作為時下最熱的賽道之一，新能源汽車制造業的“內卷”程度有目共睹。而電動化、智能化、網聯化、自動化的“新四化”發展趨勢，也正重新定位汽車行業的價值鏈。

本期客戶就是國內高端智能電動汽車領航者之一，其愿景是將智能汽車打造為數智化第三空間。

客戶需求背景

一直以來，智能駕艙都是客戶公司“智行”戰略重點方向之一，是客戶產品的重要賣點。在接觸Magic Data前，客戶已有部分基礎智能模型，秉承著更好服務車主的想法，客戶希望借助Magic Data全鏈條數據服務，通過迭代當前基礎模型和不斷增加新功能，實現產品智能座艙差異化優勢，打造市場領先產品。

其中，客戶需求重點是針對自然對話場景迭代人機交互模型（特別是提高噪音環境下的識別），提高智能助手的語音識別、交互理解能力以及常見使用場景下的任務完成能力（對話場景下的具體任務，例如：訂餐）。

客戶痛點與挑戰

受限于數據合規、語料不足等問題，客戶座艙內語音助手模型迭代存在一些掣肘，如：

• 缺乏可用的艙內對話數據：客戶直接使用用戶艙內數據可能存在合規風險，進而導致模型迭代進度滯后。
• 缺乏對話數據中具體場景、領域對話數據：當前市面上，垂直領域對話數據稀缺，導致模型多輪對話訓練難以正常進行。
• 個性化控制命令泛化語料匱乏：對于艙內人機交互現有的，以及在使用中用戶新產生的個性化指令與需求，需要有基于真實場景下的個性化定制數據供模型訓練使用。

客戶希望借助Magic Data的服務，使模型達到“無論用戶有什么新的想法、需求，艙內智能助手都能夠順利識別用戶意圖并與之產生自然交互”的成熟狀態。

Magic Data解決方案

Magic Data通過與客戶多次深入溝通，分析客戶的需求，針對客戶痛點提供了成品數據集為主、定制化采標為輔助的整體解決方案：

• 針對艙內人機交互不自然問題，Magic Data提供了大量基于模擬真實場景下的自然對話成品數據集，包括無噪音及帶噪音模擬艙內對話數據，包含人們自然說話狀態下可能包含的猶豫、遲疑等發音特點，幫助提升機器在自然對話場景下的語音識別準確率。
• 針對智能助手完成功能型任務需求，Magic Data提供了各類領域相關對話數據，如旅游度假、數碼產品、休閑娛樂、商業經濟、家庭生活等領域的豐富多樣的主題語料，幫助提高機器完成特定領域具體任務能力。
• 針對命令控制的泛化需求，Magic Data在提供成品泛化庫同時，提供了定制命令泛化服務。針對單個功能點，最多泛化語料高達400條，以覆蓋用戶可能使用的每個潛在短語，幫助機器準確捕捉用戶意圖。

（為了確保數據的高質量合規交付，Magic Data提供的成品數據集及定制采標數據都經由智能標注平臺Annotator和文本泛化平臺處理。）

方案中使用的部分Magic Data成品數據集

（點擊可直接跳轉）

ASR：

MDT-ASR-C001中文普通話朗讀音頻數據集–人機交互、命令控制

MDT-ASR-E056中文普通話對話音頻數據集–自由對話

MDT-ASR-G022實驗室級語音數據集–自由對話

NLP:

MDT-NLP-B002中文命名實體識別語料庫–中文新聞命名實體

MDT-NLP-G030中文車載命令控制文本語料庫–空調命令文本母句，含有槽位及槽值

MDT-NLP-G031中文車載命令控制文本語料庫–座椅命令文本為母句數據，涉及到動詞及句式的泛化，對功能（實體），連詞及介詞充分設計成槽位及槽值

TTS:

MDT-TTS-D003中文女聲情感TTS數據集–親切女生（中文、英文、中英混）

MDT-TTS-G005中文男聲TTS多情感庫–男中音（中文）

客戶反饋

通過采用Magic Data整體數據解決方案，客戶高效完成了其智能座艙人機交互系統迭代，智能語音識別模型性能有顯著提升，特別是在自然對話交互中，字識別錯誤率下降了大約30%。對此，客戶表示：”Magic Data的專業團隊反饋高效，可以在最短時間內明確我們的需求并提供相應的整體解決方案，對于我們這類時間緊迫的項目有相當大的幫助”。