語音識別是AI重要一環(huán) 智能語音引發(fā)巨頭混戰(zhàn)

11月22日，百度公司首席科學(xué)家吳恩達(dá)在談到百度語音技術(shù)的最新進(jìn)展時，對外介紹了百度這四項語音技術(shù)，并宣布將免費開放給用戶和開發(fā)者。

?

“我們已經(jīng)站在人工智能的黎明?！眳嵌鬟_(dá)對媒體作出樂觀的預(yù)測，他希望通過開放人工智能技術(shù)，讓每個人都能更容易地開發(fā)出“智應(yīng)用”。

?不過，站在“黎明”的人工智能何時能有“質(zhì)”的跨越，或許還需時日。一個細(xì)節(jié)是，在接受記者采訪的會議室里，吳恩達(dá)座位不遠(yuǎn)處還是坐了一位實時整理文字的速記人員。

　 　　　　智能語音：已超正常人類的識別能力
　　
　　事實上，開放語音API（應(yīng)用程序編程接口）已經(jīng)成為行業(yè)趨勢。
　　
　　今年3月時，谷歌在Next云計算大會上發(fā)布了面向開發(fā)者的新機器學(xué)習(xí)平臺，并開放語音識別的API，即谷歌語音搜索和語音輸入的支持技術(shù)。Google Cloud SPeechAPI一開始將免費提供，以后再進(jìn)行收費。這一應(yīng)用包括了80多種語言，適用于各種實時語音識別與翻譯應(yīng)用。
　　
　　在開放背后，互聯(lián)網(wǎng)公司希望借此推動智能語音模型的進(jìn)一步演進(jìn)和智能語音技術(shù)的快速普及。
　　
　　對于百度公布的四項語音技術(shù)，吳恩達(dá)說，目前百度還沒有收費的計劃，這些技術(shù)旨在解決用戶在使用語音交互的場合時，普遍感到困擾的一些關(guān)鍵問題。“目前的語音識別已經(jīng)超過了正常人的語音識別能力。”
　　
　　以情感合成為例，主要是基于深度學(xué)習(xí)和大數(shù)據(jù)處理技術(shù)，在數(shù)據(jù)采集、處理、建模等環(huán)節(jié)進(jìn)行一系列創(chuàng)新，實現(xiàn)更富有表現(xiàn)力的自然朗讀效果。
　　
　　讀者甘肅數(shù)碼科技有限公司總經(jīng)理金大時告訴記者，目前“讀者數(shù)字農(nóng)家書屋”在甘肅慶陽市試點，根據(jù)百度大數(shù)據(jù)合成情感語音實現(xiàn)書籍有聲閱讀，讓很多不識字的老年人和留守兒童也享受到了閱讀的樂趣。
　　
　　而遠(yuǎn)場方案技術(shù)則是百度自主研發(fā)的遠(yuǎn)場識別技術(shù)，基于麥克風(fēng)陣列，利用麥克風(fēng)陣列束形成、語音增強、回聲消除、聲源定位等技術(shù)綜合實現(xiàn)高準(zhǔn)確率遠(yuǎn)場識別。
　　
　　百度稱，開發(fā)者可以通過這一新的技術(shù)接口，使語音識別距離增加到3~5米，設(shè)備的語音喚醒率提升到95%以上，或解決長時間語音識別的準(zhǔn)確率問題。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。
　　
　　例如，百度在上?？系禄炫灥晖度胧褂玫摹靶《?a href="http://srfitnesspt.com/soft/data/42-101/" target="_blank">機器人人機語音交互點餐”，可遠(yuǎn)距離隨時應(yīng)答點餐。