语音技术是人工beplay下载软件 重要一环 语音识别即将达到超正常人类能力

 导读：语音技术是人工beplay下载软件 重要一环 语音识别即将达到超正常人类能力。情感合成、远场方案、唤醒二期技术和长语音方案……这些听起来有些陌生的技术，未来将可能改变我们的生活。

参考《2016-2022年中国IVR（交互语音应答系统）市场运营态势及十三五市场运营态势报告》

        情感合成、远场方案、唤醒二期技术和长语音方案……这些听起来有些陌生的技术，未来将可能改变我们的生活。

        11月22日，百度公司首席科学家吴恩达在谈到百度语音技术的最新进展时，对外介绍了百度这四项语音技术，并宣布将免费开放给用户和开发者。

        “我们已经站在人工beplay下载软件 的黎明。”吴恩达作出乐观的预测，他希望通过开放人工beplay下载软件 技术，让每个人都能更容易地开发出“beplay下载软件 应用”。

        不过，站在“黎明”的人工beplay下载软件 何时能有“质”的跨越，或许还需时日。一个细节是，在会议室里，吴恩达座位不远处还是坐了一位实时整理文字的速记人员。

        beplay下载软件 语音：已超正常人类的识别能力

        事实上，开放语音API(应用程序编程接口)已经成为行业趋势。

        今年3月时，谷歌在Next云计算大会上发布了面向开发者的新机器学习平台，并开放语音识别的API，即谷歌语音搜索和语音输入的支持技术。GoogleCloudSPeechAPI一开始将免费提供，以后再进行收费。这一应用包括了80多种语言，适用于各种实时语音识别与翻译应用。

        在开放背后，互联网公司希望借此推动beplay下载软件 语音模型的进一步演进和beplay下载软件 语音技术的快速普及。

        对于百度公布的四项语音技术，吴恩达表示，目前百度还没有收费的计划，这些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。“目前的语音识别已经超过了正常人的语音识别能力。”

        以情感合成为例，主要是基于深度学习和大数据处理技术，在数据采集、处理、建模等环节进行一系列创新，实现更富有表现力的自然朗读效果。

        读者甘肃数码科技有限公司总经理金大时表示，目前“读者数字农家书屋”在甘肃庆阳市试点，根据百度大数据合成情感语音实现书籍有声阅读，让很多不识字的老年人和留守儿童也享受到了阅读的乐趣。

        而远场方案技术则是百度自主研发的远场识别技术，基于麦克风阵列，利用麦克风阵列束形成、语音增强、回声消除、声源定位等技术综合实现高准确率远场识别。

        百度称，开发者可以通过这一新的技术接口，使语音识别距离增加到3~5米，设备的语音唤醒率提升到95%以上，或解决长时间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，而不只是遥控电视或解锁手机。

        例如，百度在上海肯德基旗舰店投入使用的“小度机器人人机语音交互点餐”，可远距离随时应答点餐。

        百度语音唤醒技术，主要是通过通用唤醒词解析、大数据声学模型、双层解码等技术优化，唤醒率达95%，支持用户自定义唤醒词。唤醒二期加入指令唤醒，优化唤醒和识别性能。

        长语音技术则在LSTM(LongShort-TermMemory，一种时间递归神经网络)音频切分技术、深度学习预测停顿、说话人自适应、beplay下载软件 纠错等方面技术突破。这意味着它将在方便语音输入、内容记录、beplay下载软件 客服、视频转写等应用场景表现出想象空间。

        这也令来到中国的斯坦福大学的人工beplay下载软件 专家JamesLanday感慨：“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。”

        beplay下载软件 语音混战

        语音技术作为人机交互方式的入口，是人工beplay下载软件 重要的一环。不只是BAT(百度、阿里巴巴、腾讯)，搜狗、科大讯飞等也在加速beplay下载软件 语音的布局，不少围绕AI的创业团队如云知声也都将语音作为探索人工beplay下载软件 的方向。

        要想顺利进入这一领域，需要的是多年的技术与经验积累。

        吴恩达表示，语音识别技术非常复杂，最难的是核心技术的提升，例如识别率的提升，几年前语音识别率还只有80%多，当时用起来还是相当困难；还有大数据语音合成等，现在的目标是如何才能远远超过人类的识别能力。此外，百度语音识别97%的准确率是在比较安静的环境下达到的目标，在噪音干扰的情况下如何提升识别率，百度还有工作要做。

        除了百度之外，可以看到的是，今年9月，腾讯云技术团队和微信AI团队开放微信语音处理技术，推出了beplay下载软件 语音服务。在语音识别、语音合成、声纹识别等功能上提供了垂直领域定制化的语音产品。阿里的人工beplay下载软件 系统，已具备beplay下载软件 语音交互、图像识别、交通预测、情感分析等功能。

        在语音识别领域，搜狗CEO王小川在不久前的世界互联网大会上透露，搜狗输入法一天处理的语音输入请求达到1.9亿次，产生超过16万小时的语音数据。在庞大的用户基础和数据积累后，可以把语音输入做到更极致的状态，如语音合成、声纹识别等。

        公开资料显示，在技术指标方面，百度语音识别、搜狗输入法语音识别、讯飞输入法语音识别准确率达到97%，腾讯云beplay下载软件 语音识别技术在通用领域中准确率达95%。

        在投资人士看来，beplay下载软件 语音仍是一个好的投资机会。此前，峰瑞资本早期项目负责人朱祎舟提到，尽管各家根据实验数据得出的语音识别准确率达到95%甚至更高，但在实际使用时并没有那么高，前端的语音/声学交互的很多问题如果得不到解决，整体的体验始终不够好；而包括家居、车载、可穿戴设备、机器人等大量beplay下载软件 终端的爆发，beplay下载软件 语音将变得更加友好和重要。

        在IBM前全球副总裁、赛伯乐投资集团总裁王阳看来，未来人工beplay下载软件 在医疗、无人驾驶、金融、零售、安防、个人助理等七个领域有强大的应用空间。他提到，人工beplay下载软件 个人助理目前普遍应用于beplay下载软件 手机上的语音助理，语音输入、家庭管家等，最终是在收集消费者的消费习惯，从而提供各类服务。

        ResearchandMarkets研究报告显示，预计2016年全球beplay下载软件 语音产业规模可达82.3亿美元以上，到2020年，全球语音市场规模预计将达到191.7亿美元。

资料来源：公开资料，报告网整理，转载请注明出处（TYT）