2019年，NLP和语音技能取得了多项技能打破，但是科技公司考虑更多的是AI的“场景”，如何在各种场景中都能方便地集针言音功能。
10月，谷歌在Pixel手机发布会上宣告，将语音识别模型压缩到50M集成在手机中，实现离线的语音转写。
而海内的几家语音技能公司想得更远，将语音技能的接供词给给更多的开拓者和企业，让AI的运用处景更广阔。百度便是个中一家。
“生物在物竞天择的环境中进化，而AI在运用处景中进化。”在本日的百度大脑语音能力引擎论坛上，百度CTO王海峰如是说。
△ 百度CTO王海峰
王海峰也透露，百度大脑的语音能力日均调用量超100亿次，居海内第一。拥有海内最大的AI开放平台的百度大脑，目前已接入开拓者超过150万，开放228项技能能力。
就在同一天，威信调研机构IDC发布的《2019中国AI云做事市场厂商评估》报告显示，百度智能云凭借着在AI技能、市场和商业上的表现，在中国排名第一。这也从侧面反响了百度AI在市场中的影响力。
除了语音技能外，百度在其他AI技能上也全面着花。9月，百度在CCKS 2019“知识图谱问答”大赛中夺冠；11月，Forrester发布报告显示，百度智能云的打算机视觉能力在8大维度得到第一。
这紧张是由于百度智能云入局AI最早，也是海内唯一拥有完备自主深度学习框架的云做事商，抢占了AI落地的先机。
因此用上百度语音技能的开拓者越来越多，这些数字的背后，有百度大脑语音技能团队的研发实力作为支持。
团队的领头人，便是今年8月在朋友圈宣告回归百度的技能大牛贾磊。他先容了百度语音软硬件技能独一无二的“秘籍”。
△ 百度语音首席架构师贾磊
新算法降落30%缺点率据Canalys等第三方统计机构的数据，小度音箱在海内市场的霸占率在今年登上了第一，贾磊认为这是市场对百度大脑技能切实其实定。
百度语音首席架构师贾磊表示，百度大脑的语音技能在今年又取得了一项打破性进展，可以将未来小度音箱的技能进一步提升。
这项新技能全称为“基于复数CNN的语音增强和声学建模一体化端到端建模技能”。贾磊表示，这项技能颠覆了传统的语音识别算法。
目前，市情上主流的智能音箱采取的语音识别算法，是先将音频转化为笔墨，再对笔墨进行语义理解。
这就好比两个人相互互换，先把语音写成笔墨，然后通过阅读笔墨来理解内容。这种识别办法与人相差甚远，而且也存在着诸多问题。
首先，这种办法只有在唤醒识别后才能确定语音的方向，如果噪声与声音方向相同，则会导致识别率很低。而且无法应对说话者边走边说的环境。
而百度大脑提出的基于复数CNN的端到端模型，可以直接将声音转换针言义，更靠近于人的语音交互办法，对噪声的抵抗力更强。
贾磊表示，这项技能让远场语音识别的缺点率降落了30%以上，对语音识别性能的提升幅度属业内最大，是一项革命性、颠覆性的技能。
这种模型完备不依赖于数字旗子暗记处理等技能学科，用机器学习将最初的音节和终极语义直接打通，实现数字旗子暗记处理和语音识别一体化。
有了复数CNN的端到端模型，智能音箱难以办理的几大利用场景问题都会得到办理。
比如，我们很难一边走动一边和智能音箱不间断多轮对话；在大声播放电视或音乐时，智能音箱也无法听清我们。
这些常见场景过去一贯是智能音箱难以利用的痛点，未来都有望被复数CNN的端到端模型所化解。
未来的让模型构造能成功落地，百度还研发了一种利用近场数据来仿照天生远场演习数据的方法。利用该方法，百度成功演习出可以达到落地水平的一体化声学模型。
为语音造“芯”只有语音的软件算法还不足，近年来海内AI公司越来越多地阅读芯片制造，一方面是出于自主可控的考虑，另一方面也是为了让硬件与软件之间更好地合营。
例如，在语音识别的场景中，如何快速加载模型，与输入旗子暗记进行快速运算，成了最大的难点之一。传统通用芯片难以办理。
为此，百度专门开拓了一款远场语音AI芯片“鸿鹄”，在今年7月的百度AI开拓者大会上发布。百度AI技能生态部总经理喻友平本日发布了基于百度鸿鹄芯片的4款硬件模组、开拓板和针对智能家居、智能车载、智能IoT设备的3大场景办理方案。
鸿鹄在功耗方面有着巨大的上风，ARM芯片在处理语音时待机功率超过1W，而鸿鹄的待机功耗仅是其他芯片的不到1/10，这让智能家居集针言音唤醒成为可能。
百度鸿鹄芯片预置语音算法，可与多种不同的主芯片搭配利用。而且，百度大脑研发的复数CNN的网络体系很小，可以内置到百度鸿鹄芯片中。
通过软硬件的结合，百度下一款智能音箱在技能上可能将会有更大的打破。
百度的目光也不仅仅在智能音箱领域。据贾磊先容，百度鸿鹄芯片还是一款车规级芯片，可承受巨大的温湿度变革，未来也能集成在汽车中，作为车载语音硬件利用。
贾磊表示，百度大脑要用最高规格做硬件、最广规格做软件，以适配不同的运用处景。
他还预测，远场语音识别的诸多问题3年后将得以办理，届时准确率将达到近场识别的水平。这会让远场识别技能更遍及，成为智能家居、智好手机等设备的标配。百度鸿鹄芯片也有着更广阔的运用前景。
开放语音技能从7年前，百度就开始以深度学习技能为依托，研发智能语音技能。
如今这项技能已经遍布百度内部各种产品，从近场语音识别的输入法、百度搜索，到远场语音识别的智能音箱、车载语音，再到语音合成的舆图导航、信息流播报。
如今，百度不仅将语音技能用在自家的产品上，也向其他开拓者和企业用户开放。
△ 百度AI技能生态部总经理喻友平
喻友平表示，在这一轮科技变革浪潮中，AI是一个普遍的生产力根本，百度大脑要做的，便是把自己的技能以更低的门槛开释出来，给开拓者利用。
喻友平将之称为“全栈语音引擎”，这个引擎中的技能已经广泛用于语音播报、语音指令、语音记要、语音质检等领域。
多款第三方打车、支付App上已经用上了百度的语音合成技能。而且百度为了丰富合针言音的运用处景，推出了音质更好、准确率更高的音库给开拓者利用。
“百度大脑强大的技能，加上开放的态度，可以开释巨大的能量。”喻友平说。
在本次论坛上，家电企业创维、科技信贷公司瓴岳、农业科技公司华智等公司将百度的语音技能集成到自己的产品中，实现了生产力的提高。
末了喻友平宣告了百度大脑语音公益操持，面向为视障、听障等人士供应做事的科技公司，百度将免费供应语音识别与合成技能，以最低价供应硬件模组。
百度大脑希望将语音技能的“朋友圈”不断扩大，把AI技能与医疗、农业、金融、物联网乃至公益奇迹联系起来。
正如王海峰在大会开场所说，“AI技能的进化和家当赋能正向循环，相互促进，让AI在运用处景中不断进化。”
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一韶光获知前沿科技动态