百度開放大批語音黑科技，人機(jī)交互大變革將至

11月22日，百度語音開放平臺(tái)三周年慶活動(dòng)在京舉辦，百度宣布將向公眾開放四個(gè)全新的語音技術(shù)接口。據(jù)百度公司首席科學(xué)家吳恩達(dá)介紹，這四項(xiàng)語音技術(shù)分別為情感合成、遠(yuǎn)場方案、喚醒二期技術(shù)和長語音方案，即日起這幾項(xiàng)旨在提升語音交互用戶體驗(yàn)和推動(dòng)語音交互落地普及的技術(shù)，將免費(fèi)開放給用戶和開發(fā)者共享。

智能語音交互，前景與問題交織

智能語音交互作為一個(gè)依仗新興技術(shù)而誕生發(fā)展的行業(yè)，不僅有著充足的發(fā)展?jié)摿ΓS著近年相關(guān)技術(shù)的快速迭代迎來了爆發(fā)期。

中國工信部的報(bào)告指出，2016年全球智能語音產(chǎn)業(yè)規(guī)模為82.3億美元，近五年復(fù)合增長率高達(dá)35.1%，而根據(jù)Research and Markets 發(fā)布的調(diào)查數(shù)據(jù)顯示，2020年全球智能語音市場規(guī)模預(yù)計(jì)將達(dá)到191.7億美元。因此對(duì)于科技巨頭來說，這一領(lǐng)域已經(jīng)成為兵家必爭之地。

事實(shí)上國內(nèi)外諸多科技巨頭近年來都已意識(shí)到了語音交互行業(yè)的發(fā)展?jié)摿Γ⒓娂娫谶@一領(lǐng)域大展拳腳。亞馬遜旗下家庭智能語音交互產(chǎn)品Amazon Echo就幫助其占據(jù)了智能家居語音交互領(lǐng)域的半壁江山，蘋果的Sir更以問答交互形式開啟了語音交互新世界的大門，除此之外，微軟、谷歌、Facebook、百度、訊飛等國內(nèi)外巨頭都早已在這一領(lǐng)域爭相競逐。

但在巨頭紛紛布局的今天，智能語音行業(yè)仍然存在不少問題。語音交互產(chǎn)品在識(shí)別快速話語時(shí)，往往或難以識(shí)別或頻頻出錯(cuò)，而這與開發(fā)者語音識(shí)別技術(shù)的不到位有著直接關(guān)系。此外，語音交互助手目前的應(yīng)用場景仍然談不上寬泛，當(dāng)前一些已知的應(yīng)用場景不要說智能化，甚至給人一種生搬硬造應(yīng)用場景的感覺。

事實(shí)上，不同于移動(dòng)互聯(lián)網(wǎng)技術(shù)的全面開花，當(dāng)前的智能語音交互行業(yè)很大程度上都是各家企業(yè)在閉門造車，行業(yè)環(huán)境不夠開放是最大的問題。技術(shù)上的缺乏交流制約著行業(yè)的進(jìn)一步提升。而本次百度開放關(guān)鍵性技術(shù)則對(duì)改善上述問題明顯有著重要意義，通過多項(xiàng)關(guān)鍵技術(shù)的開源共享，行業(yè)死水將被盤活，當(dāng)前行業(yè)因技術(shù)障礙存在的問題，比如語音識(shí)別距離短，語音喚醒率不盡如人意等勢必將得到改善。

百度的四項(xiàng)技術(shù)，應(yīng)用與指導(dǎo)意義

本次百度宣布開放共享的情感合成、遠(yuǎn)場方案、喚醒二期技術(shù)和長語音方案這四項(xiàng)技術(shù)，實(shí)質(zhì)上包含的是語音交互領(lǐng)域的合成，識(shí)別，喚醒和理解這四大基礎(chǔ)板塊。

語音合成技術(shù)歷來給用戶的印象或許就是機(jī)械，刻板的電子聲，而這種不自然的聲音也在一定程度上影響了用戶群體對(duì)智能語音產(chǎn)品的接受程度。而百度的情感合成技術(shù)通過百小時(shí)級(jí)別以上的語音音控大數(shù)據(jù)采集和獨(dú)有的人類發(fā)言韻律停頓預(yù)測技術(shù)處理后，電子聲變得更加接近真人聲音，一個(gè)典型的例子是百度今年早些時(shí)候曾利用此技術(shù)，復(fù)原已逝明星張國榮的聲音。

而遠(yuǎn)場方案則對(duì)解決智能語音交互技術(shù)的應(yīng)用場景不夠?qū)挿簡栴}有重要意義，這項(xiàng)技術(shù)得到分享之后，開發(fā)者可以利用這一接口，使語音識(shí)別距離增加到3到5米，同時(shí)擁有93%以上的語音識(shí)別率，這將為語音技術(shù)帶來遠(yuǎn)比現(xiàn)在更多的想象空間，而不只是遙控電視或解鎖手機(jī)。

作為業(yè)界公認(rèn)的智能語音交互的基礎(chǔ)組成技術(shù)，所謂喚醒可以簡單的視為給智能語音產(chǎn)品加上了一雙“耳朵”，有了這一能力，產(chǎn)品才能聽到用戶的呼喚并響應(yīng)操作。百度語音喚醒技術(shù)則有以下幾個(gè)特點(diǎn)：支持用戶自定義喚醒詞，不僅滿足了用戶的個(gè)性化需求，在與系統(tǒng)指令喚醒詞相結(jié)合之后還提升了產(chǎn)品性能，比如可同時(shí)下達(dá)拍照和照明的指令；加入雙層解號(hào)器，提高了喚醒準(zhǔn)確率，目前百度語音喚醒準(zhǔn)確率高達(dá)95%，誤報(bào)次數(shù)被控制在24小時(shí)一次以內(nèi)；在喚醒功耗方面，百度語音喚醒的功耗則是國內(nèi)很多競品的三分之一。

當(dāng)前市場上的主流語音識(shí)別應(yīng)用，其絕大部分都是短語音識(shí)別。比如搜索使用的是關(guān)鍵詞，地圖語音輸入的是地址，語音助手輸入的是指令，輸入法使用語音看似是長語音，實(shí)際上最長支持不超過60秒。因此，長語音識(shí)別技術(shù)再次拓寬了智能語音交互的應(yīng)用場景，一個(gè)簡單的例子就是語音輸入法不再受時(shí)間限制，用戶可以用口述“寫文章”，“寫日記”。而長語音使用環(huán)境下，語音識(shí)別的準(zhǔn)確率既是重點(diǎn)，也是難點(diǎn)，百度長語音技術(shù)則從多個(gè)方面實(shí)現(xiàn)了突破：使用了LSTM對(duì)語音進(jìn)行噪聲進(jìn)行建模，切分準(zhǔn)確率超過99%；生成模型使用了說話人自適應(yīng)，保證了每個(gè)人說話時(shí)間越長識(shí)別效果就會(huì)越好；還實(shí)現(xiàn)了對(duì)識(shí)別結(jié)果的智能糾錯(cuò)，從結(jié)果層面保證了識(shí)別準(zhǔn)確率。

不難看出，百度開放的這四項(xiàng)全新技術(shù)對(duì)于當(dāng)前智能語音交互領(lǐng)域技術(shù)的推進(jìn)、落地和產(chǎn)品的優(yōu)化有著重要作用。事實(shí)上，這些技術(shù)并不僅僅存在于理論上或?qū)嶒?yàn)室中，百度已經(jīng)在多個(gè)實(shí)際場景中成功運(yùn)用了這些技術(shù)，與包括聯(lián)想、中興、長虹、康佳、SONY、特斯拉、途勝、惠普、艾米通訊等手機(jī)、家居、汽車、服務(wù)行業(yè)的眾多企業(yè)均展開了合作，新興技術(shù)的成功落地應(yīng)用對(duì)整個(gè)語音交互行業(yè)走下云端普惠C端有著一定的指導(dǎo)作用。

新一輪變革在即，產(chǎn)業(yè)化時(shí)代來臨

到目前為止，百度語音開放平臺(tái)已經(jīng)交出了一份令人滿意的答卷，平臺(tái)開發(fā)者數(shù)量已超過14萬,每天識(shí)別的在線請求數(shù)在1億以上,合成的在線請求數(shù)在2億以上，百度語音搜索的整體用戶量在2015年增長超過3倍。

而在此之前，百度也已經(jīng)開源了深度學(xué)習(xí)開源平臺(tái)PaddlePaddle、人工智能技術(shù)平臺(tái)Warp-CTC等，同樣推動(dòng)了新興技術(shù)的傳播與發(fā)展，對(duì)業(yè)界產(chǎn)生了積極影響。隨著語音交互領(lǐng)域多項(xiàng)先進(jìn)技術(shù)的開源，這一領(lǐng)域的競爭將變得更加激烈，同時(shí)將有更多科技巨頭愿意分享先進(jìn)技術(shù)，推動(dòng)行業(yè)發(fā)展。

更重要的是，傳統(tǒng)的語音交互技術(shù)將受到極大挑戰(zhàn)，例如百度當(dāng)前的語音交互架構(gòu)相對(duì)于工業(yè)界主流的CLDNN 結(jié)構(gòu)，錯(cuò)誤率相對(duì)降低了10%以上，共享技術(shù)之后，當(dāng)前主流架構(gòu)將被逐漸淘汰已經(jīng)在情理之中。同時(shí)，在快速發(fā)展、迭代的語音技術(shù)下，組建新知識(shí)產(chǎn)權(quán)產(chǎn)業(yè)聯(lián)盟已經(jīng)勢在必行，業(yè)界先例是2015年底百度開放上百項(xiàng)智能語音專利并與海爾、京東、中興通訊在內(nèi)的 20 多家企業(yè)組建了智能語音知識(shí)產(chǎn)權(quán)產(chǎn)業(yè)聯(lián)盟，

隨著語音交互技術(shù)的進(jìn)一步開放，這種開放式創(chuàng)新和開放式知識(shí)產(chǎn)權(quán)許可的結(jié)合，或許會(huì)取代傳統(tǒng)的語音專利池，成為智能語音未來的產(chǎn)業(yè)核心模式。事實(shí)上，在百度、谷歌、亞馬遜等國內(nèi)外科技巨頭的緊逼下，智能語音行業(yè)格局已然改變，傳統(tǒng)語音技術(shù)巨頭Nuance集團(tuán)在2014年還占據(jù)語音交互領(lǐng)域60%市場份額，2015年末就遭到腰斬，僅為31%，隨著行業(yè)技術(shù)的開放和發(fā)展，產(chǎn)業(yè)格局將繼續(xù)發(fā)生變化。

可以說，隨著技術(shù)的開放和進(jìn)步，語音交互的應(yīng)用場景將更加寬泛，落地商用速度也將加快，語音交互領(lǐng)域即將進(jìn)入大規(guī)模產(chǎn)業(yè)化的時(shí)代，新一輪的變革來臨之際，核心技術(shù)和能力比拼正是個(gè)中關(guān)鍵，誰能掌握這兩點(diǎn)，誰就能獲得領(lǐng)跑的資格，而對(duì)于用戶群體來說，智能語音交互的未來足夠光明值得期待。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。