百度CTO王海峰博士致辭

雷帝網 樂天 11月28日報道

百度大腦今日宣布語音能力引擎日均調用量超過100億次，應用規(guī)模業(yè)界第一，為開發(fā)者提供了覆蓋云、端、芯的全棧全場景語音開放能力，推動智能語音技術在各行業(yè)落地應用。

論壇上，百度大腦語音引擎全新發(fā)布和升級了14大產品內容，包括基于百度鴻鵠語音芯片的4款硬件模組、開發(fā)板及3大場景解決方案，升級了語音自訓練平臺、呼叫中心語音解決方案等。

百度首席技術官王海峰博士在現(xiàn)場表示：“AI技術的進化和產業(yè)賦能正向循環(huán)，相互促進，AI在應用場景中不斷進化。”

“百度的語音技術基于深度學習和產業(yè)應用加速突破，已應用到百度App，百度地圖、小度音箱，百度輸入法等百度產品，更通過AI開放平臺賦能眾多產業(yè)伙伴。百度大腦語音能力每天的調用量已經超過100億。”

百度語音首席架構師賈磊正式提出基于復數(shù)CNN網絡的語音增強和語音識別一體化端到端建模技術，稱該方法拋棄了數(shù)字信號處理學科和語音識別學科的各種先驗假設，消除學科間壁壘，直接端到端進行一體化建模。相較于傳統(tǒng)基于數(shù)字信號處理的麥克陣列算法，錯誤率降低超過30%。目前該方法已經被集成到百度最新發(fā)布的百度鴻鵠芯片中。

百度語音首席架構師 賈磊

百度從2012年起就開始把深度學習用于中文語音搜索，成為全世界最早把深度學習技術落地工業(yè)化產品的企業(yè)之一。百度大腦目前已開放了云、端、芯包含語音識別、語音合成等全棧語音引擎能力，并廣泛應用于金融、政務、文娛等多種行業(yè)和場景。

百度AI技術生態(tài)部總經理喻友平表示，百度大腦語音能力引擎的應用規(guī)模已達到業(yè)界第一，一直在積極拓展語音能力引擎生態(tài)鏈的建設。

百度AI技術生態(tài)部總經理 喻友平

針對智能硬件設備，百度大腦重磅發(fā)布基于百度鴻鵠語音芯片的4款硬件模組、開發(fā)板，以及智能家居、智能車載、智能IoT設備3大端到端軟硬一體遠場語音交互場景解決方案，具備交互效果優(yōu)異、軟硬一體快速應用、廣泛兼容集成門檻低等優(yōu)點。

同時，在語音識別領域，全面升級短語音識別、實時語音識別能力，發(fā)布音頻文件轉寫能力，升級可零代碼提升業(yè)務術語識別率的語音自訓練平臺，以及呼叫中心語音解決方案；

在語音合成方面，發(fā)布6個在線語音合成精品音庫和5個離線語音合成精品音庫。語音能力，助力智能硬件、互聯(lián)網、呼叫中心等領域智能化升級。

創(chuàng)維AIoT研究院產品經理李凱介紹：“大屏IoT的行業(yè)痛點在于信息檢索難和設備控制操作復雜，通過增加語音交互能力，重構了整個AIoT設備生態(tài)的交互體驗。雙方在電視方面的合作成果已落地在10個電視芯片型號、2500萬臺電視上，助力中端及高端產品線提升了產品溢價能力。”

據(jù)百度介紹，在下一代遠場語音方案中，百度鴻鵠語音芯片為創(chuàng)維產品帶來高性價比硬件、整合優(yōu)化的軟件算法等價值，雙方將基于百度鴻鵠芯片展開多項產品的合作。

今年年初，百度還提出截斷注意力模型SMLTA，使得句子的整句識別率、方言的識別以及中英文混合的識別率顯著提升，也是在全球范圍內第一個實現(xiàn)語音識別領域注意力模型的大規(guī)模工業(yè)在線產品落地。

首創(chuàng)Tacotron+wavRNN聯(lián)合訓練，成為全球首個上線waveRNN技術的語音平臺，大幅提升云端合成速度，語音合成的自然度幾乎達到真人的效果。

百度地圖20句話即可錄制語音導航的技術基于百度獨創(chuàng)的風格遷移技術Meitron模型，特點主要體現(xiàn)在音色轉換、多情感朗讀和韻律遷移三個方面，從而讓語音合成的門檻大大降低。

百度大腦開放平臺是國內服務規(guī)模最大的AI開放平臺，目前已開放228項AI能力，擁有超過150萬的開發(fā)者用戶。

這是百度首次在語音市場這樣公布成績。百度CTO王海峰會上親自宣布語音技術日調用量破百億數(shù)字，居行業(yè)第一，可見百度鉚足勁頭做語音的決心。

這個領域，垂直做語音的科大訊飛曾經呼聲很高，今年4月的數(shù)據(jù)，訊飛稱宣布其日均總服務量為47億次，幾個月不太可能翻倍。

過去一年，訊飛的日子也不好過，科大訊飛市值從2017年11月22日的最高峰1565億元縮水到726億元；隨后又陷入“同傳造假”和“賣地疑云”。

隨著百度公布了語音技術日調用量破百億，國內第一，訊飛也會面臨更大壓力。

———————————————

雷帝觸網由資深媒體人雷建平創(chuàng)辦，若轉載請寫明來源。