12月19日，據(jù)《福布斯》網(wǎng)站報道，今年5月，當(dāng)人工智能專家吳恩達(dá)（Andrew Ng）加盟百度，擔(dān)任這家公司首席科學(xué)家時，他對自己的團(tuán)隊可能開發(fā)的項目守口如瓶。但是�，F(xiàn)在，百度突然向外界揭曉了這位前谷歌研究員，也是斯坦福大學(xué)教授的最新研究成果。吳恩達(dá)及10名百度研究團(tuán)隊表示，他們已經(jīng)開發(fā)出一種更為準(zhǔn)確的語音識別系統(tǒng)——百度Deep Speech。
吳恩達(dá)表示，以語音識別系統(tǒng)準(zhǔn)確率標(biāo)準(zhǔn)衡量，百度Deep Speech系統(tǒng)要強(qiáng)于谷歌和蘋果等對手的系統(tǒng)。
百度Deep Speech在噪音環(huán)境中（比如汽車內(nèi)和人群之中）的表現(xiàn)更為突出。吳恩達(dá)表示，在噪音環(huán)境下，測試顯示百度Deep Speech系統(tǒng)的出錯率要比谷歌Speech API，Wit.AI，微軟Bing Speech以及蘋果Dictation低10%多。
跟其他語音識別系統(tǒng)一樣，百度Deep Speech基于一種被稱之為“深度學(xué)習(xí)”（Deep Learning）的人工智能技術(shù)。該軟件能夠以一種非常原始形式來模仿人大腦新皮層中的神經(jīng)活動，因此深度學(xué)習(xí)系統(tǒng)就能夠識別出數(shù)字形式的聲音、圖片等數(shù)據(jù)。在接受采訪時，吳恩達(dá)表示，第一代深度學(xué)習(xí)語言識別正接近極限。
百度研究團(tuán)隊收集了9600個人長達(dá)7000小時語音，這些語音大多發(fā)生在安靜的環(huán)境下。然后該團(tuán)隊使用了一種被稱之為“疊加”（ superposition ）的物理學(xué)原理，在這些語音樣本中增加了15類噪音。這樣，他們將這項語音樣本擴(kuò)容成一個10萬小時的數(shù)據(jù)。然后，百度研究人員讓系統(tǒng)在噪音中識別語音。
吳恩達(dá)表示，百度Deep Speech要比目前的語音識別系統(tǒng)簡單的多，他們使用了一系列模塊，這些模塊能夠分析音素和其他語音元素。通常情況下，音素的識別需要人工設(shè)計模塊，并依靠一種名為“隱馬爾可夫模型”（Hidden Markov Models）統(tǒng)計概率系統(tǒng)，該系統(tǒng)需要大量的人力來調(diào)整模型噪音和語音變異。百度系統(tǒng)則使用深度學(xué)習(xí)算法來替代這些模型，這一算法基于遞歸神經(jīng)網(wǎng)絡(luò)，因此使得語音識別系統(tǒng)變得更為簡單。
不過，真正讓這項系統(tǒng)正常運(yùn)行的背后“功臣”是百度超強(qiáng)新計算機(jī)系統(tǒng)，該系統(tǒng)使用很多圖像處理器GPU。GPU通常應(yīng)用在筆記本電腦中用于加速圖形處理。而在百度語音識別系統(tǒng)中，GPU可以讓語音識別模型運(yùn)行速度變得更快、更“經(jīng)濟(jì)”，該系統(tǒng)運(yùn)行速度大概是吳恩達(dá)在斯坦福大學(xué)和谷歌期間所開發(fā)系統(tǒng)運(yùn)行速度的40倍。
吳恩達(dá)表示：“百度語音識別系統(tǒng)要比其他基于GPU系統(tǒng)更為全面。我們正進(jìn)入Speech 2.0時代，現(xiàn)在才是個開始�！�
吳恩達(dá)并未透露百度何時會將這項語音識別技術(shù)整合到百度搜索和其他服務(wù)中。不過，外界猜測百度可能會在明年某個時候?qū)eep Speech技術(shù)整合到百度Cool Box小服務(wù)中。
產(chǎn)品特點
百度首席科學(xué)家吳恩達(dá)以及由Awni Hannun領(lǐng)導(dǎo)的10人研究團(tuán)隊在美國康奈爾大學(xué)圖書館網(wǎng)站上稱，他們已經(jīng)開發(fā)出了一種新的，更為準(zhǔn)確的語音識別系統(tǒng)Deep Speech，該系統(tǒng)使用了端對端的深度學(xué)習(xí)技術(shù)。語音識別是一項越來越重要的技術(shù)，已經(jīng)被用于蘋果語音助手Siri、語音輸入功能Dictation以及谷歌語音搜索中。
吳恩達(dá)稱，按照衡量語音識別系統(tǒng)出錯率的標(biāo)準(zhǔn)基準(zhǔn)，Deep Speech的準(zhǔn)確性已經(jīng)超越了蘋果、谷歌的語音識別系統(tǒng)。特別是在汽車或人群等噪音環(huán)境下，Deep Speech的表現(xiàn)更為出色。
吳恩達(dá)稱，測試顯示，在噪音環(huán)境下，Deep Speech語音識別出錯率比谷歌語音識別引擎(Google Speech API)、語音識別公司wit.ai、微軟必應(yīng)語音搜索、蘋果Dictation的語音系統(tǒng)低10%以上。
嘈雜環(huán)境下識別率超谷歌蘋果
美國康奈爾大學(xué)開放存取資源庫arXiv.org發(fā)布的一篇文章稱，吳恩達(dá)攜10人組成的百度研發(fā)團(tuán)隊研究出一種更準(zhǔn)確的語音識別技術(shù)。吳恩達(dá)說，Deep Speech深度學(xué)習(xí)語音識別技術(shù)能夠超越蘋果和谷歌相關(guān)的語音識別技術(shù)。
資料圖
吳恩達(dá)指出，Deep Speech的優(yōu)勢是，在類似人群或是車內(nèi)嘈雜的環(huán)境下能夠?qū)崿F(xiàn)將近81%的辨識準(zhǔn)確率，優(yōu)于谷歌的語音識別引擎(Google API)、Wit.AI、微軟Bing語音搜索、蘋果語音服務(wù)等。美國卡內(nèi)基梅隆大學(xué)的助理研究員Ian Lane對此表示，百度的該項成果有望打破語音識別的發(fā)展格局。
據(jù)悉，百度人工智能研發(fā)團(tuán)隊共收集了超過9600人、長達(dá)7000多小時的語音數(shù)據(jù)資料，大多數(shù)是安靜環(huán)境中的語音，但百度公司還加入了15種嘈雜環(huán)境中的語音樣本，如在飯館、汽車、地鐵等。
在被問到何時會將Deep Speech語音識別系統(tǒng)應(yīng)用到其他研究和服務(wù)中時，吳恩達(dá)顯得很謹(jǐn)慎，并未透露過多，但從言辭中可知，這一天不會太遠(yuǎn)。據(jù)猜測，Deep Speech很有可能應(yīng)用于百度Cool Box產(chǎn)品中。
下載 
下載 
下載 
下載 
下載 
下載 
下載 
下載 
下載 
下載 
下載 
下載 
下載 
下載 
下載 
下載 
下載 
喜歡 
頂
難過
囧
圍觀
無聊
