常多的危害，所以虚假音频检测技术则非常重要。在ADD 2022比赛中，贝壳语音在攻防两个子赛道均获得第一名。文成老师则针对贝壳在ADD 2022赛事中的生成任务部分做了详细介绍，包含生成任务详情、问题分析、系统描述、实验及结论等方面做了详细的介绍。

 周舒然

贝壳作为一个平台公司，有很多经纪人、门店、开发商会入驻，需要很多的智能化的手段来介入管理，目的是做到线上、线下一体化运营的品质类居住服务平台。语音相关技术在贝壳应用场景很广，线上想技术可以帮助线下，即经纪人去更好地服务客户。

声纹识别可以用来做身份认证，在贝壳声纹技术各场景中，教育主要是通过AI训练提升经纪人作业水平和服务质量；家居场景则主要是配合智能家居的说话人识别和唤醒；其次还有语音评测方面，可在服务过程中进行品质把控和客诉报警等。还可以用来做说话人日志，用来解决服务者之间服务方差大、问题难以追踪、服务场景还原等问题；另外还能用在空鼓声音事件检测上，做一个可量化和复制的工具。

在ADD 2022比赛中，生成任务是生成各种虚假的音频，用来骗过声纹检测系统，而检测任务，就是训练非常好的防攻击系统，来防止攻击。周舒然老师在检测任务部分，对主要攻击方式、成绩决定因素、数据层面、特征层面、模型层面、结果展示等部分做了详细的介绍。

韩阳

韩阳老师的分享可以分为四个部分，第一部分是“背景介绍”；第二部分是“流式语音唤醒——多尺度”；第三部分是“端到端语音唤醒——多模态”；第四部分是“未来展望”。

所谓语音唤醒，就是能够持续监听语音交流中的唤醒词。而评价语音唤醒技术的指标通常有两个，一个是唤醒率，另外一个是误唤醒。由于唤醒模型是部署在设备端，所以模型本身的功耗，还有空间的占用也是衡量唤醒性能好坏的重要的指标。语音唤醒应用最广泛的场景目前有两个，一个是车载场景，一个是家居场景。而家居场景下的语音唤醒主要有三方面的挑战，第一是家居远场的唤醒；第二是它的噪音和混响；第三是设备成本所带来的性能问题。业界对语音唤醒大体可以分为四种方案，第一是基于匹配的语音唤醒；第二是基于隐马尔科夫模型的语音唤醒；第三是基于深度神经网络的语音唤醒；最后是基于端到端模型的语音唤醒。

贝壳在工业落地上所用的方法是：在业界应用最广泛的流式语音唤醒基础上加入了多尺度的想法，通过各个尺度之间的优点相互弥补，以达到一个更好的整体性能。首先从数据采集层面，搭建了一套完整的数据录制和奖励发放的任务。然后在模型结构层面，采用了多尺度建模的方法，对神经网络模型进行建模。模型优化层面则是通过模型量化裁剪和聚类的方法，模型部署层面，除了支持常用的安卓和IOS系统等，还支持ESP也就是嵌入式设备。同时具备多样唤醒能力，如One-Shot、多唤醒词和命令词等。在实际场景中，整体唤醒率达到98%以上，平均误唤醒为0.014次/24小时。

唤醒技术在工业落地取得成果之外，在2021年多模态信息的语音处理国际挑战赛中也取得了第三的好成绩。韩阳老师对比赛的数据情况、数据处理、参赛方案（端到端多模态融合）、比赛结果都做了详细的介绍。

至此，本期沙龙圆满结束。语音之家将持续为大家带来干货满满的技术分享，期待与大家再次相见。