百度語音技術(shù)媒體溝通會：百度展現(xiàn)多終端一體“音入口”布局能力

 　　2016年6月23日，百度語音技術(shù)媒體溝通會在北京百度大廈召開，百度語音技術(shù)部總監(jiān)高亮、高級經(jīng)理劉洋、技術(shù)架構(gòu)師謝延，及百度語音開放平臺高級產(chǎn)品經(jīng)理何蕩向與會媒體及專家講解和演示了百度語音技術(shù)的最新進展。與此同時，小度機器人和搭載百度車聯(lián)網(wǎng)CarLife的2016款途勝亮相現(xiàn)場，展現(xiàn)了百度語音技術(shù)多終端一體“音入口”的未來布局。未來的人機交互將更多通過聲音進行，任何終端都“一音進入”。

　　百度語音技術(shù)：識別準確率達97%，請求量每天過億

　　在語音技術(shù)最為核心的語音識別、語義解析、語音合成三種技術(shù)之中，百度語音不但在技術(shù)上處于業(yè)界領(lǐng)先地位，同時也是業(yè)界最為開放的免費語音技術(shù)服務(wù)供應(yīng)商。目前，百度安靜環(huán)境下普通話語音識別準確率已達到97%，超過正常人的聽力水平;百度語音合成技術(shù)亦引入了深度學(xué)習(xí)技術(shù)，可根據(jù)大數(shù)據(jù)情感合成明星個性音;百度語義理解技術(shù)支持超過56個領(lǐng)域自定義適配。

　　目前，使用百度語音的App數(shù)量8萬+,每天語音識別請求量1億+，每天語音合成請求量2.5億+。重量級行業(yè)用戶包括智能手機領(lǐng)域的聯(lián)想、中興、魅族等;智能家居領(lǐng)域的聯(lián)想、康佳、SONY等;汽車行業(yè)的特斯拉、比亞迪等;智能設(shè)備領(lǐng)域的惠普、三諾、艾米通訊等。

　　超越蘋果與谷歌：百度語音技術(shù)國際領(lǐng)先

　　會上，百度語音向眾多媒體代表展示了技術(shù)實力。在語音識別領(lǐng)域，不論是童聲發(fā)音或者是方言，百度語音均能準確識別，令人印象深刻;在語音合成領(lǐng)域，情感小說合成、明星語音、名人聲音均惟妙惟肖，令人嘖嘖稱奇。

　　據(jù)了解，這些令人拍案叫絕的效果，源于百度語音的技術(shù)積累。2014年12月，百度稱語音識別技術(shù)取得重大突破，語音識別效果超過谷歌和蘋果。在嘈雜的背景中進行測試的結(jié)果顯示，百度的DeepSpeech語音識別技術(shù)DeepSpeech的錯誤率比谷歌語音API、wit.ai、微軟必應(yīng)語音和蘋果Dictation低了10%。2015年11月，百度硅谷實驗室推出新一代深度語音識別系統(tǒng)(Deep Speech 2)，被美國權(quán)威雜志《麻省理工評論》列為2016年十大突破技術(shù)之一，也是唯一來自中國科技公司的科技成果。

　　在語音合成技術(shù)上，百度已實現(xiàn)了業(yè)界領(lǐng)先的拼接合成和參數(shù)合成兩項技術(shù)的研發(fā)。拼接式合成，基于海量文本語料的自然語言理解技術(shù)和深度加工的專業(yè)發(fā)音庫，經(jīng)過多層次的建模讓韻律表現(xiàn)更穩(wěn)健又有表現(xiàn)力。而其智能的彈性單元挑選策略，能從大規(guī)模錄音語料庫中找到所求。由于拼接合成所需資源較多，所以通過在線合成的方式提供服務(wù)。參數(shù)合成則來源于高質(zhì)量聲學(xué)建模和模型壓縮技術(shù)，以及音質(zhì)優(yōu)良的聲碼器技術(shù)，在大大降低資源的同時，可以離線生成接近真人發(fā)聲的合成效果。

　　開放兩項重要語音技術(shù)：未來任何終端將“一音進入”

　　會上，百度語音宣布進一步對外開放兩項重要語音技術(shù)，即喚醒技術(shù)與自定義語義技術(shù)。通過小度機器人和搭載百度車聯(lián)網(wǎng)CarLife系統(tǒng)的2016款途勝演示，與會者見證了百度語音合成和基于自然語言理解的強大交互能力。

　　百度喚醒技術(shù)喚醒率達95%，支持自定義喚醒詞和連續(xù)表達，輕量級、易集成。不論用戶是通過語音說出“小度你好，請播放一首古典音樂”的指令，或者“小度你好，帶我去附近的加油站”的請求，都能得到迅速響應(yīng)，除了應(yīng)用于車聯(lián)網(wǎng)外，還可以廣泛應(yīng)用于手機、電視等不同終端。而自定義語義功能，則開放了語義和語音的映射能力，能幫助眾多開發(fā)者和第三方廠商更快更準地提升識別率。

　　提及百度免費開放兩項語音技術(shù)的意義，百度負責(zé)人表示，這些能力背后是百度的人工智能和大數(shù)據(jù)能力支撐，是百度“智能+”戰(zhàn)略的落地。正如李彥宏在2014年百度大會上預(yù)言的那樣，未來五年語音圖像搜索會超過文字。自2014年第二季度起，百度語音輸入增長4倍以上，輸出增長26倍以上。無論是Carlife、還是小度機器人，乃至應(yīng)用到搜索、外賣等領(lǐng)域的語音技術(shù)，都極大優(yōu)化了產(chǎn)品體驗并方便了人們生活�？梢韵嘈牛�未來的人機交互將更多通過聲音這種人類最自然的交流形式進行。

　　百度語音的愿景是通過智能語音讓萬物互聯(lián)。百度在業(yè)界首創(chuàng)完全永久免費新形式，為開發(fā)者提供基于百度大腦的業(yè)界頂級聲學(xué)模型和語音模型�；�礎(chǔ)服務(wù)免費，永久使用。在百度開放喚醒和自定義語義技術(shù)后，百度將進一步推動語音互動的普及。在未來，任何終端都將“一音進入”。