曉查 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
2019年，NLP和語音技術取得了多項技術突破，但是科技公司考慮更多的是AI的“場景”，如何在各種場景中都能方便地集成語音功能。
10月，谷歌在Pixel手機發佈會上宣佈，將語音識別模型壓縮到50M集成在手機中，實現離線的語音轉寫。
而國內的幾家語音技術公司想得更遠，將語音技術的接口提供給更多的開發者和企業，讓AI的應用場景更廣闊。百度就是其中一家。
“生物在物競天擇的環境中進化，而AI在應用場景中進化。”在今天的百度大腦語音能力引擎論壇上，百度CTO王海峰如是說。
王海峰也透露，百度大腦的語音能力日均調用量超100億次，居國內第一。擁有國內最大的AI開放平臺的百度大腦，目前已接入開發者超過150萬，開放228項技術能力。
就在同一天，權威調研機構IDC發佈的《2019中國AI雲服務市場廠商評估》報告顯示，百度智能雲憑藉著在AI技術、市場和商業上的表現，在中國排名第一。這也從側面反映了百度AI在市場中的影響力。
除了語音技術外，百度在其他AI技術上也全面開花。9月，百度在CCKS 2019“知識圖譜問答”大賽中奪冠；11月，Forrester發佈報告顯示，百度智能雲的計算機視覺能力在8大維度獲得第一。
這主要是由於百度智能雲入局AI最早，也是國內唯一擁有完全自主深度學習框架的雲服務商，搶佔了AI落地的先機。
因此用上百度語音技術的開發者越來越多，這些數字的背後，有百度大腦語音技術團隊的研發實力作為支持。
團隊的領頭人，就是今年8月在朋友圈宣佈迴歸百度的技術大牛賈磊。他介紹了百度語音軟硬件技術獨一無二的“秘籍”。
新算法降低30%錯誤率
據Canalys等第三方統計機構的數據，小度音箱在國內市場的佔有率在今年登上了第一，賈磊認為這是市場對百度大腦技術的肯定。
百度語音首席架構師賈磊表示，百度大腦的語音技術在今年又取得了一項突破性進展，可以將未來小度音箱的技能進一步提升。
這項新技術全稱為“基於複數CNN的語音增強和聲學建模一體化端到端建模技術”。賈磊表示，這項技術顛覆了傳統的語音識別算法。
目前，市面上主流的智能音箱採用的語音識別算法，是先將音頻轉化為文字，再對文字進行語義理解。
這就好比兩個人相互交流，先把語音寫成文字，然後通過閱讀文字來理解內容。這種識別方式與人相差甚遠，而且也存在著諸多問題。
首先，這種方式只有在喚醒識別後才能確定語音的方向，如果噪聲與聲音方向相同，則會導致識別率很低。而且無法應對說話者邊走邊說的情形。
而百度大腦提出的基於複數CNN的端到端模型，可以直接將聲音轉換成語義，更接近於人的語音交互方式，對噪聲的抵抗力更強。
賈磊表示，這項技術讓遠場語音識別的錯誤率降低了30%以上，對語音識別性能的提升幅度屬業內最大，是一項革命性、顛覆性的技術。
這種模型完全不依賴於數字信號處理等技術學科，用機器學習將最初的音節和最終語義直接打通，實現數字信號處理和語音識別一體化。
有了複數CNN的端到端模型，智能音箱難以解決的幾大使用場景問題都會得到解決。
比如，我們很難一邊走動一邊和智能音箱不間斷多輪對話；在大聲播放電視或音樂時，智能音箱也無法聽清我們。
這些常見場景過去一直是智能音箱難以使用的痛點，未來都有望被複數CNN的端到端模型所化解。
未來的讓模型結構能成功落地，百度還研發了一種利用近場數據來模擬生成遠場訓練數據的方法。利用該方法，百度成功訓練出可以達到落地水平的一體化聲學模型。
為語音造“芯”
只有語音的軟件算法還不夠，近年來國內AI公司越來越多地涉獵芯片製造，一方面是出於自主可控的考慮，另一方面也是為了讓硬件與軟件之間更好地配合。
例如，在語音識別的場景中，如何快速加載模型，與輸入信號進行快速運算，成了最大的難點之一。傳統通用芯片難以解決。
為此，百度專門開發了一款遠場語音AI芯片“鴻鵠”，在今年7月的百度AI開發者大會上發佈。百度AI技術生態部總經理喻友平今天發佈了基於百度鴻鵠芯片的4款硬件模組、開發板和針對智能家居、智能車載、智能IoT設備的3大場景解決方案。
鴻鵠在功耗方面有著巨大的優勢，ARM芯片在處理語音時待機功率超過1W，而鴻鵠的待機功耗僅是其他芯片的不到1/10，這讓智能家居集成語音喚醒成為可能。
百度鴻鵠芯片預置語音算法，可與多種不同的主芯片搭配使用。而且，百度大腦研發的複數CNN的網絡體系很小，可以內置到百度鴻鵠芯片中。
通過軟硬件的結合，百度下一款智能音箱在技術上可能將會有更大的突破。
百度的目光也不僅僅在智能音箱領域。據賈磊介紹，百度鴻鵠芯片還是一款車規級芯片，可承受巨大的溫溼度變化，未來也能集成在汽車中，作為車載語音硬件使用。
賈磊表示，百度大腦要用最高規格做硬件、最廣規格做軟件，以適配不同的應用場景。
他還預測，遠場語音識別的諸多問題3年後將得以解決，屆時準確率將達到近場識別的水平。這會讓遠場識別技術更普及，成為智能家居、智能手機等設備的標配。百度鴻鵠芯片也有著更廣闊的應用前景。
開放語音技術
從7年前，百度就開始以深度學習技術為依託，研發智能語音技術。
如今這項技術已經遍佈百度內部各種產品，從近場語音識別的輸入法、百度搜索，到遠場語音識別的智能音箱、車載語音，再到語音合成的地圖導航、信息流播報。
如今，百度不僅將語音技術用在自家的產品上，也向其他開發者和企業用戶開放。
喻友平表示，在這一輪科技變革浪潮中，AI是一個普遍的生產力基礎，百度大腦要做的，就是把自己的技術以更低的門檻釋放出來，給開發者使用。
喻友平將之稱為“全棧語音引擎”，這個引擎中的技術已經廣泛用於語音播報、語音指令、語音記要、語音質檢等領域。
多款第三方打車、支付App上已經用上了百度的語音合成技術。而且百度為了豐富合成語音的應用場景，推出了音質更好、準確率更高的音庫給開發者使用。
“百度大腦強大的技術，加上開放的態度，可以釋放巨大的能量。”喻友平說。
在本次論壇上，家電企業創維、科技信貸公司瓴嶽、農業科技公司華智等公司將百度的語音技術集成到自己的產品中，實現了生產力的提高。
最後喻友平宣佈了百度大腦語音公益計劃，面向為視障、聽障等人士提供服務的科技公司，百度將免費提供語音識別與合成技術，以最低價提供硬件模組。
百度大腦希望將語音技術的“朋友圈”不斷擴大，把AI技術與醫療、農業、金融、物聯網乃至公益事業聯繫起來。
正如王海峰在大會開場所說，“AI技術的進化和產業賦能正向循環，相互促進，讓AI在應用場景中不斷進化。”
— 完 —
量子位 QbitAI · 頭條號簽約
關注我們，第一時間獲知前沿科技動態
閱讀更多 量子位 的文章
