搜狗分身-面向自然交互的多模態(tài)人機(jī)交互解決方案

案例背景:
未來人機(jī)交互的方式已成為行業(yè)研究探索的熱點(diǎn)，毫無疑問，自然交互是最重要的目標(biāo)，而多模態(tài)人機(jī)交互則是實(shí)現(xiàn)自然交互的非常關(guān)鍵的技術(shù)，如何實(shí)現(xiàn)多模態(tài)的識(shí)別、理解、表達(dá)都遇到很大的挑戰(zhàn)，本次報(bào)告希望能夠分享搜狗在多模態(tài)人機(jī)交互上的思考，特別在如何實(shí)現(xiàn)多模態(tài)融合識(shí)別以及表達(dá)上的工作。

解決思路:
我們的研究重點(diǎn)主要放在如下三項(xiàng)技術(shù)的研究，目前行業(yè)都屬于探索階段，搜狗率先實(shí)現(xiàn)了實(shí)用化落地，在落地過程中結(jié)合產(chǎn)品需求設(shè)計(jì)算法和工程，非常關(guān)鍵：
1. 多模態(tài)識(shí)別技術(shù)
2. 多模態(tài)表達(dá)技術(shù)
3. 面向自然交互的數(shù)字人技術(shù)

成果：
我們實(shí)現(xiàn)了語音+唇語的多模態(tài)識(shí)別技術(shù)，在高噪情況下識(shí)別錯(cuò)誤率可以下降40%以上，同時(shí)我們在數(shù)字人技術(shù)上實(shí)現(xiàn)了重大突破，發(fā)布了搜狗分身，真正實(shí)現(xiàn)了數(shù)字人的生產(chǎn)和驅(qū)動(dòng)，最終能夠?qū)崿F(xiàn)自然交互式的人與數(shù)字人的交流對話。