近日,百度在語音識別技術(shù)方面再獲突破,將圖像識別技術(shù)成功“跨界”到語音領(lǐng)域,利用深層卷積神經(jīng)網(wǎng)絡(luò)(Deep CNN)應(yīng)用于語音識別聲學(xué)建模中,將其與基于長短時記憶單元(LSTM)和連接時序分類(CTC)的端對端語音識別技術(shù)相結(jié)合,錯誤率相對降低10%,大幅度提升語音識別產(chǎn)品性能,是繼端對端語音識別后取得的另一次重大技術(shù)突破。
Deep CNN語音識別的建模過程
近年來,運用CNN技術(shù)的圖像識別成果頗豐,越來越深的CNN不斷刷新著圖像識別的精準(zhǔn)度,以人臉識別為例,識別準(zhǔn)確率高達(dá)99.7%。但CNN的進(jìn)展在語音識別方面沒有得到充分的應(yīng)用。作為一家在語音技術(shù)上有著深入研究的人工智能公司,百度將Deep CNN視為語音識別技術(shù)的下一個突破口。
ImageNet競賽中,越來越深的CNN不斷刷新著其性能
在商用領(lǐng)域的端對端語音識別技術(shù)中,百度首次嘗試引入更深層的CNN神經(jīng)網(wǎng)絡(luò),使錯誤率相對降低10%。端對端技術(shù)則使用一個單獨的學(xué)習(xí)算法來完成從任務(wù)輸入端到輸出端的所有過程,減少了中間單元以及人為干預(yù),在海量數(shù)據(jù)的支持下模型效果提升明顯。目前,百度的端對端技術(shù)處于業(yè)界領(lǐng)先水平。值得一提的是,語音識別都是基于時頻分析后的語音譜完成的,將整個語音信號分析得到的時頻譜當(dāng)作一張圖像,就可以采用圖像中已廣泛應(yīng)用的CNN進(jìn)行識別,克服了語音信號多樣性的問題,且通過引入更深層的CNN,使語音識別性能得到顯著提升,正如百度語音技術(shù)部識別技術(shù)負(fù)責(zé)人李先剛博士所言:‘The Deeper,The Better’。
與學(xué)術(shù)研究不同,百度語音的研發(fā)立足點,聚焦于技術(shù)的實際應(yīng)用,技術(shù)難度和實現(xiàn)程度更高。針對語音識別產(chǎn)品而言,必須具備在大規(guī)模語音數(shù)據(jù)庫上體現(xiàn)性能提升以及具有適合語音在線識別產(chǎn)品運行的模型。百度采用數(shù)千小時進(jìn)行實驗的研究,并在近十萬小時的產(chǎn)品語音數(shù)據(jù)庫中進(jìn)行驗證,且充足的語音數(shù)據(jù)資源,使基于端對端技術(shù)的語音識別系統(tǒng)明顯優(yōu)于以往的框架性能。
百度語音識別技術(shù)每年迭代算法模型
除此之外,百度語音技術(shù)在數(shù)據(jù)、計算能力、算法等三方面優(yōu)勢顯著。百度擁有約10萬小時的精準(zhǔn)標(biāo)注語音數(shù)據(jù),以及基于數(shù)百個GPU的高性能計算平臺。在算法方面,百度每年都在不斷優(yōu)化、迭代模型算法,語音識別效果顯著提升,領(lǐng)先業(yè)界。
此前,百度便利用端對端技術(shù)研發(fā)了Deep Speech 2深度語音識別技術(shù),用于提高在嘈雜環(huán)境下語音識別的準(zhǔn)確率。在噪音環(huán)境下,其錯誤率低于谷歌、微軟以及蘋果的語音系統(tǒng)。目前,百度語音識別準(zhǔn)確率高達(dá)97%,并被美國權(quán)威科技雜志《麻省理工評論》列為2016年十大突破技術(shù)之一。另據(jù)李先剛博士透露,目前的確正在加緊Deep Speech 3 的研發(fā)工作,而本次公布的Deep CNN不排除將會是Deep Speech 3的核心組成部分。
除了技術(shù)突破,百度還積極推動用戶使用語音交互的普及,手機百度、百度輸入法、百度地圖、度秘等產(chǎn)品都已支持語音輸入功能,而此次“跨界”的Deep CNN相信很快會應(yīng)用到擁有龐大用戶體量的百度產(chǎn)品中。
來源:XXX(非中文科技資訊)的作品均轉(zhuǎn)載自其它媒體,轉(zhuǎn)載請尊重版權(quán)保留出處,一切法律責(zé)任自負(fù)。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險自擔(dān)。有事發(fā)郵件至news#citnews.com.cn(發(fā)送時將#替換為@)。
[轉(zhuǎn)載標(biāo)題:]
分享到微信
近日,德國柏林國際電子消費品展覽會(IFA2024)隆重舉辦。憑借在核心技術(shù)、產(chǎn)品設(shè)計及應(yīng)用方面的創(chuàng)新變革,全球領(lǐng)先的智能終端企業(yè)TCL實業(yè)成功斬獲兩項“IFA全球產(chǎn)品設(shè)計創(chuàng)新大獎”金獎,有力證明了其在全球市場的強大影響力。
近日,中國家電及消費電子博覽會(AWE 2024)隆重開幕。全球領(lǐng)先的智能終端企業(yè)TCL實業(yè)攜多款創(chuàng)新技術(shù)和新品亮相,以敢為精神勇闖技術(shù)無人區(qū),斬獲四項AWE 2024艾普蘭大獎。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
由世界人工智能大會組委會、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會共同指導(dǎo),由上海市人工智能行業(yè)協(xié)會聯(lián)合上海人工智能實驗室、上海臨港經(jīng)濟(jì)發(fā)展(集團(tuán))有限公司、開放原子開源基金會主辦的“2024全球開發(fā)者先鋒大會”,將于2024年3月23日至24日舉辦。