人工智能黎明將至？繼谷歌后百度開放四項語音技術接口

每經編輯｜趙娜    

每經記者 趙娜

日前，百度宣布在其語音開放平臺上線三周年之際，向公眾開放四項全新語音技術接口，分別是情感合成、遠場方案、喚醒二期技術和長語音。

《每日經濟新聞》記者注意到，作為人工智能的主要技術及應用之一，語音識別是國內外科技公司都在耕耘的方向。百度公司首席科學家吳恩達甚至形容稱，“我們已經站在人工智能的黎明。”

早些時候，谷歌于今年3月宣布開放其語音識別API（應用程序編程接口）。

據了解，百度語音開放平臺日前宣布對外開放的四項技術，也可以理解為輸出解決方案，包括情感合成、遠場方案、喚醒二期技術和長語音四種。

“這些技術有很大的潛力，去徹底改變人機交互的效率和辦法。未來語音技術在很多應用場景有很好的機會，將為人機交互帶來巨大的改變。”吳恩達表示，這些技術旨在解決用戶在使用語音交互的場合時，普遍感到困擾的一些關鍵問題。例如，百度情感合成技術主要聚焦在為合成語音“加入情感”，目前可達到接近真人發聲效果。類似地，開發者還可以利用新的接口，使語音識別距離增加到3米到5米，將設備的語音喚醒率提升到95%以上，同時更省電、誤報更少，或提升長時間語音識別的準確率問題。這將為語音技術帶來遠比現在更多的想象空間，而不只是遙控電視或解鎖手機。

公開資料顯示，百度語音識別準確率已達97%。百度語音開放平臺自2013年10月上線以來，開發者數量超過14萬。

斯坦福大學人工智能專家James Landay提到，“近兩年，受益于大數據和深度學習技術的不斷發展，語音識別技術突飛猛進，速度及準確性都有了長足進步。”

值得注意的是，作為人工智能的主要技術及應用之一，語音識別是國內外科技公司都在耕耘的方向，包括蘋果、微軟、谷歌、百度、騰訊、科大訊飛和搜狗等多家公司都在這一領域發力。

“我們已經站在人工智能的黎明。”11月22日下午，吳恩達在接受包括《每日經濟新聞》在內的媒體采訪時稱，語音識別的門檻很高，除了技術復雜，數據門檻也非常高?，F階段，最難的仍是核心技術研發，如識別率提升、大數據語音合成等。百度希望通過開放相關技術，讓智能應用更易被開發。

另一方面，今年3月，谷歌在其Next云計算大會上發布面向開發者的新機器學習平臺的同時，宣布開放語音識別API，即谷歌語音搜索和語音輸入的支持技術。

記者留意到，Google Cloud SPeech API包括了80多種語言，適用于各種實時語音識別與翻譯應用。9月下旬，外媒報道稱，谷歌宣布將收購智能語音識別工具開發商API.ai，預計會整合后者的自然語言理解技術。

而就在上周的第三屆世界互聯網大會上，王小川在演講中現場演示了實時語音識別和翻譯的能力，并提到，搜索的未來就是問答機器人，隨著技術的突破，搜索引擎會自然而然演化成為問答引擎。但他也直言，盡管人工智能最重要的突破領域是在語音和圖像領域，但在文字領域的進展仍較緩慢。比如，在安靜的環境下，搜狗的語音識別準確度已經到了95%甚至97%，但一旦有噪音，準確率會迅速下降。