識別率超75% AI聽懂你的聲音

清晨的地鐵站，人來人往。林女士又一次下意識地放慢腳步，低頭假裝看手機，與迎面走來的同事擦肩而過。這個看似尋常的早晨，對她而言卻是一場無聲的考驗。

“以前上班路上，遠遠看到同事走過來，我第一反應就是繞道�！绷峙�士回憶道，手指不自覺地摩挲著衣角，“不是不想打招呼，是怕自己發(fā)音不準，對方聽不懂，也怕對方那種困惑的眼神�！�

作為一名聽障人士，林女士從小佩戴助聽器，但在嘈雜環(huán)境中依然“聽不清”。更讓她困擾的是，長期缺乏語音練習讓她陷入“不敢說、怕說錯”的循環(huán)。她坦言，過去的生活像被困在一座“現(xiàn)代孤島”——就醫(yī)需要家人陪同，社交活動能推則推。

就在林女士幾乎要習慣這種孤獨時，轉(zhuǎn)機悄然而至。今年年中，通過當?shù)貧埪?lián)，她第一次接觸到了中國移動開發(fā)的“中移無障礙”小程序。這個看似普通的手機應用，帶領(lǐng)她開始了一段全新的語音康復之旅。

“第一次使用，系統(tǒng)讓我讀幾句話，識別率只有30%左右�！绷峙�士說這話時，眼中卻帶著光，“但它不像人那樣會不耐煩，反而每次都會鼓勵我�！边@個小程序通過AI技術(shù)分析她的發(fā)音問題，精準指出聲母、韻母的偏差，并通過波形圖對比，讓她第一次“看見”了自己的聲音與標準音的差距。

用戶的發(fā)音評分情況

隨著使用次數(shù)的增加，系統(tǒng)會根據(jù)她的語音數(shù)據(jù)，逐步訓練出“專屬語音識別模型”，這個為她量身定制的AI助手，不僅用于日常訓練，還能在實際溝通中，將她不清晰的語音實時轉(zhuǎn)寫成文字，讓對方一目了然。

“以前去醫(yī)院都得家人陪著，現(xiàn)在我自己去也沒問題了�！绷峙�士笑著展示手機界面：當她說“掛號”，屏幕上準確識別并顯示出“掛號”二字�！斑@種感覺，像是終于有了一座橋，連接起了我和外面的世界�！�

這些改變是如何發(fā)生的？“我們不僅是在做一款產(chǎn)品，更是在做一種陪伴�！敝袊�移動互聯(lián)網(wǎng)公司產(chǎn)品負責人給出了答案。原來，得益于中國移動遍布全國的智算中心和自研的發(fā)音質(zhì)量評估算法，系統(tǒng)能夠分析每位用戶的發(fā)音弱點，針對性收集語音數(shù)據(jù)。

用戶參加語音素材收集活動

研發(fā)團隊通過深入理解聽障群體發(fā)音的差異性，用AI技術(shù)識別歸納出20余種常見構(gòu)音障礙類型，進行專項問題突破�！皟H需傳統(tǒng)方法三分之一的訓練樣本量，就能構(gòu)建出個性化專屬模型。”目前，模型平均識別率從初期不足30%提升至75%以上，部分用戶接近90%。此外，研發(fā)團隊還將個人專屬模型壓縮至百兆級別，使其輕松運行在普通手機上，大大降低了使用門檻，讓更多人受益。

記者看到，目前該方案已集成至中國移動“5G新通話”，在通話中就可實現(xiàn)毫秒級語音轉(zhuǎn)文字，借助“5G消息”識別對話場景智能生成快捷回復；在社交、就醫(yī)等現(xiàn)場溝通場景中，“面對面助手”提供著精準的轉(zhuǎn)寫支持。

中國移動互聯(lián)網(wǎng)公司產(chǎn)品負責人的感悟尤為深刻：“科技向善的意義，不僅僅是幫助聽障群體，同時也是激發(fā)我們這些科技創(chuàng)新工作者人性之中向善的一面。雙向奔赴的力量，才能喚醒大模型的力量�！�

如今，在地鐵站里，林女士不再躲避同事。她開始主動微笑、打招呼，甚至參與工作討論�！半m然發(fā)音還不完美，但我知道，我在進步�！彼�說這話時，聲音里透著從未有過的從容，“而這份進步，背后是科技帶來的底氣�！�

在這個每一聲“你好”都值得被聽見的時代，技術(shù)正悄然成為那座無聲的橋——它不只是一串串代碼和算法，更是貫通聽與說的紐帶，連接你與我的橋梁，讓曾經(jīng)被困在孤島上的心靈，重新融入世界的對話。