今天，微軟宣布了一個可定制語音服務(wù)，這是微軟認知服務(wù)系統(tǒng)的最新部分。這套系統(tǒng)集成了很多人工智能領(lǐng)域的前沿科技，例如計算機視覺和機器學習?？啥ㄖ普Z音服務(wù)與語音轉(zhuǎn)文本項目高度集成，微軟的這個服務(wù)被認為比蘋果Siri和谷歌助理更加智能。

CRIS和LUIS：

為了實現(xiàn)這一跨時代的技術(shù)，可定制語音服務(wù)融合了目前最先進的兩項科技。首先是CRIS，全名可定制認知智能服務(wù)，根據(jù)微軟的說法，CRIS：

為公司提供部署客制化語音識別的功能。開發(fā)者可以上傳音頻文件和語音文本的樣本，然后識別器會根據(jù)特定的情景進行自定義。這使得語音服務(wù)在特殊場景下的識別表現(xiàn)更加優(yōu)秀，特殊場景例如工廠或者戶外。

CRIS的本質(zhì)是可以允許客戶構(gòu)建自己獨有的一套語音命令體系，是的特殊情況下的語音轉(zhuǎn)文本表現(xiàn)更加優(yōu)秀。例如在醫(yī)院，院方可以為病人們制作出一套對應(yīng)的智能化咨詢流程。

除了CRIS，微軟還推出了LUIS，全名語義識別智能服務(wù)。微軟將LUIS描述為一種“意圖識別引擎”，它幫助計算機理解人們說的話背后的含義。舉例來說，通常的語音命令是這樣工作的：程序員直接將特定的字詞映射到相關(guān)的執(zhí)行流程，“尋找咖啡館”或“帶我去咖啡館”會直接通過地圖軟件將你指引到就近的咖啡店。而LUIS，你可以隨意表達各種類似意思的話，例如：找到咖啡館，帶我去咖啡館，我想要喝咖啡，我需要來點飲料提提神，我快要睜不開眼了等等。

LUIS通過機器學習來理解我們的意圖，它并不是簡單地去理解單句話的含義，有了這個引擎，程序員不再需要添加專門的內(nèi)容庫就可以獲得表達非常自由的語音指令。

《星艦指揮官》-語音驅(qū)動的VR游戲

總之，可定制語音服務(wù)就是一項基礎(chǔ)服務(wù)，微軟本身并沒有圍繞這個服務(wù)構(gòu)建完整的應(yīng)用程序。這是客戶的任務(wù)，例如這家VR內(nèi)容工作室：Human Interact。

他們的出道作品就是《星艦指揮官》，一款語音驅(qū)動VR游戲。玩家在游戲中扮演一位星艦駕駛員，你正在執(zhí)行由超級計算機和全息影像構(gòu)成的上級官員領(lǐng)導的任務(wù)。玩家與這些虛擬人物交流時用的就是語音。我想，如果這個游戲使用的是我們以前見過的那種語音AI，很快玩家就要被AI的局限性磨去耐心了吧。

當然，游戲目前還沒有完全開發(fā)完畢，我們嘗試的對話也比較簡短，所以感覺交流相當順暢，不過開發(fā)商表示他們將把內(nèi)容拓展到數(shù)百種。

微軟計劃利用可定制語音服務(wù)和整個認知服務(wù)系統(tǒng)擴展自家AI技術(shù)的應(yīng)用范圍，“把AI帶給每一個組織和每一個人?！边@是微軟的宏大目標。