AI赋能基础通话创新应用 打造5G新刚需.pdf

技术前沿编辑1梅雅鑫AI赋能基础通话创新应用打造5G新刚需依托源头核心技术，讯飞星火认知大模型具备七大核心能力，并率先赋能5G新通话，打造通话中的智能助理，加速实现以上层创新应用带动底层基础通话，认知大模型成为5G新刚需。科大讯飞运营商事业部新通话产品线总经理刘平平5G商用四年来，我国信息通信技术实现“弯道超车”，为整个产业链的蓬勃发展注入活力。同时，各大电信运营商在5G领域的投入也不可谓“不巨大”。根据工信部发布的“十四五”信息通信行业发展规划，到2 0 2 5年每万人拥有5G基站数将达2 6 个，是现有数量的3倍。与此形成鲜明对比的是，普通用户仍然发出灵魂之问：“5G能做啥？”由于缺乏对5G额外价值的感知，用户的使用习惯相较于4G时代并未发生显著改变，总体需求并不旺盛，这导致了5G网络的使用率相对较低。出现上述现象的关键原因之一是5G上层应用的繁荣度不高，这就需要通过创造5G刚性需求应用来寻求突破。AI赋能无障碍通信科大讯飞成立初期便进入了通信领域，并与三大电信运营商建立了战略合作伙伴关系。多年以来，科大讯飞与运营商在智慧家庭、美丽乡村、智慧云网、智能通信等领域展开了深度合作。2021年5月，在甘肃省白银市举行的马拉松赛事中出现了极端天气，导致多名选手不幸遇难。其中，一位重度听障选手也遭受了不幸，他无法听到声音，也无法正常说话交流，甚至在遇险时无法通过电话求助。这一事件引发了我们的深入思考，我们积极与中国残疾人联合会取得联系，启动了对残障人士日常交流习惯和需求的调研工作，以便为他们设计出辅助沟通的产品，在众多需求中，最紧迫且复杂的需求就是手语视频通话。重度听障人士主要依赖手语进行交流，然而他们的家人、朋友以及服务机构成员等社交对象，多数是听力正常的人。那么，在视频通话中，怎样才能帮助他们之间顺畅地沟通？我们的解决方案是引入AI（人工智能）。具体而言，我们将听障人士使用的手语识别为文本，然后将文本转化为语音，播放给健听人；而当健听人说话时，语音则被转化为文本，呈现给听障人士。在这个过程中，我们还意识到，以往习以为常的点对点通话模式不仅可以是“一对一”，还可以是“多对多”。除了主叫方和被叫方，A/还可以作为第三方或第四方参与，处理声音、视频和文本等多种信息。这是一个意外的发现，通过为残障人士设计产品，我们发现了被人忽略或认为理所当然的结构和要素，从而让设计出的产品既适用于残障人30技术前沿编辑I梅雅鑫士，又适用于其他人。基于丰富的产品和技术储备，2 0 2 2年1月，科大讯飞携手中国残联及三大电信运营商发起了“无障碍智能通信合作伙伴计划”，并发布了实时字幕、方言翻译、多语种翻译等多项通信应用。在2022年3月北京冬残奥会期间，科大讯飞携手中国移动、华为首发智能通信产品，不仅激活了5G新通话这一战略性产品，也助力了通信业的创新实践。5G新通话让通话更精彩将人工智能融入5G通信网络，对用户而言，意味着只需一部标准手机，便能够享受人工智能创新应用带来的便捷服务；而对通信行业而言，这样的融合创新亦能将“传统管道”变成“智能管道”，为通信业务发展带来新机遇，也契合了我国“新基建”的必然趋势。基于此，科大讯飞创新性地构建了“产品+体系+生态”应用矩阵，开拓了5G新通话业务边界首先，科大讯飞引入各类人工智能技术，持续推动横向产品应用，实现“有得用”。毕竟，要真正让用户对5G应用喜闻乐见，应用数量是基本条件。从“小无障碍”到“大无障碍”，我们丰富了从字幕转写到多语种、多方言翻译的无障碍应用；从单纯功能延伸至为个人和企业搭建桥梁，提供信息服务及行业应用；从功能拓展至情感体验，我们实现了“语音表情雨”等社交应用；从情感体验升华为娱乐项目，我们开发了语音发红包、语音游戏等趣味应用。其次，基于科大讯飞在翻译机、学习机、办公笔记本等软硬件产品领域积累的经验，我们在产品深度上不断探索，务求打磨出让用户既可用又爱用的产品。以智能翻译业务为例，在视频通话中进行跨语种交流时，由于节奏紧凑，即便一个单词的翻译存在微小的偏差，也可能引发误解，影响沟通效果。考虑到智能翻译本身可以视为生成式人工智能，难以做到完全准确，我们引入了语义理解技术。当聆听者对某个词语提出疑问时，人工智能将层层穿透、捕捉这个词汇，然后对其进行高亮标记，提示说话者换个说法。通过这一创新，智能翻译在通话中的实用性得到了显著的提升。然后，科大讯飞积极探索新通话的应用组合。鉴于国内外通信运营商纷纷推出丰富的增值业务，构建产品组合有助于不断驱动通话增值业务的升级和选代，进一步降低用户的使用门槛。例如，基于“来电提醒/通信助理”这一典型的产品组合，用户在漏接来电后，可以在查看留言短信时回拨，从而一键快速接入新通话，享受实时转写、趣味通话等创新应用。最后，上述5G新通话应用单品和应用组合主要体现了软件层面的创新，科大讯飞也在探索将这些软件、服务延伸至硬件领域。在2 0 2 3年初，科大讯飞与中移互联网合作，成功实现了讯飞双屏翻译机与普通手机之间的新通话呼叫服务。此外，科大讯飞也在探索将商务速记应用于讯飞会议耳机，这不仅能进一步丰富新通话的生态，也有助于通信业务的多样化发展。讯飞星火认知大模型，深度赋能新通话2022年底起的通用人工智能浪潮，为以新通话为代表的5G应用带来了新的动能。在此背景下，科大讯飞于2023年5月发布了“讯飞星火认知大模型”，该模型具备七大核心能力，包括内容生成、语言理解、知识问答、逻辑推理、数学能力、代码能力和多模态能力。借助科大讯飞“1+N认知智能大模型”布局体系，即1个通用认知智能大模型平台和N个行业专用模型，星火认知大模型已成功应用于教育、办公、汽车、数字员工等多个领域。在5G新通话领域，科大讯飞将主要通过两个方面实现星火认知大模型的深度赋能。一是人人对话。通过认知大模型的赋能，5G新通话可以根据电话内容自动生成对话纪要，提取待办事项，从而协助用户自动完成相关工作，使每一次商务通话都变得更加高效。认知大模型还将支持通话中的智能助理服务，例如，用户在闲聊中随时可以获取结伴出游目的地的建议，或在商业对话中获得法律法规方面的建议。过去，在通话场景下，用户常常需要面临很多微小的选择或决策，例如去哪吃饭、出门要不要带伞等。有了通话中的智能助理，这些微小但高频的决策将变得更加顺畅高效。二是人机对话。依托对话文本处理能力，认知大模型可以实现智能代接秘书服务，分析通话内容并提炼来电者的意图，从而极大提升被叫用户获取来电信息的效率。此外，认知大模型还能够基于对话内容智能推荐并引导用户的下一步行动。举例来说，在用户接到旅游推销电话时，认知大模型可以智能判断营销内容的合理性，并提供更多的营销选择，使通话挂断不再意味着服务结束，而是智能化服务的开始。大模型引人瞩目的特点之一在于“智慧涌现”，它不知疲倦，随时准备为你提供答案。而新通话的核心内容在于“对话”，也就是“chat”，这与大模型的自然应用场景相契合。因此，讯飞星火认知大模型通过深度赋能新通话应用，将逐步在各类高频场景下提供媲美人类专家的服务，为真正的5G刚需应用提供强有力的支持。31