未来的人机交互如何落地？NVIDIA 研究团队给出了答案( 二 ) 作者|程茜编辑|漠影对话式人工

文章图片
Riva从模型到软件再到硬件全堆栈持续优化提供的增益是上一代产品的12倍，基于此，企业可以进一步提高自己对话式AI系统的准确性以及快速部署能力。
三、快速部署+优质效果，下载量已超25万次
作为企业满足对话式AI服务的有力武器， Riva在帮助企业提高部署效率和服务效果中拥有以下几大优势：
1、预训练模型：十亿文本+六万小时语音数据
对话式AI往往需要高度精确、准确的训练文本，帮助AI理解文字和语音的意思。
Riva提供的预训练模型，经过十亿多页的文本、六万小时的语音数据训练，并且还接受了不同的语言、口音、专业术语和环境上数百万个小时的GPU训练，这保证了其预训练模型的准确性。
2、实时交互：100毫秒内轻松响应
在对话中，想要更加自然真实，低延时、实时交互是其中的关键。 Riva借助GPU加速，使得端到端语音流程运行时间可达到100毫秒内，也就是包括听、理解和生成响应在内的全流程速度，而正常人眨眼时间为0.2~0.4秒左右。

文章图片
此外， Riva还借助了适用于低延迟和高吞吐量通信的gRPC的微服务器，能够进一步减少识别时间。
3、拿来即用：几行代码就可成功部署
开发者在部署Riva时可使用NVIDIATAO工具包，对不同行业、任务、系统的模型训练、适配和优化，并且还能使用自己的数据对模型进行微调，使其在实际场景中提供实时语音服务时能达到更稳定的效果。

文章图片
值得一提的是，在部署Riva时，开发者不需要深度AI专业知识，只需要几行代码就可以成功部署模型。与此同时， Riva还整合了ASR、TTS、NLP（自然语言处理）三个智能算法引擎，使得企业的对话式AI服务能在技术底层上实现统一。
4、定制服务：不同专业+个性声音均可实现
不同于我们日常交流中常用的词语、句子，专业性较强的对话式AI就需要特定训练，才能与相关专业进行适配。 Riva自动语音识别管道就针对不同行业、领域的数据进行了训练，帮助企业进行个性化定制，并快速复用到实际应用场景中。
为了提高对话式AI服务的表现力， 2021年9月， Riva还推出了定制语音功能，可以帮助企业在一天之内打造类似真人的定制语音，该功能支持微调口音、音高、声音细粒度等， Riva2.0也已于2022年3月已上线。

文章图片
Riva从2020年5月发布以来，截至2021年9月，已实现25万次以上的下载量，并广泛应用于视频会议、聊天机器人等场景。现在点击文末“阅读原文”就可以试用Riva的互动式Demo 。
四、结语：掀起企业对话式AI应用落地潮
人工智能技术发展正在改变很多行业，对话式AI正在一些场景下取代人工客服，并且随着语音识别、语义理解等技术的发展，语音AI已经从“傻瓜式”、“机器人式”变得更加智能化，未来，更自然的人机对话可能会很快实现。
作为NVIDIA研究团队的重要成果之一， Riva帮助企业构建可定制的对话式AI应用程序，将掀起对话式AI应用落地的浪潮。不仅如此， NVIDIA的研究团队也在不断探索AI等前沿科技的新应用场景，在加快前沿技术落地的同时，为更多场景应用提供底层技术支持。
【未来的人机交互如何落地？NVIDIA 研究团队给出了答案】之后，我们还将陆续介绍NVIDIA研究团队推出的计算机视觉、深度学习模型以及有意思的交互式Demo ，如NVIDIAAudio2Face：仅需一个音频来源即可快速生成表情丰富的面部动画；NVIDIACanvas：使用AI将简单的笔触变成逼真的风景图等。体验更多人工智能和深度学习互动Demo ，请复制https://t.cn/A6aDExGB到浏览器打开“NVIDIAAI广场” 。