當前位置：大數據 → 業界動態 → 正文

專注于場景大數據，希爾貝殼為客戶提供垂直精準的數據定制服務

責任編輯：editor007 作者：都保杰 |來源：企業網D1Net 2017-09-04 20:20:51 本文摘自：獵云網

隨著AI商業化的演進，現在做人工智能產品和服務的公司越來越多了，談及人工智能就少不了討論算法和數據的關系，在業內人士看來，實際應用過程中很多時候數據比算法顯得更加重要，因為算法的“好壞”在沒有大量有效數據的支撐下是沒有意義的，很多算法得到的結果的質量完全取決于其和真實數據的擬合程度。

于是，在人工智能產業鏈上誕生了許多專門做數據的公司，希爾貝殼也是一家數據服務商，公司注冊成立于2017年4月，算是剛剛起步，面對市場競爭，這家公司和其他數據公司相比有什么特別之處呢？

希爾貝殼創始人兼CEO卜輝介紹說：“目前人工智能數據服務商，基本上是以提供人力服務為主而技術輔助和方案設計能力有限。而希爾貝殼可以從參與客戶的數據制作方案開始，我們知道怎么做才能夠讓客戶得到最合理最有價值的數據，以及落地產品怎么用好這些數據，我們還會利用一些技術手段對數據做測試，去發現數據是否存在問題，這兩個事情是一般基礎數據服務商做不到的。”

制作一套有價值的數據是有其科學性的，人工智能行業目前存在的痛點性問題和剛性需求就是，很多初創型AI公司由于數據經驗不足，一套數據對自己的算法是不是真正有價值，對算法是不是會有提升也是疑惑的。而傳統數據服務商本身沒有提供數據制作方案的能力。數據工作是不可復的，一旦數據采集完成，你只能用這個數據或者重新做數據，時間不可回流的，對于企業來說可能意味著失去寶貴的市場機會。

據悉，卜輝本人是韓國高麗大學碩士畢業，在大學語音信息處理實驗室期間一直在做語音識別方向的研究，有過半年研究員的經歷。2014年初，國內人工智能大潮逐漸興起，他選擇回國，之后進入了中國大數據交易及服務行業第一家掛牌新三板的企業：數據堂，在數據堂工作了兩年多時間，主要工作內容是策劃人工智能大數據制作方案，尤其是在語音數據這個領域。2016年底他選擇自己出來創業，融合自身的技術優勢以及數據設計方案的經驗，成立了希爾貝殼。

“希爾貝殼的商業模式是分階段的呈現，現有的模式就是針對于場景語音大數據，場景語音大數據會涉及到智能家居場景，智能車載場景以及其他場景，我們也有幾款自己的數據產品，比如說智能家居的語音數據產品，智能車載的以及一些基礎的中文普通話的數據產品，我們也會幫客戶去定制一些場景的大數據。同時我們還會不斷開源一些有市場和研發價值的數據出來，例如在今年7月份開源的aishell中文普通話精標數據集，我們把數據放到了開源ASR系統KALDI里，讓更多的人能進入語音識別這個領域去學習、研究。”

據了解，希爾貝殼的數據產品目前以語音數據為主，主要涵蓋：智能家居、智能車載、智能機器人、基礎數據、開源數據五方面。現有智能家居場景語音數據錄音時長1800-2100小時；智能車載語音數據錄音時長750小時；智能機器人語音數據錄音時長：21-25小時；中文普通話語音數據錄音時長1250小時；基于kaldi的中文普通話開源語音數據庫錄音時長178小時。針對語音識別的研究人員以及一些新創業的AI公司而言，這些數據雖然量不夠大但會是一個起步的助力。

核心技術方面，希爾貝殼擁有自己的一套語音識別引擎，自然語言處理系統，以及發音詞典的生成模型等，針對數據行業存在的問題希爾貝殼研發了4套系統來用智能輔助代替大量人工：語音數據源質量評測系統，用來評測語音信號幅度、噪音、轉寫錯誤率判定、音素平衡校準。語音自動轉寫系統，支持普通話和英文語音，減少人工輔助；場景數據集測試系統，支持遠場數據集加噪、多距離數據混響性能測試，支持車載數據集與駕駛條件下環境相符度測試；音頻檢索系統，輔助語音數據歸類。

卜輝說：“第一我們會逐漸用技術手段去減少人工的成本，第二讓數據更有價值，比如說，我們用自有的技術去提前體驗做好的數據，幫助客戶提前預知數據產品的錯誤和BUG在哪里，我們去改正去修補，讓這個數據的價值體現在客戶使用之前，而不是客戶使用之后才發現一些問題；第三個服務方向，我們正在嘗試新一代的人工智能大數據制作方案和制作方法，目前來說基本上在語音識別、圖像識別、自然語言處理都是很單向的，我們會嘗試多模態的數據，多種融合的數據。”