百度语音开放平台宣布四大语音新技术开放

中国经济周刊-经济网讯 （记者 孙冰） 现在，你只要打开视频应用“爱奇艺”的手机客户端，然后说“VIP续费”，系统就能准确跳转到相应的充值页面。这只是全新的人机交互体验的一个例子而已，未来我们可以在更多的场景使用这种更加自然的交互方式。

11月22日，在百度其语音开放平台上线三周年之际，百度对外宣布将向公众开放四项全新语音技术的接口，以使用户在使用语音与机器进行交流时，能够享受到更奇妙的交互体验。

百度公司首席科学家吴恩达亮相发布会，并对百度最新的语音技术进展表示满意，他不仅介绍了这四项深具革命性的语音技术，即情感合成、远场方案、唤醒二期技术和长语音方案，并宣布即日起百度将这几项技术免费开放给用户和开发者共享。

“这些技术有很大的潜力，能够彻底改变人机交互的效率和办法。未来语音技术在很多应用场景有很好的机会，将为人机交互带来巨大的改变。”吴恩达表示。据吴恩达介绍，百度语音最核心的技术，其中很重要的两个是语音识别和语音合成，“情感语音合成未来会为用户带来非常好的体验。”他说。

百度的语音技术旨在解决用户在使用语音交互的场合时，普遍感到困扰的一些关键问题。例如，百度情感合成技术主要聚焦在为合成语音“加入情感”，目前可达到接近真人的发声效果，百度今年早些时候曾利用此技术，复原已逝明星张国荣的声音。

语音技术是近年来的热门领域，作为这一领域的顶级科学家，吴恩达表示，中国在这方面发展得非常快，而且有很多人工智能的发明都是来自中国的。“比如百度是全世界第一个建设人工智能神经网络的大公司，并且不断在GPU和超级计算机方向投入，现在全世界范围内，百度在使用超级计算机发展人工智能的公司中是最优秀的。而语音识别和语音合成，场景识别的模型都是依赖GPU的架构才可以训练得这么有效。”吴恩达说。

类似地，开发者还可以利用新的接口，使语音识别距离增加到3-5米，将设备的语音唤醒率提升到95%以上同时更省电、误报更少，或提升长语音识别的准确率问题。这将为语音技术带来远比现在更多的想象空间，而不只是局限在遥控电视或解锁手机。

例如，前两者的代表是百度的“小度机器人人机语音交互点餐”，已在上海肯德基旗舰店投入应用，可远距离随时应答点餐。后者则已经在诸多内容记录、智能客服、视频转写等应用场景表现出巨大的想象空间。

在这场名为“极智开放·共语未来”的庆典上，来自斯坦福大学的人工智能专家James Landay，也分享了一项与百度合作的最新研究成果，该研究发现智能手机在语音输入时，输入速度比键盘输入快3倍。他表示，“近两年，受益于大数据和深度学习技术的不断发展，语音识别技术突飞猛进，速度及准确性都有了长足进步。”

吴恩达对百度最新的语音技术进展表示满意。

爱奇艺技术总监吴桂林表示，借助百度语音开放平台，每天有百万以上的爱奇艺用户使用语音搜索，其中80%以上转化为有效点击。读者甘肃数码科技有限公司总经理金大时认为，语音开放平台的价值并不止于商业。“读者数字农家书屋”已在甘肃庆阳市试点成功，完成了65个新农村“数字农家书屋”。他表示，“很多不识字的老年人和留守儿童，语音合成让他们也享受到了阅读的乐趣。”

目前，百度语音开放平台的合作伙伴已涵盖多个领域和场景，包括智能手机领域的联想、中兴；智能家居领域的长虹智能电视、康佳智能电视、SONY智能电视；汽车行业的特斯拉、途胜；智能设备领域的惠普、艾米通讯；智能服务领域的携程、手机QQ阅读等。

“语音是人类交流最自然的方式，通过开放语音技术，百度希望可以引领语音功能产品的繁荣发展。”吴恩达表示。

百度公司首席科学家 吴恩达

作为国内最为领先、开放的语音技术平台，百度语音开放平台自2013年10月上线以来，每日在线语音识别要求从2013年的500万上升到今天的1亿4千万，在线语音合成每日请求达2亿，开发者数量超过14万。

在技术指标方面，百度语音识别准确率目前已高达97%，居于全球领先。今年2月，百度深度语音识别系统Deep Speech 2入选MIT 2016十大突破技术。包括语音技术在内的百度大脑，入选2016第三届乌镇世界互联网大会15大领先科技成果，成为国内唯一入选的综合型人工智能技术成果。