當(dāng)前信息技術(shù)已經(jīng)進(jìn)入人機(jī)物融合、萬物智能互聯(lián)的階段，人工智能作為引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的重要戰(zhàn)略性技術(shù)，成為各行業(yè)數(shù)字化重構(gòu)的神兵利器。與我們生活息息相關(guān)的諸如智能家居、智能汽車、智慧手機(jī)等等終端設(shè)備的“智”化發(fā)展都離不開 AI 技術(shù)的支撐。

在移動終端設(shè)備中，人們?nèi)找媾噬耐ㄐ?、娛樂、辦公、出行等體驗(yàn)優(yōu)化需求，驅(qū)動著智能手機(jī)的不斷迭代。如今“一部手機(jī)走天下”的愿景已經(jīng)逐漸照進(jìn)現(xiàn)實(shí)，而 AI 憑借著巨大的發(fā)展?jié)摿Γ约皩π袠I(yè)多邊應(yīng)用的推動力，將成為用戶體驗(yàn)提升的關(guān)鍵技術(shù)，一個新的創(chuàng)新感知時代已經(jīng)來臨。

聚焦 AI 創(chuàng)想的無限可能，國內(nèi)手機(jī)大廠 vivo 基于用戶體驗(yàn)需求以及對智能終端行業(yè)敏銳的感知，向大眾展示了軟硬兼具的實(shí)力與美好藍(lán)圖。

深耕 AI，蓄力前行

自 2017 年起，vivo 便開始組建 AI 全球研究院，憑借著“希望幫助所有消費(fèi)者享受科技帶來的美好生活”的初心，不斷攻克技術(shù)壁壘、擴(kuò)充團(tuán)隊(duì)規(guī)模，下沉技術(shù)深度的同時，也在探索并布局應(yīng)用的多維度發(fā)展。

vivo 高級副總裁施玉堅(jiān)在 2022 vivo 開發(fā)者大會上表示，“我們堅(jiān)持用戶導(dǎo)向，從用戶的視角出發(fā)，穿著用戶的鞋子在企業(yè)里奔跑，堅(jiān)持設(shè)計(jì)驅(qū)動，通過設(shè)計(jì)驅(qū)動完成用戶導(dǎo)向的落地，并通過不設(shè)上限的持續(xù)研發(fā)投入，拓展消費(fèi)電子行業(yè)人文與科技的邊界?！?/span>

當(dāng) AI 重新定義世界，vivo 也在開拓邊界。經(jīng)過 5 年多的努力，今天的 vivo AI 全球研究院已經(jīng)有超過 1000 名 AI 工程師，在算法、數(shù)據(jù)、算力方面建立了全面的技術(shù)能力，全方位賦能了 vivo 的核心業(yè)務(wù)，覆蓋手機(jī)、互聯(lián)網(wǎng)、營銷等領(lǐng)域。

AI 打造 1001 個便利

基于“AI 打造優(yōu)質(zhì)體驗(yàn)”的技術(shù)驅(qū)動，vivo 希望依托 OriginOS 能力，以用戶使用手機(jī)的多元化場景為載體，致力于為用戶打造“1001 個便利”，讓科技照亮美好未來。

截至目前，OriginOS AI 已經(jīng)實(shí)現(xiàn)了 500 多個功能，涉及諸如娛樂時聽歌識曲、AI 字幕翻譯、屏幕朗讀，生活中提醒充電、取快遞，拍照時 AI 感知引擎讓顏色識別更準(zhǔn)確、清晰出片，工作時拍攝電腦屏幕消除摩爾紋，出行時自動彈出乘車碼通知等等使用場景，為用戶提供無處不在的驚喜。

vivo 不僅為普通用戶提供便利，為特殊人群也打造了諸多便捷功能。例如，針對聽障人士的日常溝通需求，vivo 整合了核心 AI 技術(shù)，聯(lián)合中國聽力醫(yī)學(xué)發(fā)展基金會發(fā)布了“聲聲有息”公益計(jì)劃，推出“無障礙通話”“vivo 聽說”及“聲音識別”等功能，為聽障人士搭建溝通的橋梁，營造更友好的信息無障礙社會環(huán)境。

vivo 堅(jiān)持以用戶為導(dǎo)向，持續(xù)發(fā)力技術(shù)創(chuàng)新，用有溫度的科技，讓每個人都能享受科技進(jìn)步帶來的快樂，用科技去照亮美好未來。

• AI 感知引擎：通過 AI 計(jì)算攝影技術(shù)讓手機(jī)能夠像專業(yè)攝影師一樣理解世界，通過智能的白加黑減和白平衡算法，使得純色場景能夠做到精準(zhǔn)還原。

• 琥珀掃描：運(yùn)用文檔圖像處理和 OCR 文字識別技術(shù)，讓手機(jī)化身為便攜掃描儀，辦公學(xué)習(xí)更加高效。

• 朗讀屏幕：基于 vivo 自研的個性化語音合成系統(tǒng)，研發(fā)出的豐富多元的合成聲音，解放雙手雙眼，為用戶打造流暢舒適的閱讀新體驗(yàn)。

• 翻譯機(jī)：支持二十多個主流語種的互譯，跨語言溝通不再有障礙，讓用戶生活學(xué)習(xí)隨心自由。

• Jovi 輸入法 Pro：自研拼音、語音、手寫三大輸入法 AI 內(nèi)核，和 OS 深度結(jié)合，為用戶提供安全、高效的輸入體驗(yàn)

• Jovi 語音助手：智能生活助理，用戶通過可以通過與手機(jī)的語音指令交互，解放雙手，一句話搞定各種復(fù)雜操作。

• vivo 手語識別虛擬人：既能流利地通過手語進(jìn)行表達(dá)，還能快速識別手語，幫助聽障人士與他人順暢溝通。

• ……

強(qiáng)大技術(shù)原力，創(chuàng)造用戶驚喜

便捷的服務(wù)、高效的體驗(yàn)往往需要強(qiáng)大的技術(shù)原力作為支撐。

圖像是日常生活中 AI 最常用的場景之一，我們拍照首先要拍得清，vivo AI 通過自主研發(fā)的文檔圖像處理引擎與 OCR 文字識別技術(shù)的核心算法，實(shí)現(xiàn)了囊括文檔掃描、實(shí)況文本、表格識別、試卷去手寫&算式批改等在內(nèi)的多重功能。

1. 文檔圖像處理引擎：可以對文檔進(jìn)行自動裁剪矯正以及超清修復(fù)，幫助用戶更便捷、更清晰的記錄好文檔。一方面通過優(yōu)化檢測、分割以及邊緣線精修三個模塊來共同提升檢測框的精度，同時，通過疊加光流跟蹤模塊，進(jìn)一步提升了檢測框的穩(wěn)定性。優(yōu)化后的檢測框做到了既準(zhǔn)又穩(wěn)，用戶在拍攝時可以享受一拍即得。此外，通過疊加全局超清模塊，不僅有效提升了文檔的色彩表現(xiàn)力，還能讓文字更加清晰和銳利，用戶一鍵即可自動完成之前需要多次操作才能完成的任務(wù)。通過超清修復(fù)，近距離拍屏幕可以去除摩爾紋，開會拍 PPT 能去除人頭遮擋。

2. OCR 文字識別引擎：能夠幫助用戶智能識別圖片中的文字，即便是褶皺彎曲的手寫字也能做到準(zhǔn)確快速的識別。在視覺模型的基礎(chǔ)上疊加了語言模型進(jìn)行融合識別，進(jìn)一步提升了模糊、手寫等低質(zhì)量圖像場景下的識別準(zhǔn)確率。同時，由于算法都是運(yùn)行在手機(jī)本地不需要傳輸網(wǎng)絡(luò)，不僅使得體驗(yàn)不受網(wǎng)絡(luò)穩(wěn)定性影響，還更好的保障了用戶的數(shù)據(jù)隱私安全。當(dāng)想要將書稿文字快速錄入筆記時，只需調(diào)起相機(jī)掃描就可以將文字實(shí)時上屏，不管是書稿還是手寫稿都可以做到又快又準(zhǔn)，高效提取。

把圖像拍清之后，下一步就是要把圖像拍好，因此 vivo 團(tuán)隊(duì)自 2018 年起便持續(xù)在 AI 計(jì)算攝影方面專注投入。今年，vivo 攜手蔡司基于 AI 計(jì)算攝影能力，從“智能白加黑減技術(shù)”和“智能白平衡技術(shù)”入手，還原極致色彩，讓拍攝充滿驚喜。

1. 智能白加黑減技術(shù)：vivo 在行業(yè)內(nèi)首次解決了“白加黑減”場景下曝光不準(zhǔn)確的問題。拋棄傳統(tǒng)十八度中性灰曝光方法中的測光假設(shè)，通過對畫面內(nèi)所有區(qū)域進(jìn)行觀察取值，基于深度神經(jīng)網(wǎng)絡(luò)模型估計(jì)最優(yōu)曝光參數(shù)。曝光準(zhǔn)確率超過行業(yè)競品 20%。

2. 智能白平衡技術(shù)：拋棄了傳統(tǒng)白平衡算法中的“灰世界”假設(shè)，考慮到亞洲人色彩恒常性的視覺特點(diǎn)，以及拍攝場景，從地域、光源、場景等多個維度構(gòu)建豐富的色彩數(shù)據(jù)集。再基于人工智能模型去實(shí)際學(xué)習(xí)人眼看到的色彩，從而獲得更準(zhǔn)確的白平衡參數(shù)。相對于行業(yè)競品，色彩精準(zhǔn)度提升 13%。

除了圖像處理之外，語音處理也是 AI 的另一個重要使用場景。vivo 的 AI 語音技術(shù)包括語音合成技術(shù)以及語音識別技術(shù)， 基于自研的語音合成系統(tǒng)，vivo 持續(xù)地研發(fā)出了豐富多元的合成聲音，實(shí)現(xiàn)了多音色、多風(fēng)格以及多情感的合成技術(shù)。通過端到端建模、AI 降噪以及場景化語言模型等方式，克服了口音、噪音和專業(yè)領(lǐng)域等導(dǎo)致的識別錯誤，極大提升了語音識別的準(zhǔn)確性。

面對日益豐富的國際交流和文化碰撞，vivo 通過機(jī)器翻譯技術(shù)助力用戶突破語言障礙。針對翻譯的重點(diǎn)人群、高頻場景、便捷入口均設(shè)計(jì)了產(chǎn)品方案，助力高效解決翻譯需求。

此外，Jovi 語音助手自推出以來，一直圍繞著便利的技能、豐富的知識、貼心的閑聊三個方向不斷提升。目前 Jovi 語音助手已經(jīng)支持超過 100 個場景垂類，超過 600 種用戶請求意圖，很好地滿足用戶在快捷操作、信息獲取、情感陪伴方面的需求。目前手機(jī)端日活已經(jīng)超過 1000 萬，每個月小 v 都會和用戶產(chǎn)生 18 億次對話，回答 2 億個問題。

當(dāng)然，AI 帶來的便利遠(yuǎn)不止這些，vivo 多年來深耕于手機(jī)使用典型場景的普適性和通用性，在智能終端行業(yè)內(nèi)牽頭實(shí)現(xiàn)應(yīng)用升級與迭代，反哺著行業(yè)創(chuàng)新發(fā)展，共同打造極致的用戶體驗(yàn)。

堅(jiān)持用戶導(dǎo)向，科技照亮美好未來

在人文關(guān)懷方面，經(jīng)過不懈的研發(fā)創(chuàng)新，vivo 實(shí)現(xiàn)了手語到文本再到語音的流暢互譯，推出了手機(jī)行業(yè)首個具備手語識別能力的虛擬人。目前的算法已經(jīng)可以識別 1200 個手語詞匯，準(zhǔn)確率在 80% 以上，已經(jīng)達(dá)到漢語四級的理解水平，同時在手語表達(dá)方面，目前覆蓋了國家手語通用詞典超過 8000 個詞匯。AI 手語虛擬人既能流利的通過手語進(jìn)行表達(dá)，還能快速識別手語看懂手語，幫助聽障人士更便捷地獲取信息，更高效地與人溝通。

理念牽引，實(shí)干專注。發(fā)展多年，vivo 始終深耕于科技行業(yè)，并向大眾展示了一系列布局與探索：vivo 影像戰(zhàn)略發(fā)布，打贏了手機(jī)攝影之戰(zhàn)；開啟自研芯片之路，向世界展示了 vivo 敢于向技術(shù)深水區(qū)邁進(jìn)的決心；堅(jiān)持長期主義，重視核心科技研發(fā)，更是 vivo 長久、健康發(fā)展的“形象標(biāo)簽”。

暢想未來，vivo 將 AI 技術(shù)作為又一個研發(fā)重點(diǎn)：一方面 vivo 將在計(jì)算攝影、文檔掃描、語音技術(shù)、語義技術(shù)、機(jī)器翻譯、計(jì)算加速平臺、vivo 開發(fā)者平臺 AI 專區(qū)七大方向持續(xù)發(fā)力；另一方面 vivo 計(jì)劃逐步開放這些領(lǐng)先的 AI 能力，攜手行業(yè)伙伴合作共創(chuàng)，比肩為消費(fèi)者打造極致的體驗(yàn)，更是展現(xiàn)了手機(jī)行業(yè)巨頭的格局擔(dān)當(dāng)。在這條鮮有前人的道路上與開發(fā)者們同行，為 5 億多全球 vivo 用戶以及更多消費(fèi)者提供方方面面、無處不在的驚喜與激動人心的體驗(yàn)，打造“1001 個便利”。

走出方寸天地，擁抱行業(yè)變幻。如何滿足用戶體驗(yàn)，技術(shù)可以下沉到何種程度，手機(jī)產(chǎn)品如何在激烈的市場競爭中搶得關(guān)鍵先機(jī)？我們看到，vivo 一一給出了最優(yōu)解。正如施玉堅(jiān)所說，“我們堅(jiān)持從用戶的真實(shí)需求出發(fā)，不斷創(chuàng)新和優(yōu)化產(chǎn)品、以人文理念思考解決方案，努力成為更強(qiáng)大、更值得信賴的平臺。”

科技帶來美好生活，未來的 vivo 將成就怎樣的自身以及行業(yè)，讓我們拭目以待。