百度語音開放平臺三周年主題活動在北京召開，本次大會百度公開宣布開放四大語音技術(shù)——情感合成、遠場方案、喚醒二期、長語音方案，為開發(fā)者提供免費接入入口。百度首席科學家吳恩達在主題演講中表示，“語音是人類交流、人機交互最自然的方式，通過開放語音技術(shù)，百度希望可以推動語音功能產(chǎn)品繁榮的浪潮。”
(百度公司首席科學家吳恩達進行現(xiàn)場演講)
在演講中吳恩達詳細解讀了百度人工智能核心成果“百度大腦”及其核心組成部分，包括語音、圖像、自然語言處理、用戶畫像、機器學習五大重要組成部分。在百度語音開放平臺三周年之際，吳恩達還向外界公開介紹百度語音技術(shù)最新數(shù)據(jù)情況：注冊開發(fā)者數(shù)量達到14億，在線識別請求量2016年每天達到1.4億次，在線語音合成請求量則達到2億次，再次證明了語音開放平臺開放給開發(fā)者帶來的實用價值。
此外，吳恩達還對人工智能的未來充滿信心，他認為，人工智能的未來會體現(xiàn)在方方面面，例如陪伴機器人，個性化私教，音樂作曲，機器人醫(yī)生等。
以下是吳恩達演講實錄：
大家好，非常高興大家今天來參加我們的語音開放平臺三周年發(fā)布會。
我是“百度大腦”的項目負責人吳恩達，在百度大腦的項目中有一部分非常重要的工作，就是把最領(lǐng)先的技術(shù)輸出給大家使用。在百度大腦開放平臺(ai.baidu.com)上，我們不僅輸出人工智能技術(shù)，也有很多有關(guān)人工智能技術(shù)的培訓資料。
那么，百度大腦到底是什么呢？它最核心的幾個技術(shù)部分為：語音、圖像、自然語言處理、用戶畫像、機器學習平臺。我發(fā)現(xiàn)很多人使用百度的語音技術(shù)有兩大原因，第一個原因，百度有非常領(lǐng)先的技術(shù)為他們的用戶提供更好的體驗;第二個原因，我個人做了好幾十年有關(guān)人工智能的項目，發(fā)現(xiàn)通常你剛開始做一個項目的時候，只是需要語音技術(shù)，當做了幾個月以后，你發(fā)現(xiàn)還需要圖像技術(shù)或者自然語言處理技術(shù)等等。如果你是使用百度大腦開放平臺，你可以比較容易的選擇真正需要的技術(shù)部分把它放進來，把它融合，為你做到最好的效果。再比如說你想服務一個智能客戶，開始的時候覺得只需要語音識別、語音合成技術(shù)，但是做了幾個月以后，發(fā)現(xiàn)你需要最領(lǐng)先的自然語言處理技術(shù)。如果你是使用百度大腦開放平臺，希望你比較容易拿到這些技術(shù)放到自己的產(chǎn)品中。
我個人對人工智能的未來充滿信心，我希望未來我們會有陪伴機器人、個性化私教、音樂作曲、機器人醫(yī)生等等。這些年人工智能技術(shù)發(fā)展的非?？欤@給我們，也給你們帶來很多新的機會，在百度是沒有辦法探索這么多非常有潛力的機會，所以我們的目標就是把我們的人工智能技術(shù)輸出給大家，希望可以支持你們在非常有潛力的項目上探索，而且支持你們在這些項目中獲得非常好的結(jié)果。
今天大會的主題就是語音技術(shù)。大家可能已經(jīng)知道，在很多最重要的百度產(chǎn)品中，我們已經(jīng)支持語音輸入，包括手機百度、百度地圖、百度輸入法。如果你還沒有試過百度輸入法，我希望你試一試，我輸入信息時就挺喜歡用百度輸入法。還有度秘，最近我們把度秘放入各類硬件中，比如小度機器人。度秘系統(tǒng)可以為客戶點餐，把度秘和機器人融合，也可以讓各種用戶有新的體驗。
這幾年來，我們的團隊在不斷地優(yōu)化語音識別系統(tǒng)，在2012年開始使用DNN模型，后來有比較好的特征，之后開始用Sequence Discriminative Training，也開始使用LSTM模型，加上CTC，今年我們的團隊開發(fā)了Deep CNN模型，效果在不斷進步，這就是我們的語音識別系統(tǒng)。
此外，我們的語音合成模型也變得越來越好，這幾年來我們在好幾個技術(shù)方面有比較大的突破，我們的語音合成效果也變得越來越好。現(xiàn)在百度在中國語音合成的能力是遠遠超過其他公司的，今天下午我們的語音團隊負責人也會和大家分享更多細節(jié)。
因為我們的語音技術(shù)、自然語言處理技術(shù)、我們的人機交互技術(shù)進步的這么快，2016年MIT科技評論我們的技術(shù)是2016年十大突破性技術(shù)之一，我們覺得這些技術(shù)有很大的潛力，可以改變?nèi)藱C交互的效率和辦法。
未來語音技術(shù)在很多應用場景有很好的機會，為人機交互帶來巨大的改變。舉個例子，在智能家居的場景，我們希望未來你回家以后可以使用語音跟你的電視、遙控器、音箱、窗簾講話，比如說希望你未來可以向你的電燈說，“電燈請打開”，它就明白你的命令，或者對遙控器說話，它就能非常方便的滿足你的需求。其實智能家居只是一個應用場景，我覺得在很多應用場景中，語音技術(shù)都可以帶來人機交互非常大的改變，這包括手機、音箱、電視等等。希望語音能讓你做更好的智能客服中心。在汽車領(lǐng)域語音也是一個非常重要的人機交互的場景，我們有很多合作伙伴正在使用我們的語音技術(shù)探索這些應用場景。
最后，今天我們已經(jīng)知道，尤其是在手機端，我們知道語音輸入比鍵盤打字更快、更方便、更準確。下一位進行演講的是我的好朋友，也是斯坦福大學James Landay教授，他也會為大家分享有關(guān)這方面的研究，就是使用百度的語音識別系統(tǒng)，如果你使用這個系統(tǒng)，在手機端輸入就可以更快、更方便、更自然。
語音輸入這么方便，希望未來語音輸入會變得更普及。大家想一想，如果你跟我想交流，最自然的辦法就是你跟我講一句話，或者我跟你講一句話，所以人和人交流最自然的辦法還是語音。這幾年來，語音和自然語言處理和度秘這種技術(shù)進步這么快，今天很多場景，人機交互最自然的辦法已經(jīng)是語音。人機交互不只是你跟電腦或者和設(shè)備講話，你的電腦和設(shè)備也需要告訴你它的意見，所以我們的語音技術(shù)也可以讓這些設(shè)備非常自然的告訴你它的意見。
最后，因為人工智能，尤其是語音技術(shù)這幾年發(fā)展的很快。在百度大腦已經(jīng)有好幾種不同的人工智能技術(shù)，其中比較成熟的，就是我們的語音技術(shù)。所以語音技術(shù)已經(jīng)給我們，也給大家，也給你們，給你的公司，給開發(fā)者很多新的機會。所以，我希望我們輸出語音技術(shù)，希望它可以為大家提供非常好的服務，也希望我們可以使用我們的技術(shù)支持你們探索這些新機會，希望你們可以使用這些技術(shù)，支持你們在這些新機會中獲得非常好的成果。
