日前,華為云聯(lián)合英國AI公司Emotech ,在2019 HUAWEI CONNECT(華為全聯(lián)接大會)上首發(fā)全球首個多模態(tài)AI英語口語教評解決方案,將人工智能的自然語言處理技術與多模態(tài)技術相結合,賦能英語口語教育,助力教育產(chǎn)業(yè)良性發(fā)展。

超越真人教學,AI比老師更懂你

口語一直是外語學習中的重點。今天,英語學習者渴望更高智能、更低成本的口語學習方式,眾多教育機構也希望獲得更具標準化的知識傳授助手。

“作為傳統(tǒng)單一模態(tài)(語音、視覺)的升級性底層技術,多模態(tài)技術能整合語音、文字、空間等多重數(shù)據(jù)與分析,并結合深度學習,提供更還原人類自然交互的算法與應用”,Emotech創(chuàng)始人莊宏斌介紹說。

此次華為云與Emotech聯(lián)合推出的多模態(tài)AI英語口語教評解決方案,覆蓋了英語口語從學習、練習、測評到改進的方方面面,效果如同真人老師一對一教學,提升學習效率。用戶讀出句子,就能得到每句話、每個單詞、甚至每個音素的發(fā)音評分結果;通過視頻與音頻抓取、回放自讀視頻,每個不標準的發(fā)音都能被精確識別并鎖定原因;觀看AI助教提供的標準發(fā)音示范以及比對,計算機視覺能實時追蹤重點強化口型變化,加速口音改進;每一次的學習過程都能被記錄下來,并且利用深度學習功能實時獲得AI測評報告,為后續(xù)個性化針對教育提供基礎與動態(tài)參考。

華為全聯(lián)接大會多模態(tài)AI口語教室展臺

此次推出的解決方案還具備強大的抗噪能力,適用于各種環(huán)境,有效提高了發(fā)音評測系統(tǒng)(PA)、語音識別( ASR)的準確率,在給定噪音環(huán)境下,與單模態(tài)產(chǎn)品相比,它的準確率提高了30%以上。

隨著5G以及AI芯片的發(fā)展,未來越來越多的場景中可以用到多模態(tài)技術。華為云與Emotech計劃在更多領域進行多感官綜合應用的探索和嘗試。

自然語言處理及多模態(tài)AI技術賦能英語教育

華為云語音語義負責人表示,這是一次AI技術領域的強強聯(lián)合,“Emotech在語音和多模態(tài)AI方面有先進的技術,華為云擁有全棧的AI平臺,并在自然語言處理領域有深厚的積累和實踐,擁有多項領先業(yè)界的創(chuàng)新技術。雙方聯(lián)合研發(fā)并取得一定突破,這是個非常好的開始。期待我們的產(chǎn)品能夠幫助數(shù)以千萬計的英文學習者。”

目前,華為云語音語義服務包括語音識別、語音合成、自然語言處理基礎、語言理解、語言生成、機器翻譯、知識圖譜、對話機器人等子服務,支持語音助手、智能客服、外呼機器人、輿情分析等多個應用,覆蓋汽車、能源、保險、金融等多個行業(yè)。例如,基于華為云對話機器人服務的智能客服,幫助蒙牛更好地服務大眾消費者;基于華為云知識圖譜的油氣層識別,幫助中石油降本增效,更好地保障國家能源安全。全聯(lián)接大會期間,華為云還發(fā)布了業(yè)界第一個全棧全生命周期的領域知識圖譜構建平臺云服務。

聯(lián)合國科教文組織(UNESCO)人工智能主席、倫敦大學學院計算統(tǒng)計學和機器學習中心主任John Shawe-Taylor教授肯定了方案中多模態(tài)技術在教育的應用,評價說:“多模態(tài)是一種可以接收來自多種感官系統(tǒng)的信息流后進行處理分析的技術,從而讓人工智能對周圍的世界獲得更深入,更真實,也更準確的理解。事實上,調(diào)用多個感官來構建對世界的認知,增加對事物的理解,是讓人類在出生后能夠更快速學習新事物和技能的關鍵。Emotech巧妙地利用了這個原理,在對話分析中引入了聲音和視覺等多個感官維度,有效地分離了噪音等其他環(huán)境干擾因素,從而大幅提升了語音的質量。我認為這是非常重要的一項技術。”

生成海報

免責聲明：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確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。