7月4號，百度2018 AI開發者大會如期舉行，這是百度舉辦的第二屆人工智能大會。本次大會有諸多亮點，比如百度研製的無人駕駛汽車APOLLO正式量產並出口到日本、百度自己研發的AI芯片“崑崙”正式亮相，並藉此成為擁有從芯片到人工智能、軟件平臺、人工智能解決方案三位一體的國內AI巨頭。
作為國內最大的搜索引擎，百度在搜索技術和海量數據方面有絕對的壟斷地位，這為百度在國內人工智能領域獨佔先機創造了優勢。
這次大會，百度提出一個口號：Everyone can AI。百度提出這樣口號是有底氣的，因為百度利用自身的技術優勢完成了一個AI基礎架構平臺，並開放出來供開發者使用，這個平臺就是百度AI開放平臺。利用這個開放平臺，我們能輕鬆地使用百度人工智能的基礎架構資源，通過調用其相關API，使我們的應用程序獲得AI功能。
打開百度AI開放平臺（https://ai.baidu.com）的產品服務清單，我們可以看到百度AI開放平臺提供如下類型的服務：
l 語音技術
l 圖像技術
l 人臉與人體識別
l 視頻技術
l AR與VR
l 自然語言處理
l 數據智能
l 知識圖譜
每種類型的服務又包含若干類型的子項API服務，比如對於上面的語音技術，它就包含了下面幾種API服務：
l 語音識別
l 語音合成
l 語音喚醒
l 智能呼叫中心
這些API是基於HTTPS的，通過提供RESTful風格的API為開發者提供服務，比如，語音合成API服務可以將文本轉化成可以播放的音頻文件。
一般而言，使用百度AI服務的步驟為：
1) 註冊成為百度AI開放平臺開發者；
2) 在百度API開放平臺上創建相關類型的的AI應用，獲得AppID、API Key和Secret Key；
3) 調用相關類型的API，獲得AI功能的結果，為開發者的應用服務。
利用百度語音API實現一個簡單的詩歌朗誦應用
這裡我們將介紹如何使用百度的語音合成API來寫一個簡單的應用：把一個包含有《面朝大海，春暖花開》詩歌的文本文檔傳化成為音頻文件，然後聽聽機器如何朗誦這首詩歌。
具體步驟如下：
要使用百度的這些AI服務，你必須要首先要在百度AI開放平臺上註冊成為開發者。百度AI開發者賬號分為個人賬號和企業賬號，無論哪種開發者賬號，都需要實名認證。這裡我們註冊的是個人開發者，註冊完後需要進行實名認證。這裡的實名認證不但包括姓名、身份證等個人實名信息，還包括個人真實照片等信息。為了方便開發者實名信息認證，百度雲移動app集成了百度自家的某些人臉AI服務，提供了刷臉認證，用戶可以下載該app完成實名認證。
當你完成了實名認證後，打開百度AI開放平臺的控制檯頁面，我們可以看到會自動開通如下的AI服務：
2. 創建語音合成AI引用
選擇上面百度語音類別，然後創建一個語音應用：
默認情況下，一個語音AI應用同時包含語音識別和語音合成的接口。語音AI應用創建好，會自動分配AppID，App Key和Secret Key，如果開發者要使用百度語音的API服務，這些信息是必要的。如果你熟悉OAuth 2.0 方式的API的調用流程，你會感覺上面的相關術語很熟悉，事實上百度AI應用的API都是採用OAuth 2.0方式的，只不過百度的相關SDK API將這套流程封裝得很好，我們使用時可以無需直接處理。
除此之外，打開應用詳情，可以看到百度為AI應用分配的默認資源，如QPS，對於本例子中的語音合成API，默認QPS是100，如果開發者認為這些資源還不夠，還可以申請更多的服務資源。
3. 安裝AI應用SDK，並調用API完成服務
1) 安裝SDK
百度語音服務提供了多種編程語言相關的SDK，這裡選擇Python版本的。打開百度AI開放平臺語音服務SDK下載頁面（https://ai.baidu.com/sdk#asr），選擇Python SDK。
筆者採用Python官方推薦的主流版本Python 3，本例具體版本是Python 3.6.4。
解壓下載的zip SDK文件後，進入加壓後的目錄：
python setup.py install
2) 準備文本材料
準備好詩歌《面朝大海，春暖花開》的文本文件flower.txt，注意標點符號，保存為UTF-8格式的。
利用上面創建的語音應用的AppID, App Key和Secret Key：
from aip import AipSpeech
""" 你的 APPID AK SK """
APP_ID = '你的 App ID'
API_KEY = '你的 Api Key'
SECRET_KEY = '你的 Secret Key'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
result = client.synthesis(open('blossoms.txt', encoding='utf8').read(), 'zh', 1, {
'per': 0, 'vol': 3, 'pit': 7
})
# 識別正確返回語音二進制 錯誤則返回dict 參照下面錯誤碼
if not isinstance(result, dict):
with open('poem.mp3', 'wb') as f:
f.write(result)
else:
print(result)
代碼解釋如下：
讀取文本文件，獲得文本數據，然後作為參數傳入client.synthesis() API，當請求成功後就返回一個音頻格式的數據內容並寫入文件，失敗則打印出錯誤信息。
用戶還可以根據自己的相關需要選擇合成語音時的語速，語調，音量和發聲人選擇，具體參數細節可以參考API文檔（https://ai.baidu.com/docs#/TTS-API/top）
執行上面的代碼，可以發現一個名為poem.mp3的音頻文件產生了，用Windows自帶的Windows Media Player播放可以聽到合成的語音朗誦這首詩。
我們可以發現，機器朗誦的詩歌和人朗誦的相比還是有很大差距，或者我們可以說機器詩歌朗誦是缺乏靈魂的，這是目前AI技術的侷限，也是需要努力的方向。隨著百度AI語音的進化，特別是豐富語料之後，我相信相關語音合成效果會越來越好。
與此同時，通過上面的演示，我們可以看到，開發者十分鐘就可以完成一些簡單的文本與語音的轉換。這大大降低了開發者使用AI的難度。如果沒有這些服務，用戶要麼自己去實現一套自己的語音合成機器模型和語料庫，或者藉助第三方TTS SDK，這樣的開發難度都大很多。
把上面的代碼稍作修改，在文本文件中輸入一些大眾不會念的生僻字，即可實現一個生僻字的念法應用。
除此在外，百度AI開放平臺還提供其他更多更實用的AI服務，讀者可以自行探索，基本開發流程跟本文類似。
後記：
百度作為一家國內頂尖的互聯網和AI公司，其技術實力毋庸置疑，但是百度是一家頗具爭議的公司。在上面的百度AI開放平臺的控制檯中，我們看到百度提供一些人臉識別、內容審查等敏感而又有爭議性的AI服務，這些AI服務在公眾生活中涉及到個人隱私，公眾輿論的熱點事件中應該發揮什麼樣的作用，值得我們深思。
閱讀更多 熊掌號 的文章
