专题演讲嘉宾：倪博溢

应用于呼叫中心的语音机器人是在互联网金融等等许多领域广泛采用的用户触达工具，它利用AI能力实现了和大批量用户的自动化交互，以达成业务的各种任务目标，如信息送达、营销、身份核实贷后管理等。

大模型技术在多个领域，特别是自然语言处理能力、对话方面，能力水平上有了质的飞跃，这给语音机器人的能力提升带来了巨大的想象空间。本次演讲将概括梳理信也的语音机器人领域的一些大模型应用的尝试，来展示大模型技术对传统上较为成熟的AI应用领域带来的变革。

在复杂的业务场景下，语音机器人不是独立工作的，它的上下游有很多环节，如呼叫和策略模块，对话分析和效果评估模块，质检和标注模块等等。大模型的作用是在合适的场景下，从效率、成本、效果和能力方面对原语音机器人的生态进行升级。通过一年多的实践，大模型的作用是被实践验证了的，并且仍然在持续加速迭代，拥有广阔的前景。

演讲提纲：

1. 大模型在传统建模方面带来的变革

• 快速搭建特征抽取工程、NLU 方面的功能，
• 大模型可以快速适配多种 NLP 任务，实现自动标注、以辅助模型训练
• 对话结论支持策略选择

2. 大模型在对话方面带来变化

• 大模型经对话微调后，进行直接对话服务
• 大模型如何利用历史数据、知识和对话历史训练坐席的模型
• 大模型对话管理的能力
• 大模型在座席对话质检、培训中作用

3. 大模型在语音处理上带来的变化

• 大模型训练 ASR
• 大模型 TTS 模型的作用
• 语音和文本的多模态模型

4. 大模型和 AIGC 技术给原 AI 框架带来革新的动力

• 开拓新场景、新语言、新功能的加速
• 大模型简化 AI 开发成本和开发逻辑带来的好处

听众收益：

• 从互金的一个赛道（语音机器人），可以管窥整个互金行业和 AI 技术的深度融合程度
• 系统地了解大模型在落地实践中的关键点，给实际业务带来的增益的方法论

方案痛点：

• 大模型在实际应用的问题是从通用能力到特定业务能力转变的过程中，有效果的损失、成本的升高、甚至在具体指标上还是落后于传统 AI 建模的效果，因此，找准大模型的落地点，以及和传统 AI 的结合，仍是一个长期的任务