阿里云AI机器人现场与资深咖啡师比赛点单。记者 肖僖 摄

长江日报融媒体5月23日讯(记者 张珺 章胜)“这里是咖啡馆，上云就上阿里云”“好，那我要五个巧克力、两个香草拿铁，巧克力加奶油。”“两个中杯焦糖拿铁，一个热的一个冷的。””算了巧克力不要了。”“再要六个小杯少冰摩卡，三杯加焦糖三杯加香草。”“再加一个大的冷的拿铁，去冰半糖加脱脂奶，打包。”……23日，在峰会上，阿里巴巴机器智能技术实验室语音交互首席科学家鄢志杰最快以每秒5个字的语速向一台机器点单。机器对每一次对话都作出了精准相应，而站在一旁的资深咖啡师选择了中途放弃，“太快了，记不下来”。

阿里云AI机器人现场与资深咖啡师比赛点单。记者 肖僖 摄

“今天我们将机器对人类口语的理解能力带到了新的高度，这比上海地铁语音售票的技术还要高一个台阶”，鄢志杰说，这种交互方式完全打破了“语音唤醒+语音指令”传统命令式交互方式，首创的流式多意图口语理解引擎，极大地提升了对人类随意、自然的口语表达的理解力，能够做到免唤醒的自然的人机交流式的语音交互。上述点单环节包含了修改、删除、加单等多轮对话，在整个交流过程中，顾客不需要说”hi，点单机“之类呆板的唤醒词，可直接下单，更符合人与人的自然对话。

据鄢志杰介绍，这些模块并非简单级联，而是深度融合形成了多模态语音交互方案，包括在公共场所强噪声环境下的信号处理和语音识别、视频识别与面部识别、场景感知等多模态融合的感知智能，同时更融合了流式对话、多轮多意图口语理解、业务知识图谱自适应等认知智能。“不只是语音识别，关键还能修正前面的指令，得有智能。”据了解，上述人工智能点餐系统已经全面开放了技术，会在全国铺开推广，武汉的落地应该很快。

此外，阿里云这项解决方案除了可以做收银员之外，还能在地铁卖票。目前，上海地铁已经部署了这一技术。

乘客直接说出目的地，售票机便可选择合适的站点和路线。这对于初到上海的乘客尤其帮助巨大，面对十几条线路三百多个站点谁都会懵。测试数据显示，普通买票耗时往往超过30秒，而语音购票全程只需要10秒左右。

目前已经落地的场景还有车内语音助手、电话智能客服、可免遥控器操作的远场语音电视、可精准区分多人对话的智能麦克风等。

【编辑：祝洁】

（作者：张珺 章胜)