百度語(yǔ)音識(shí)別系統(tǒng)入選MIT2016十大突破技術(shù)

　　近日，美國(guó)權(quán)威雜志《麻省理工評(píng)論》將語(yǔ)音接口列為2016年十大突破技術(shù)，百度硅谷人工智能實(shí)驗(yàn)室（SVAIL）最新的研究成果——新一代深度語(yǔ)音識(shí)別系統(tǒng)DeepSpeech2位列其中。

　　這也是本次評(píng)選入選的唯一一家來(lái)自中國(guó)科技公司的科技成果。同時(shí)入選的還有免疫工程、精確編輯植物基因、DNA商店、太陽(yáng)能電池工廠、特斯拉自動(dòng)駕駛、可回收火箭，以及空中取電、知識(shí)分享機(jī)器人、slack通信軟件等產(chǎn)品和技術(shù)，分別來(lái)自谷歌、微軟、SpaceX等多個(gè)領(lǐng)域的知名前沿科技公司和加州大學(xué)伯克利分校、華盛頓大學(xué)、首爾大學(xué)等科研機(jī)構(gòu)。

　　在去年9月召開(kāi)的2015年百度世界大會(huì)上，百度首席科學(xué)家吳恩達(dá)曾現(xiàn)場(chǎng)演示神奇的語(yǔ)音識(shí)別技術(shù)。他表示，語(yǔ)音有很大的潛力改變?nèi)伺c設(shè)備的交互方式，“現(xiàn)在語(yǔ)音識(shí)別可能已達(dá)到95%的準(zhǔn)確度，但很多人沒(méi)意識(shí)到95%的準(zhǔn)確度到99%的準(zhǔn)確度帶來(lái)的不是量變是質(zhì)變，是從你偶爾使用語(yǔ)音變到常常使用做到更自然。做到99%準(zhǔn)確，將徹底改變?nèi)伺c設(shè)備的交互。”

　　《麻省理工評(píng)論》在文中評(píng)價(jià)說(shuō)：“隨著百度在語(yǔ)音技術(shù)方面的不斷進(jìn)步，語(yǔ)音接口變得更為實(shí)用和有效，人們可以更為便利地與身邊的設(shè)備進(jìn)行互動(dòng)。百度的深度語(yǔ)音識(shí)別系統(tǒng)（DeepSpeech2）包含了一個(gè)非常大的、‘深’的神經(jīng)網(wǎng)絡(luò)，它引入了數(shù)以百萬(wàn)計(jì)的轉(zhuǎn)錄語(yǔ)音。有時(shí)它在識(shí)別漢語(yǔ)語(yǔ)音片段方面，要比人為識(shí)別更加準(zhǔn)確?！?/br>

　　2014年年底，吳恩達(dá)及其團(tuán)隊(duì)發(fā)布了第一代深度語(yǔ)音識(shí)別系統(tǒng)DeepSpeech，該系統(tǒng)使用了端對(duì)端的深度學(xué)習(xí)技術(shù)，主要專(zhuān)注于提高嘈雜環(huán)境下的英語(yǔ)語(yǔ)音識(shí)別的準(zhǔn)確率，在噪音環(huán)境下，DeepSpeech系統(tǒng)出錯(cuò)率要比谷歌、微軟以及蘋(píng)果的語(yǔ)音系統(tǒng)低10%以上。不僅如此，研究人員還加入了漢語(yǔ)語(yǔ)音查詢功能，識(shí)別準(zhǔn)確率高達(dá)94%。這也推動(dòng)端到端的深度學(xué)習(xí)算法成為業(yè)內(nèi)改進(jìn)語(yǔ)音識(shí)別最重要的手段。

　　MIT報(bào)道中指出，語(yǔ)音識(shí)別和自然語(yǔ)言理解相結(jié)合，將為互聯(lián)網(wǎng)市場(chǎng)創(chuàng)造切實(shí)可用的語(yǔ)音接口。由于漢字通過(guò)微型觸摸屏進(jìn)行輸入的過(guò)程耗時(shí)且十分繁瑣，因此，中國(guó)是發(fā)展語(yǔ)音接口的理想市場(chǎng)。

　　漢語(yǔ)語(yǔ)音識(shí)別與英文相比，包含兩大難點(diǎn)。第一是字符數(shù)據(jù)量大。相比于英文的26個(gè)字母，系統(tǒng)要在每次轉(zhuǎn)錄中直接輸出8萬(wàn)個(gè)中文字符中的其中一個(gè)。第二，在普通話的表述中，聲調(diào)的不同往往會(huì)改變一個(gè)詞的意思。百度通過(guò)收集人們常用詞，篩選出有用的字符，并省去大量預(yù)處理環(huán)節(jié)，直接輸入音頻文件，再通過(guò)深度神經(jīng)網(wǎng)絡(luò)輸出字符，從而大大提高系統(tǒng)運(yùn)算效率。

　　深度語(yǔ)音識(shí)別系統(tǒng)的成功，很大程度上要取決于百度規(guī)模龐大的基于GPU的深度學(xué)習(xí)基礎(chǔ)設(shè)施。通過(guò)使用批處理技術(shù)將DNNs部署在GPUs上，DeepSpeech的語(yǔ)音識(shí)別表現(xiàn)出了極高的訓(xùn)練效率。目前，該系統(tǒng)支持超過(guò)26萬(wàn)億次浮點(diǎn)運(yùn)算，可在幾天內(nèi)完成深度語(yǔ)言的集中訓(xùn)練。

　　隨著百度在語(yǔ)音技術(shù)方面的不斷進(jìn)步，語(yǔ)音接口變得更為實(shí)用和有效，將深度語(yǔ)音模型在更小的系統(tǒng)上運(yùn)行是重要的趨勢(shì)之一。百度正致力于將該語(yǔ)音模型縮小并植入手機(jī)等移動(dòng)設(shè)備，未來(lái)，人們可以更為便利地與身邊的設(shè)備進(jìn)行交流互動(dòng)。

　　版權(quán)及免責(zé)聲明：凡本網(wǎng)所屬版權(quán)作品，轉(zhuǎn)載時(shí)須獲得授權(quán)并注明來(lái)源“中國(guó)產(chǎn)業(yè)經(jīng)濟(jì)信息網(wǎng)”，違者本網(wǎng)將保留追究其相關(guān)法律責(zé)任的權(quán)力。凡轉(zhuǎn)載文章，不代表本網(wǎng)觀點(diǎn)和立場(chǎng)。版權(quán)事宜請(qǐng)聯(lián)系：010-65363056。

延伸閱讀