百度語音首席研究員 賈磊

以下是演講實錄：

各位來賓大家好，感謝組委會給我這個機會給大家匯報一下開放云相關(guān)的工作。百度近期有一系列技術(shù)上舉措，我們在國外聘請了專家來到百度，對外開放了一系列的技術(shù)，百度開放技術(shù)的目的是什么？大家使用百度開放技術(shù)的時候還不放心，在PC時代技術(shù)相對成熟，人們做一個網(wǎng)站運營相關(guān)的網(wǎng)站成本是比較低的，但是移動時代開發(fā)者面對移動互聯(lián)開發(fā)瓶頸做一個應(yīng)用，壓力是很大的，百度幫助開發(fā)者更好建立自己的應(yīng)用，建立自己的APP，和生態(tài)環(huán)境，讓所有開發(fā)者都行動起來。我們也希望開發(fā)者通過百度的技術(shù)開發(fā)自己的應(yīng)用，最終實現(xiàn)生態(tài)轉(zhuǎn)移。百度語音開放是降低移動互聯(lián)時代開發(fā)者的門檻，我們開發(fā)是語音識別技術(shù)，這個語音識別技術(shù)是簡單的識別過程，我們首先有自己的語音識別系統(tǒng)，大家用我們客戶端軟件或者直接傳語音到服務(wù)器，我們針對手機廠商和汽車廠商，只要大家去百度申請就能免費拿到我們做語音識別所有的技術(shù)。

同時，我們還開放了個體定制化語音識別需求，我們幫助大家做自己的應(yīng)用，大家可以上傳自己的語義語法要求，在后臺定制自己的語音識別器，從而實現(xiàn)完全無縫連接和捆綁，在開放語音識別技術(shù)之后，我們又開放了自己的語音合成技術(shù)，嵌入式HTS語音合成系統(tǒng)，高保真的合成，在互聯(lián)網(wǎng)模式下合成語音，幫助大家開發(fā)自己的互聯(lián)網(wǎng)應(yīng)用。在語音識別背后我們開放了百度語音文件技術(shù)，有多達35類的語義需求都可以得到滿足。同時我們開放了語義理解，這些資源會隨著整個過程對開發(fā)者展開。首先我介紹百度語音識別開放，我們強調(diào)是場景化識別和自選語言模型，我們開放的長文本，短熱詞，交互式對話垂直領(lǐng)域識別技術(shù)，語音糾錯技術(shù)，我們從金融、醫(yī)療、衛(wèi)生逼我們互聯(lián)網(wǎng)在文本時代積累的文本處理技術(shù)都進行定制化選擇，用戶使用我們語音識別選擇自己的語音領(lǐng)域，如果在現(xiàn)有開放領(lǐng)域找不到適合自己的領(lǐng)域，用戶可以定制化自己的語音識別。

下面我簡單介紹一下我們語音識別技術(shù)，百度采用的是數(shù)萬小時聲學(xué)訓(xùn)練語料，百度搜索引擎技術(shù)積累的海量文本語料，線上語言模型體積100G，使語音識別更適合應(yīng)用，我們還有聽覺感知DNN聲學(xué)建模技術(shù)，更高的識別率。最后我們有高速的解碼技術(shù)，使我們語音識別技術(shù)達到國際先進水平。

這里對技術(shù)講起來很枯燥，首先我們有SDK，我們在網(wǎng)上放SDK，可以做很微量的工作就可以實現(xiàn)自己移動的APP在安卓上進行語音識別，自己的開發(fā)量只要按照我們工作手冊去操作，很容易讓APP都具備識別的能力，最終實現(xiàn)高精準(zhǔn)的語音識別。用戶定制化識別也是我們的特長，用戶可以上傳自己的語料，實現(xiàn)最精準(zhǔn)的語音識別。

我介紹一下我們語音合成開放，我們能實現(xiàn)任意文本的語音播報。這個過程其實可以直接連我們語音合成的語音服務(wù)，我們把你們通篇上傳的文字轉(zhuǎn)化為語音，高保真，而且清晰自然。我們的拼接合成技術(shù)也對外發(fā)布了，這里不再贅述。我們嵌入式語音識別技術(shù)也會對外開放，在你們移動產(chǎn)品中嵌入百度的語音何澄功能，任何時間任何地方都可以實現(xiàn)文本的播報。語音合成我們支持安卓和IOS兩個平臺，我們支持多種音頻編碼滿足大家的需要。

百度的語義理解我們在互聯(lián)網(wǎng)上支持語義的結(jié)構(gòu)化的數(shù)據(jù)，大家會拿到一個語義的解析內(nèi)容，跟我們后臺的模塊是配合的，這樣我們支持35個垂直領(lǐng)域定制化解析，平均準(zhǔn)確率都超過85%以上。我們針對用戶主要場合，文化場合做很多的解釋，如果有方言表達的文體不一定能夠準(zhǔn)確解釋的情況下，用戶可以定制化自己的語義解析，改善語義理解。目前百度后臺資源跟語義理解模塊是對應(yīng)的，我們從時間結(jié)果，語義理解，然后返回語音解析內(nèi)容。我們多個對話功能也在網(wǎng)上進行開放，大家在語音識別過程，不是單純一個名詞中轉(zhuǎn)換，我們還支持多個名詞之間的邏輯關(guān)聯(lián)，我們給“去哪兒”的經(jīng)典語音交互案例，語音識別語義理解深度定制。最后我們介紹一下百度的資源優(yōu)勢，我們集成了百度所有產(chǎn)品和服務(wù)，搜索、地圖、音樂、百科在后臺都是開放的，把文字轉(zhuǎn)化為聲音的播報功能而且還能拿到后臺的資源，都對大家敞開，進行免費服務(wù)。我們開放的有三級權(quán)限，第一是語音識別、語音合成。這是為了滿足開發(fā)者只是要用語音識別功能，不需要太多資源。我們直接得到了語音識別和語音合成的能力，這個能力又分為聯(lián)網(wǎng)和不聯(lián)網(wǎng)，如果不聯(lián)網(wǎng)，大家在百度注冊平臺注冊申請就可以了。在二級權(quán)限中，我們除了開放語音識別和語義合成以外，最重要的是語義理解，大家根據(jù)自己應(yīng)用的要求，定制自己理解的定制化語義解析。后臺大家有多自己的服務(wù)，不一定用百度資源和服務(wù)，比如你們開放數(shù)字電視，大家說我想看什么電視頻道，用戶可以切換到自己的電視頻道。在三級權(quán)限中我們把百度后臺的資源都對大家開放，中小開發(fā)者說我做一個查詢，周邊的查詢，我的核心要點是查飯店，有的用戶查周圍的咖啡屋，我看到飯店跟咖啡屋是關(guān)聯(lián)的我們百度后臺是支持的，大家可以訪問百度后臺的資源。我們把三級開放抽象為這樣的圖，我們身份識別、語音喚醒，打造不一樣的人機交互。語義理解，我們主要設(shè)置的是你說，我想！理解用戶意圖，完成需求分發(fā)，整合系統(tǒng)資源。我們還有一些重磅產(chǎn)品介紹，我們跟很多公司，有的是互聯(lián)網(wǎng)公司，有的是IT公司進行合作，向他們提供我們語音識別能力和解決方案等等。

后面我宣傳一下我們語音開放的聯(lián)系方式，我們有新浪官方微博，大家搜索百度語音就能找到我們所有的服務(wù)，我們還有騰訊QQ群，大家可以對自己的問題尋求我們的解答。我們百度內(nèi)部的聊天方式廣大用戶不太熟悉，所有的技術(shù)問題是有技術(shù)人員實時解答的，主流的媒體頻道了解到我們內(nèi)部的hi群，都是我們技術(shù)人員在線為大家解答問題。最后是我非常感謝大家有機會花時間來聽我的報告，很感謝大家！謝謝大家！