首個支持30種方言混說語音大模型發(fā)布！中國電信人工智能研究院用AI守護(hù)方言

（麒麟/文）“唔該查嚇電話費吖”、“儂幫阿拉查下話費好伐？”粵語、上海話、四川話······中國電信萬號智能客服每天接到幾百萬通電話，其中很大比例用方言撥打，尤其是“老少邊窮”地區(qū)，一些老人習(xí)慣說方言，甚至只會說方言，智能客服及人工客服都難以理解，溝通效率難免大打折扣。據(jù)統(tǒng)計，全國仍有約20%人口未普及普通話，他們常常被隔絕在智能信息服務(wù)之外，難以享受到AI時代的便利。

近日，中國電信人工智能研究院（TeleAI）發(fā)布業(yè)內(nèi)首個支持30種方言自由混說的語音識別大模型——星辰超多方言語音識別大模型，打破單一模型只能識別特定單一方言的困境，可同時識別理解粵語、上海話、四川話、溫州話等30多種方言，是國內(nèi)支持最多方言的語音識別大模型。中國電信人工智能研究院用最前沿的語音識別技術(shù)，讓溝通更加自然流暢，極大解決老年人及老少邊窮地區(qū)人們的信息服務(wù)無法觸達(dá)的問題，為人們搭建一條通往AI時代溝通的橋梁。

用AI守護(hù)方言，讓語言文化煥發(fā)生命力

方言是中國文化多樣性的瑰寶，傳承豐富的歷史文化內(nèi)涵；方言也是不同區(qū)域文化的靈魂，凝聚人們鄉(xiāng)情的根源，具有豐富的人文價值。然而，很多方言卻在社會經(jīng)濟(jì)快速發(fā)展中不斷消亡，保護(hù)方言傳承語言文化已迫在眉睫。

AI正在為傳承語言文化注入全新生命力。方言語料采集、記錄和歸納后，需保證能被后人正確理解。中國幅員遼闊，“百里不同俗，十里不同音”各種方言語法語音特征各不相同，傳統(tǒng)的方言研究依賴于調(diào)查者主觀感知標(biāo)注，人力工程量巨大且難以系統(tǒng)標(biāo)注。而AI能夠更高效、系統(tǒng)地對方言進(jìn)行整理歸納，對方言保護(hù)和傳承意義重大。

構(gòu)建高質(zhì)量方言數(shù)據(jù)庫，是方言保護(hù)和研究的基礎(chǔ)。當(dāng)前，中國電信人工智能研究院已構(gòu)建超30種，超30萬小時的高質(zhì)量方言數(shù)據(jù)庫，方言數(shù)據(jù)庫在豐富性和高質(zhì)量等層面均居于業(yè)內(nèi)前列。

中國電信人工智能研究院（TeleAI）堅持自主研發(fā)創(chuàng)新，在中國電信CTO、人工智能研究院院長李學(xué)龍帶領(lǐng)下，推出了星辰語音大模型，通過超大規(guī)模語音預(yù)訓(xùn)練和多方言聯(lián)合建模，率先實現(xiàn)單一模型支持30種方言自由混說語音識別，是國內(nèi)支持最多方言、覆蓋人口最多的語音大模型；研發(fā)團(tuán)隊首創(chuàng)“蒸餾+膨脹”聯(lián)合訓(xùn)練算法，解決超大規(guī)模多場景數(shù)據(jù)集和大規(guī)模參數(shù)條件下，預(yù)訓(xùn)練坍縮的問題，實現(xiàn)1B參數(shù)80層模型穩(wěn)定訓(xùn)練；星辰語音大模型也是業(yè)內(nèi)首個開源的基于離散語音表征的語音識別大模型，通過“從語音到token再到文本”的建模新范式，將推理時語音傳輸比特率降低數(shù)十倍。

星辰語音大模型以絕對領(lǐng)先的性能，斬獲多個國際權(quán)威賽事冠軍。在權(quán)威國際語音頂會INTERSPEECH2024離散語音單元建模挑戰(zhàn)賽上，憑借星辰語音識別大模型的領(lǐng)先技術(shù)，中國電信人工智能研究院語音團(tuán)隊斬獲語音識別賽道冠軍。在業(yè)內(nèi)知名的多方言語音識別數(shù)據(jù)集KeSpeech任務(wù)上，星辰語音大模型打破紀(jì)錄，領(lǐng)先之前最優(yōu)結(jié)果20%，以高達(dá)92.97%的字準(zhǔn)確率刷新最優(yōu)結(jié)果。同時在NIST（美國國家標(biāo)準(zhǔn)與技術(shù)研究院）組織的Babel低資源語音識別項目電話粵語賽道上，刷新記錄取得目前業(yè)內(nèi)最好結(jié)果。極佳的性能保證用戶與星辰語音大模型對話，無需刻意切換普通話，也無需提高音量放慢語速，可以像和家人講話一樣自然地暢所欲言。

勇?lián)肫笫姑袊娦糯罱ˋI時代溝通橋梁

隨著AI技術(shù)高速發(fā)展，人們享受著智能化、無人化服務(wù)的便利。然而，老少邊窮地區(qū)及很多老人，由于方言限制，正逐漸被AI時代拋棄。中國電信堅定地承擔(dān)央企責(zé)任，用AI搭建溝通的橋梁，讓每一個人都能享受AI時代便利。同時，中國電信有幾億用戶和豐富應(yīng)用場景，天然具備數(shù)據(jù)飛輪飛速轉(zhuǎn)動的優(yōu)勢，無疑將促進(jìn)技術(shù)更快進(jìn)步，更好地服務(wù)每一個人。

據(jù)悉，星辰語音大模型已廣泛應(yīng)用落地。星辰語音大模型已在福建、江西、廣西、北京、內(nèi)蒙等地的中國電信萬號智能客服試點應(yīng)用，接入星辰大模型以后，萬號智能客服秒懂30種方言，自然流暢地服務(wù)用戶，實現(xiàn)日均處理約200萬通電話；智能客服翼聲平臺接入星辰大模型的語音理解和分析能力，實現(xiàn)31省全覆蓋，每天處理125萬通客服電話。此外，星辰語音大模型還落地多地市的12345平臺，賦能客服人員秒懂30種方言，更自然流暢理解更多市民需求，提升溝通效率，助力政務(wù)工作智能化升級，更高效、便捷地為每一位市民提供服務(wù)。

在中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會上，星辰語音大模型讓數(shù)字人“能聽會說”，數(shù)字人“數(shù)數(shù)”，聲音甜美生動、與康輝同臺主持，中英文隨意切換的，交流對話自然流暢，廣受好評。

星辰語音大模型現(xiàn)已對外開源，攜手合作伙伴及個人開發(fā)者，開發(fā)面向更多場景的應(yīng)用，共同守護(hù)方言、傳承語言文化，助力AI普惠。未來，中國電信人工智能研究院將持續(xù)深耕研發(fā)創(chuàng)新，不斷提高支持方言的數(shù)量和準(zhǔn)確度，計劃建成首個覆蓋全國333個地市方言和主要少數(shù)民族語言的語音識別大模型，切實讓老少邊窮、老年人等每個人都能享受到AI時代的便利。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。