刘
刘轶
刘轶博士在访谈中深入探讨了语音AI技术当前的瓶颈与未来发展趋势。他指出，虽然大模型的出现极大促进了语音识别技术的进步，准确率已大幅提升，但仍面临诸多挑战，例如中英文夹杂、多人对话、复杂口音及环境噪声的干扰等。这些挑战源于对人类听觉感知机制理解的不足，目前的技术进步主要依赖于强大的算力和海量数据，而非对人类听觉机制的根本性突破。尽管如此，在语音识别、语音合成和说话人分离等方面，机器的性能已经超越了人类，但在联想、感知和处理歧义等方面，机器仍逊色于人类。刘轶博士认为，未来的核心技术突破和产业应用突破将更多地发生在工业界，而非学术界。他认为，中小公司难以独立自研大模型，应专注于垂直领域，结合自身数据和知识库，对现有模型进行微调，以提升模型在特定领域的精准度和实用性。他同时强调，并非所有应用场景都需要进行SFT，选择合适的模型规模至关重要。
刘轶博士还分享了他将自身在语音AI领域的积累与大模型结合的经验，以及他对于未来智能硬件发展趋势的预测。他认为，纯软件公司在中国难以生存，必须结合硬件才能获得市场入口。他将大模型比作水，需要载体才能发挥其应用价值，因此他选择进军智能硬件领域。他指出，端侧应用需要在性能、算力与功耗之间取得平衡，这是一个巨大的挑战。他认为，小型化、受限显示的智能硬件，例如手表、手环等，将成为未来趋势，语音交互将扮演重要角色。他预测，未来最佳的AI硬件可能并非手机，而是更小巧的设备，以满足不同场景下的特定需求。
最后，刘轶博士总结了他目前的工作重点：一是与头部大厂合作，开发面向行业的垂直大模型；二是专注于端侧应用，突破离线语音识别和合成的技术瓶颈；三是推进软硬一体化，结合硬件入口，为更多智能硬件赋能。他认为，这将是深圳企业未来重要的发展方向。
娜达作为主持人，引导刘轶博士分享了他对语音AI技术、大模型应用以及智能硬件发展趋势的独到见解，并就相关问题进行了深入探讨。
Deep Dive
Shownotes Transcript