金融科技技術概覽(6)——運用在財會金融中的人工智慧技術與智能語音裝置

文章發表： 2019/05/15

雜誌訂閱優惠

鄭旭高

GoldWise Consulting Group／萬旭浤資訊科技負責人

一、背景

在人工智慧的應用中，智能語音裝置堪稱是近期最火熱的科技產品之一。想像在查帳生涯裡，透過語音命令的方式就能代替手部操作，似乎非常方便！那麼智能語音裝置的核心技術與應用場景是甚麼呢?

二、焦點檢視

目前市面上的智能語音裝置多半僅支援單一語言(因語系不同及文化差異之故，設計上若要支援多種語言會較複雜)，而產品功能多屬一個口令一個動作。使用上需依照特定的語音命令句型或預先設定好的應用場景框架執行，方能成功的操作智能語音裝置。在某些狀況下，尚需對智能語音裝置下達特殊關鍵字如「停止」、「取消」才能成功將目前狀態「停止」、「取消」，以便執行新的語音命令動作。雖然智能語音裝置常主打具有閒聊功能，然而彼此對話數輪後就會發現其實無法如與人類正常對話時一般流暢。那麼步驟上大概會經過哪些重要的環節呢?以下我們舉一例子來探討。

假設以詢問智能語音裝置「想知道今天的重要財會金融新訊?」為例，當使用者的話音落下，傳達到智能語音裝置時，其行為反應從技術角度可分別列出如下幾個步驟流程，亦即語音處理(抗噪後擷取聲音的起始點及結束點)、喚醒詞(取得起訖音後需判別是否為喚醒詞，若為喚醒詞則認定使用者是有意圖操作智能語音裝置)、CSR(Computer Speech Recognition)/ASR(Automatic Speech Recognition):也就是啟動裝置之語音辨識，解析使用者所輸入的「詞彙語句」、SLU(Spoken Language Understanding)/NLU(Natural Language Understanding):透過解析出的「詞彙語句」理解使用者之語意及意圖、TTS(Text To Speech):確認意圖後，裝置以說話的方式回應命令行為。其中難度較高且相對核心的部分就屬SLU/NLU了，舉個簡單例子幫助大家理解：
「(對話釋例)
使用者：想知道今天的重要財會金融新訊?
智能語音裝置：今天A類股方面表現亮眼，B公司上漲%，訂單大幅成長，有擴廠計畫，後勢可期。」

在對話釋例中我們可以發現，當智能語音裝置非常確定使用者的意圖(想知道今天的重要財會金融新訊?)而能直接回應使用者(今天A類股方面表現亮眼，B公司上漲%，訂單大幅成長，有擴廠計畫，後勢可期。)，當語音控制逐漸取代了手部操作，後續諸多商業行為的發生都會有漣漪效應。諸如於會計上憑證的取得、軌跡的紀錄方式、查帳的方法都會有所影響。實務上對於資料的蒐集、彙整、分類、試算之效率皆會有所助益。