“儂好”“雷猴”，我國地域廣闊，漢語方言眾多，但百度語音識別技術(shù)能準(zhǔn)確識別上述方言的意思為“你好”，這是百度硅谷人工智能實驗室推出的全新深度語音識別系統(tǒng)(Deep Speech2)的突出特點之一。日前，美國雜志《麻省理工評論》將該系統(tǒng)列為2016年十大突破技術(shù)之一，并稱百度在世界語音交互技術(shù)領(lǐng)域做出了突出貢獻——將語音識別和自然語言理解相結(jié)合，為世界上最大的互聯(lián)網(wǎng)市場創(chuàng)造了切實可用的語音接口。
早在2014年底，百度硅谷人工智能實驗室即發(fā)布了第一代深度語音識別系統(tǒng)(Deep Speech)，通過采集9000余人共計7000小時的語音會話片段，將這些片段與包含餐廳、地鐵、火車等公共場所的背景噪音相結(jié)合，進而形成了10萬小時左右的語音會話數(shù)據(jù)集，并通過端對端的深度學(xué)習(xí)技術(shù)對外界的聲音和其他數(shù)據(jù)進行識別，從而大幅提升了嘈雜環(huán)境下的英語語音識別的準(zhǔn)確率。
一年后，該實驗室針對語音識別技術(shù)再次取得突破性進展，研發(fā)出全新的第二代深度語音識別系統(tǒng)(Deep Speech2)。這一系統(tǒng)構(gòu)建了“深度的神經(jīng)網(wǎng)絡(luò)”，能將聲音與單個字或短語關(guān)聯(lián)起來，同時基于數(shù)以百萬計的轉(zhuǎn)錄語音，使得該系統(tǒng)在識別漢語語音方面要比人為識別更加準(zhǔn)確。據(jù)了解，該技術(shù)能使語音識別相對錯誤率比現(xiàn)有技術(shù)降低15%以上，使?jié)h語安靜環(huán)境普通話語音識別的識別率接近97%。
由于漢語拼音由聲母和韻母共同組成，在移動產(chǎn)品終端上進行漢字拼寫輸入十分繁瑣,因此我國是發(fā)展語音接口的理想市場。目前，百度深度語音識別系統(tǒng)已將用戶從傳統(tǒng)的拼寫輸入漢字發(fā)出指令中解放出來，實現(xiàn)了語音輸入。同時，該技術(shù)也被應(yīng)用在百度新聞APP中，用戶可以下拉新聞列表呼出語音播報功能，富有磁性的男聲就會開始朗讀最新的新聞信息。
據(jù)了解，截至2015年底，百度針對相關(guān)技術(shù)已提交中國專利申請500余件，通過《專利合作條約》(PCT)途徑提交專利申請30余件，技術(shù)涉及語音識別、語音合成、聲紋識別、聲學(xué)信號處理等。同時，百度積極聯(lián)手海爾、京東等公司聯(lián)合發(fā)起成立了智能語音知識產(chǎn)權(quán)產(chǎn)業(yè)聯(lián)盟，旨在通過組建專利池，引導(dǎo)和促進語音技術(shù)跨行業(yè)的實施和應(yīng)用，推動語音相關(guān)產(chǎn)業(yè)的發(fā)展，同時降低國內(nèi)企業(yè)的專利侵權(quán)風(fēng)險。
隨著百度語音技術(shù)的不斷進步和專利布局的愈發(fā)完善，語音識別技術(shù)將更廣泛地運用于人們與各種設(shè)備的互動。不久的將來，語音識別技術(shù)將不再局限于幾個預(yù)設(shè)的命令，用戶將可以通過語音虛擬助理控制家中所有的智能電器，甚至實現(xiàn)與智能家居的對話交流。
a&s傳媒是全球知名展覽公司法蘭克福展覽集團旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產(chǎn)業(yè)前沿產(chǎn)品、技術(shù)及市場趨勢的專業(yè)媒體傳播和品牌服務(wù)。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經(jīng)驗，提供媒體、活動、展會等整合營銷服務(wù)。
粵公網(wǎng)安備 44030402000264號
