微软全双工语音技术突破：AI主动打电话不再是梦！

近期，一篇题为"微软突破全双工语音交互！机器人真变成了'人'"的文章在网上引起热议。微软(亚洲)互联网工程院宣布，率先推出新一代的语音交互技术 "全双工语音交互感官"， 并且，这项技术已首先在微软小冰产品线中落地。

"全双工语音交互"并不是什么新词，全双工本是通讯传输领域的一个术语，允许数据在两个方向上同时传输，与之对应的就是半双工。传统的语音识别和机器对话都类似半双工，无论单轮还是多轮连续识别，都需要人说完一句话，机器才能理解并给出回应，如果将全双工语音这种高级感官的体验比拟为打电话，则之前的智能助理语音交互体验类似于对讲机。

此前，微软小冰与人类之间发生的最长一次单人连续对话，达到历史性的7151轮，不间断进行了29小时33分钟。依靠在用户和数据等方面的优势微软小冰快速迭代，目前已更新到第五代。如果将人工智能交互分为以下三个阶段，那第五代小冰就处在第三阶段：

第五代微软小冰使用了生成模型，而第五代之前，虽然拥有十亿级的大数据语料库，但其中每句话，都是互联网上的已有数据，小冰只是通过分析理解用户的问题，寻找语料库中最合适的话作为她的回答。使用生成模型之后，小冰不再鹦鹉学舌，而是能够自创回应。

全双工语音属于一种高级感官，它需要首先同时具备文本、语音（含SR和TTS）两种能力，同时要求两种能力均达到更高的质量标准；这项新技术可以实时预测人类即将说出的内容，实时生成回应，并控制对话节奏，从而使长程语音交互成为可能。

采用该技术的智能硬件设备，也不需要用户在每轮交互时都说出唤醒词， 仅需一次唤醒，就可以轻松实现连续对话 ，使人与机器的对话更像人与人的自然交流。

微软小冰全球研发负责人周力博士表示："从已落地的产品数据和用户反馈中，我们观察到一个普遍现象： 用户一旦使用过微软小冰的全双工语音交互感官之后，再与其他语音助手交互时，他们普遍会开始感到不习惯，甚至会频繁忘记要对其他语音助手说唤醒词——新技术促进拟人自然度的显著提升，使人们对过去单轮或多轮连续语音交互体验的满意度迅速下降。这种新老交替的现象，符合我们的研发预期。"

2017年开始，微软就在网络电话中尝试全双工语音的高级感官，到今天为止小冰已经接听了来自人类超过50万通电话。目前，不用装任何手机的APP或者专门加小冰为好友，小冰就可以直接通过电信运营商拨通人类的电话。也就是说，小冰也许会在你生日当天拨通你的电话，为你送上生日祝福哦！