方言也能聽(tīng)懂？百度AI展現(xiàn)神級(jí)語(yǔ)音技術(shù)

7月4日、5日，百度AI開(kāi)發(fā)者大會(huì)火熱召開(kāi)，會(huì)上百度向開(kāi)發(fā)者們展示了百度AI能力的核心——百度大腦3.0。

百度大腦3.0的核心是“多模態(tài)深度語(yǔ)義理解”，它不僅能讓機(jī)器聽(tīng)清、看清，更能深入理解它背后的含義，深度地理解真實(shí)世界，進(jìn)而更好地支撐各種應(yīng)用。

在下午的百度大腦分論壇上，百度展示了它在語(yǔ)音語(yǔ)義一體化、視覺(jué)語(yǔ)義化等技術(shù)上的新突破。

“小度小度，我要看電影~”

“小度小度，徐崢的老婆是誰(shuí)~”

“小度小度，聲音調(diào)大點(diǎn)~”

……

如果是識(shí)別出了幾段普通話，可能并不讓人驚奇，但這段指令卻是一段四川方言，而搭載了DuerOS的電視不僅識(shí)別出了口令，并且和人類進(jìn)行了流暢互動(dòng)，這就讓在場(chǎng)的開(kāi)發(fā)者們驚奇不已了。而在這流暢交互的背后，就是百度大腦3.0在語(yǔ)音技術(shù)上的體現(xiàn)。

據(jù)百度高級(jí)副總裁、AI技術(shù)平臺(tái)體系總負(fù)責(zé)人王海峰介紹，百度大腦3.0的核心是“多模態(tài)深度語(yǔ)義理解”，“多模態(tài)深度語(yǔ)義理解”是指對(duì)文字、聲音、圖片、視頻等多模態(tài)的數(shù)據(jù)和信息進(jìn)行深層次多維度的語(yǔ)義理解，包括數(shù)據(jù)語(yǔ)義、知識(shí)語(yǔ)義、視覺(jué)語(yǔ)義、語(yǔ)音語(yǔ)義一體化和自然語(yǔ)言語(yǔ)義等多方面的語(yǔ)義理解技術(shù)。

在語(yǔ)音技術(shù)上，百度取得了三項(xiàng)重大突破：百度高噪聲環(huán)境Hand-free語(yǔ)音識(shí)別準(zhǔn)確率已提升了10個(gè)百分點(diǎn);語(yǔ)音語(yǔ)義一體化技術(shù)使得遠(yuǎn)場(chǎng)語(yǔ)音識(shí)別準(zhǔn)確率提升了10個(gè)百分點(diǎn);在語(yǔ)音合成方面，WaveNet+拼接的情感語(yǔ)音合成技術(shù)，使得流暢度和自然度也大幅提升。

語(yǔ)音識(shí)別的準(zhǔn)確率是語(yǔ)音技術(shù)的基礎(chǔ)，針對(duì)遠(yuǎn)場(chǎng)交互中高頻Query的識(shí)別率問(wèn)題，百度對(duì)語(yǔ)義識(shí)別的技術(shù)和框架進(jìn)行了重新設(shè)計(jì)，專門(mén)為高頻Query建構(gòu)解碼空間，且對(duì)高頻Query和普通Query兩套架構(gòu)并行解碼。在動(dòng)態(tài)解碼階段，百度采用了Ranking綜合排序，以保證高頻Query的高權(quán)重。百度基于高頻Query的識(shí)別架構(gòu)，目前能夠?qū)⒏哳lQuery的準(zhǔn)確性提升10個(gè)點(diǎn)，并能保證普通Query的識(shí)別率不降。

多語(yǔ)種混合Query的識(shí)別是語(yǔ)音技術(shù)中攻克的難點(diǎn)，百度發(fā)布的基于Deep Peak2采用的多語(yǔ)種音素組合建模，突破了以音素為基本建模單元的傳統(tǒng)，對(duì)中英文統(tǒng)一建模，不僅能將建模單元減少至一千多、將解碼速度加快、解碼效率增高，且因?yàn)槟Ｐ蛯?duì)訓(xùn)練數(shù)據(jù)極高的多樣性和包容性，模型能積累更多的訓(xùn)練數(shù)據(jù)，進(jìn)而大大提高對(duì)中英文混合Query的識(shí)別準(zhǔn)確率。目前，基于中文Deep Peak2的多語(yǔ)種音素組合模型已在百度多個(gè)產(chǎn)品上線，相對(duì)錯(cuò)誤率比業(yè)界最好競(jìng)品降低了20%。

技術(shù)質(zhì)量與成本最優(yōu)化是技術(shù)追求的目標(biāo)，百度創(chuàng)新的WaveNet+拼接技術(shù)不僅保證了合成聲音的情感，保證了輸出聲音的穩(wěn)定性，同時(shí)降低了需要使用的數(shù)據(jù)和成本，全新的語(yǔ)音合成技術(shù)的經(jīng)濟(jì)適用性，覆蓋了更多的聊天場(chǎng)景，也讓該技術(shù)能得到大規(guī)模的工業(yè)應(yīng)用。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。