设计微信网站建设,网站如何推广行业,中国建设银行官网招聘信息,企业网站的建立之前必须首先确定大模型加速上车#xff0c;AI智能座舱竞争更显白热化。
诚然#xff0c;在语言大模型为核心的多模态能力加持下#xff0c;智能语音助理能够理解复杂的语言指令#xff0c;实现知识问答、文本生成等#xff0c;以及根据上下文进行逻辑推理#xff0c;提供更智能、准确的…大模型加速上车AI智能座舱竞争更显白热化。
诚然在语言大模型为核心的多模态能力加持下智能语音助理能够理解复杂的语言指令实现知识问答、文本生成等以及根据上下文进行逻辑推理提供更智能、准确的回答其水平成为了各OEM座舱差异化竞争的关键要素。
“2024年开始车载语音助手的核心技术路径已经慢慢转成大模型了相对传统技术大模型的核心优势之一就是理解能力、上下文关联的能力特别强。”云知声联合创始人、副总裁李霄寒表示。
很明显座舱语音作为座舱娱乐和交互功能的重要入口与大模型有着极高的契合度。尤其是自2022年底以ChatGPT为代表的大语言模型发布国内外诸多玩家也在积极探索以大模型为基础的智能体Agent。
其中云知声在2023年5月就发布了自研的山海大模型交出了在AGI领域的第一张答卷。
彼时其山海大模型的语言生成、语言理解、知识问答、逻辑推理、代码能力、数学能力、安全合规能力七项通用能力及插件扩展、领域增强、企业定制三项行业落地能力已经处于业界前列。
在此基础上云知声通过快速整合具体业务场景的相关知识与规范已经打造了医疗病例生成Agent、交通客服Agent、智能座舱Agent等典型的行业Agent应用。
具体到智能座舱领域云知声依托山海大模型重构了语音识别、语义理解、语音合成的全链路语音方案。基于大模型的理解与生成能力其方案深度赋能用车、出游、主动关怀、健康、通用聊天等多个细分场景。
而自去年5月中旬OpenAI推出GPT-4o凭借突破性的智能交互能力掀起了新一轮的多模态大模型新浪潮。与此同时云知声也在突破更深层次的自然语言理解和多模态交互。
同年8月云知声顺势推出了山海多模态大模型通过整合跨模态信息山海多模态大模型能够接收文本、音频、图像等多种形式作为输入并实时生成文本、音频和图像的任意组合输出带来实时多模态拟人交互体验开启AGI新范式。
得益于过去几年不断补强的语音技术栈和大模型能力搭载云知声语音解决方案的车型已经陆续量产其客户包括吉利、上汽等。
这也意味着云知声作为国产大模型的一道缩影已经初步跑通了座舱语音大模型的技术、产品和商业化路径。 展望2025年座舱语音的竞争焦点在哪里大模型将如何重塑座舱语音交互近日高工智能汽车独家专访云知声联合创始人、副总裁李霄寒找到了答案。 01
座舱语音加速迈向真人工智能 作为车内使用频率最高的交互方式座舱语音既To B也To C。
于用户而言影响其座舱语音使用频率和体验感的因素包括两点一是使用门槛要足够低二是语音交互能做到真正的人工智能。
而站在语音供应商的角度要想做到以上几点技术层面的衡量标准一定是“听得清”、“听得懂”并且“答得好”。
其中“听得清”是整个座舱语音的基建。毕竟所有座舱语音交互功能的实现前提条件一定是“听得清”。
但要想做好这一点并非易事必须做好座舱语音整体硬件结构设计、软件算法等这非常考验语音技术栈基础能力包括降噪、回声消除、音区分离等。
这也恰恰是云知声的强项所在。
例如云知声打造的降噪解决方案实际降噪后语音信噪比可达20db以上实现了音区精确分离可确保车内对话清晰回声消除后的语音信回比提升达到 35dB以上降噪后的蓝牙通话方案MOS分可以达到4.0以上最高5分。 值得一提的是目前云知声在降噪层面的技术逻辑已经全部基于数据驱动的神经网络实现。在此基础上其语音唤醒、语音识别等能力也明显更强。
据统计在端到端唤醒时延数百次测试中搭载云知声语音技术的语音助理最快可达220ms以内离线识别首字上屏速度小于600ms在线识别首字上屏速度小于700ms。
另外“听得懂”作为迄今为止语音座舱最大的挑战之一有望在大模型的加持下赋能整个座舱语音做到真正的人工智能。
即在语音技术栈基础之上结合大模型语音助理可以做到更快的语义响应速度、更准确的意图理解和上下文跨越理解等是现阶段座舱语音互相角力的重点。
比如在山海大模型的加持下云知声的语音助理的语义平均响应时延达300ms意图理解准确率达95%可实现复杂上下文跨域理解、语义纠错等。
而在“听得清”和“听得懂”的技术前提下“答得好”是用户衡量座舱语音智能化程度最重要的指标之一其关键点在于以语音助理为交互入口集成更多的服务包括多媒体播放、实时导航、车控以及故障灯释义、维修手册等。
“语音助理什么都能听得懂即便能做到这一点假如座舱交互提供的服务只有有限的几类那用户问到第N 1类服务的时候再聪明的助理也只能说‘对不起不支持’在用户看来这个助理就是不智能的。”李霄寒介绍道。
因此在现有的服务能力上与主机厂合力配齐更多的服务亦是云知声在2025年的重点规划之一。 02
All in大模型赋能主机厂座舱语音产品领先 “2025云知声将All in大模型所有的车载语音技术方案都用大模型来做旨在通过新的技术路线带来新的体验和价值赋能客户的座舱语音产品上市发布时在行业内是具备领先性的这是我们的目标。”李霄寒谈到。
不难发现占领新一轮座舱语音大模型的技术高地是接下来OEM在智能座舱差异化方面的技术竞争焦点。
毕竟现阶段的座舱语音交互大多还是由语音、文本两套大模型系统组成。其整体交互链路和流程首先由用户发起语音请求车机麦克风拾音之后再调用语音增强能力接口对音频做回声消除、噪音抑制等预处理。
此后预处理后的音频需进行识别转写转写后的文本再通过文本大模型进行语义理解并给出语义理解的结果输出文本回复再转化为语音回复。
从应用层面来看这也极大地影响着用户体验。
一方面人机对话过程由语音转成文字再做理解并输出结果在时间上存在一定的延迟。
另外语音转变成文字后会丢失较多的信息比如情绪信息。即用户分别用愤怒和心平气和的态度说同样的话得到的回复可能是完全一样的显然与语音助手追求“拟人”相悖。
“只有把语音和文本两个大模型合并语音助手才能变成真正听得懂人话的助理尤其是在做意图理解时不光能理解文字还能读懂声音里蕴含的情绪等其它信息并做出差异化的回复因此2025年语音大模型会成为主流。”李霄寒表示。
而借助山海大模型云知声在语音识别、语义理解、语音合成等方面均已采用大模型技术实现了语境理解、情绪感知、反馈学习等核心交互能力的增强赋能座舱体验在不断优化与提升。 比如在语义理解方面意图理解大模型彻底解决了过往在意图分类、深度语义理解、多轮交互时的人机对话痛点在影视问答、旅游推荐、娱乐闲聊、用车问答等高频6大领域准确率超过95%且大模型语义平均响应时间为300ms。
另外在语音合成方面语音大模型支持情感化语音合成用户可以选择自己喜爱的声音和人设或者专属声音定制语音包并支持多语种TTS合成极大地提升了交互趣味性。
“以语音大模型为主的多模态大模型上车到底要向用户提供哪些有价值的功能这是值得供应商和OEM深思的问题因为大模型上车一定要有价值能够让用户容易使用并且愿意使用。”李霄寒向高工智能汽车提到。
站在用户和OEM的角度思考座舱语音产品定位坚定All in大模型的云知声在业务层面也有了更清晰的规划。
据介绍一方面云知声将提供完整的语音座舱解决方案覆盖降噪、唤醒、识别、理解、语音合成以及各类开发平台云端、端侧的功能等另一方面针对语音座舱设计比较完善的客户将以组件的方式提供服务比如降噪、语音合成等可单独提供模块。
另外云知声还将继续贴近OEM客户包括驻厂提供更好、更快的座舱语音服务等旨在成就客户座舱语音产品具备至少三个月的领先性。
决胜2025年座舱语音交互云知声及其大模型的实际表现值得期待。
