百度大脑语音完成打破，深度学习助力语音辨认打破范畴壁垒

 2019年12月26日，由百度与ZOL联手举办的“智见未来”峰会——暨2019年度“星标大奖”颁奖盛典在北京举办。在盛典上百度语音首席架构师贾磊宣布了宗旨为“百度大脑语音技能的前沿开展”的讲演，从百度语音产品矩阵、百度智能语音解决计划、百度智能语音交互体系这三方面全方位介绍了百度智能语音交互体系全景。

百度语音首席架构师贾磊

     贾磊指出，面临未来智能语音产业链的新需求，百度将研制新一代的端到端智能语音交互体系，完结语音交互全链路协同处理。百度立异提出复数CNN网络的语音增强和声学建模一体化计划

      贾磊在讲演中说到，传统的远场语音交互体系中，是先选用一个依据麦克阵列的语音增强模块，之后再接一个语音辨认模块，两个模块串联衔接。这种体系规划办法具有许多先天局限性。为了更好的智能远场语音交互体会，咱们应该规划一套全新的深度学习模型。“如果能规划一种全新架构，一套模型，从原始多路声响信号开端，对辨认文字直接端到端建模，然后使得远场辨认功能大幅度的提高。能够唤醒后，360度随意的辨认，并且不必要求设备音频回路有必要是线性”，贾磊说。

     而这便是百度推出“依据复数CNN网络的语音增强和声学建模一体化的端到端语音辨认”计划的初衷。其最大特色便是推翻了数字信号处理学科和语音辨认学科的传统经典理论，直接一套模型端到端的打通两个学科，彻底数据驱动，端到端建模“，贾磊说。

详细来讲是，该模型底部以复数CNN为中心，运用复数CNN网络发掘生理信号特色。选用复数CNN，复数全衔接层以及CNN等多层网络，直接对原始的多通道语音信号进行多标准多层次的信息抽取，期间充沛发掘频带之间的相关耦合信息。

在保存原始特征相位信息的前提下，这个模型一次性完结了前端声源定位、波束构成和增强特征提取等功能。该模型底部CNN笼统出来的特征，直接送入端到端的流式多级的切断注意力模型（SMLTA）中，然后完结了从原始多路麦克信号到辨认方针文字的端到端一体化建模。

百度贾磊：百度大脑语音完结打破，深度学习助力语音辨认打破范畴壁垒

由于整个网络的优化原则彻底依赖于语音辨认网络的优化原则来做，彻底以辨认率提高为方针来做模型参数调优。而由此带来的优点也显而易见。依据核算多个方面数据显现，相较于传统依据数字信号处理的麦克阵列算法，依据复数CNN网络的语音增强和声学建模使得错误率下降逾越30%。

贾磊说：“咱们依据以上这个技能，关于语音交互大将有更大的提高，而这种提高和前进是推翻性的。别的深度学习完结了数据革新和核算革新之后，开端进行跨学科整合，持续获得生命力和提高”。

别的从“复数CNN网络的语音增强和声学建模一体化计划”来看，深度学习在完结数据革新和核算革新之后，开端进行跨学科的整合，打破学科间的壁垒，两个学科联合在一起持续获得生命力提高，这是百度语音技能提高的轨道，贾磊指出。

SMLTA+全双工免唤醒拓宽百度多语音辨认才能

百度提出流式多级的切断注意力模型SMLTA，在国际上初次完结流式注意力建模逾越整句注意力模型的功能，也是国际上初次完结在线语音辨认大规模运用注意力模型。SMLTA 在大幅提高辨认速度的一起，也提高了辨认准确率。输入法有用产品相对准确率提高15%，音箱有用产品相对准确率提高20%。

依据此百度在对话才能迎来严重技能革新——全球抢先的全双工免唤醒才能，完结了“一次唤醒，多轮交互”免唤醒词接连对话。

依据以上技能，百度提出了语音语义一体化解决计划，即百度能做到一套模型一起辨认中文英文和方言。如在2019年1月百度输入法上线河南、山东、四川、东北、陕西、安徽方言的无障碍输入，今年年底将支撑河北、山西、湖北、湖南、云南等。别的，值得一提的是，百度输入法仍是支撑中英文混合语音输入，并且辨认率大幅度改善提高。

除了在使用和技能上的打破立异，贾磊还带来了百度大脑语音技能的前沿开展：百度2018年和2019年先后推出“百度昆仑”“百度鸿鹄”两款人工智能专用芯片，让智能年代的中心硬件技能自主可控。经过不断优化开展迭代晋级，依据鸿鹄语音芯片已逐步开端掩盖智能家居、智能车联、智能IoT的三大场景解决计划。

贾磊说，“2018年和2019年先后推出“百度昆仑”“百度鸿鹄”两款人工智能专用芯片，让智能年代的中心硬件技能自主可控”。

主题讲演最终，贾磊表明：期望经过语音技能和硬件芯片，为各大厂商为中国社会做更好地服务。

当时以 AI 技能为中心的第四次工业革新现已拉开大幕。特别是跟着5G商用之后，AI技能的落地正在加快，一起也是 AI 渗透到社会生活方方面面的开端。

这儿百度凭仗本身AI中心技能上获得许多打破和储藏，以及活跃打造AI敞开生态这两大优势，正建立在AI 技能革新中的职业抢先地位。