每經(jīng)編輯 趙娜    

每經(jīng)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(shù)接口，分別是情感合成、遠(yuǎn)場方案、喚醒二期技術(shù)和長語音。

《每日經(jīng)濟(jì)新聞》記者注意到，作為人工智能的主要技術(shù)及應(yīng)用之一，語音識別是國內(nèi)外科技公司都在耕耘的方向。百度公司首席科學(xué)家吳恩達(dá)甚至形容稱，“我們已經(jīng)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(yīng)用程序編程接口）。

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

“這些技術(shù)有很大的潛力，去徹底改變?nèi)藱C(jī)交互的效率和辦法。未來語音技術(shù)在很多應(yīng)用場景有很好的機(jī)會，將為人機(jī)交互帶來巨大的改變。”吳恩達(dá)表示，這些技術(shù)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(guān)鍵問題。例如，百度情感合成技術(shù)主要聚焦在為合成語音“加入情感”，目前可達(dá)到接近真人發(fā)聲效果。類似地，開發(fā)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(shè)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(zhǔn)確率問題。這將為語音技術(shù)帶來遠(yuǎn)比現(xiàn)在更多的想象空間，而不只是遙控電視或解鎖手機(jī)。

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

斯坦福大學(xué)人工智能專家James Landay提到，“近兩年，受益于大數(shù)據(jù)和深度學(xué)習(xí)技術(shù)的不斷發(fā)展，語音識別技術(shù)突飛猛進(jìn)，速度及準(zhǔn)確性都有了長足進(jìn)步。”

值得注意的是，作為人工智能的主要技術(shù)及應(yīng)用之一，語音識別是國內(nèi)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(lǐng)域發(fā)力。

“我們已經(jīng)站在人工智能的黎明。”11月22日下午，吳恩達(dá)在接受包括《每日經(jīng)濟(jì)新聞》在內(nèi)的媒體采訪時稱，語音識別的門檻很高，除了技術(shù)復(fù)雜，數(shù)據(jù)門檻也非常高?，F(xiàn)階段，最難的仍是核心技術(shù)研發(fā)，如識別率提升、大數(shù)據(jù)語音合成等。百度希望通過開放相關(guān)技術(shù)，讓智能應(yīng)用更易被開發(fā)。

另一方面，今年3月，谷歌在其Next云計算大會上發(fā)布面向開發(fā)者的新機(jī)器學(xué)習(xí)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(shù)。

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(yīng)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(fā)商API.ai，預(yù)計會整合后者的自然語言理解技術(shù)。

而就在上周的第三屆世界互聯(lián)網(wǎng)大會上，王小川在演講中現(xiàn)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(jī)器人，隨著技術(shù)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(lǐng)域是在語音和圖像領(lǐng)域，但在文字領(lǐng)域的進(jìn)展仍較緩慢。比如，在安靜的環(huán)境下，搜狗的語音識別準(zhǔn)確度已經(jīng)到了95%甚至97%，但一旦有噪音，準(zhǔn)確率會迅速下降。