中國消費者報報道（記者武曉莉）“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，尤其是一些地區(qū)的老人習慣說方言，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之外，難以享受到AI時代的便利。
此次數(shù)字中國建設峰會上，中國電信人工智能研究院（TeleAI）發(fā)布業(yè)內首個支持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，讓溝通更加自然流暢，為人們搭建一條通往AI時代溝通的橋梁。
AI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濟快速發(fā)展中不斷消亡，保護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?！鞍倮锊煌?，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查者主觀感知標注，人力工程量巨大且難以系統(tǒng)標注。而AI能夠更高效、系統(tǒng)地對方言進行整理歸納，對方言保護和傳承意義重大。
構建高質量方言數(shù)據庫，是方言保護和研究的基礎。當前，中國電信人工智能研究院已構建超30種，超30萬小時的高質量方言數(shù)據庫，方言數(shù)據庫在豐富性和高質量等層面均居于業(yè)內前列。
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龍帶領下，推出了星辰語音大模型，通過超大規(guī)模語音預訓練和多方言聯(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，是國內支持最多方言、覆蓋人口最多的語音大模型；研發(fā)團隊首創(chuàng)“蒸餾+膨脹”聯(lián)合訓練算法，解決超大規(guī)模多場景數(shù)據集和大規(guī)模參數(shù)條件下，預訓練坍縮的問題，實現(xiàn)1B參數(shù)80層模型穩(wěn)定訓練；星辰語音大模型也是業(yè)內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。
星辰語音大模型以絕對領先的性能，斬獲多個國際賽事冠軍。在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先技術，中國電信人工智能研究院語音團隊斬獲語音識別賽道冠軍。在業(yè)內知名的多方言語音識別數(shù)據集KeSpeech任務上，星辰語音大模型打破紀錄，領先之前最優(yōu)結果20%，以高達92.97%的字準確率刷新最優(yōu)結果。同時在NIST（美國國家標準與技術研究院）組織的Babel低資源語音識別項目電話粵語賽道上刷新紀錄，取得目前業(yè)內最好結果。
搭建AI時代溝通橋梁
隨著AI技術高速發(fā)展，人們享受著智能化、無人化服務的便利。中國電信有幾億用戶和豐富應用場景，天然具備數(shù)據飛輪飛速轉動的優(yōu)勢，無疑將促進技術更快進步，更好地服務每一個人。
據悉，星辰語音大模型已廣泛應用落地。星辰語音大模型已在福建、江西、廣西、北京、內蒙古等地的中國電信萬號智能客服試點應用，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，助力政務工作智能化升級，更高效、便捷地為每一位市民提供服務。
在此前的中國國際大數(shù)據產業(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)面向更多場景的應用，共同守護方言、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，切實讓每個人都能享受到AI時代的便利。
