百度語(yǔ)音首席架構師賈磊

　　賈磊指出，面對未來(lái)智能語(yǔ)音產(chǎn)業(yè)鏈的新需求，百度將研發(fā)新一代的端到端智能語(yǔ)音交互系統，實(shí)現語(yǔ)音交互全鏈路協(xié)同處理。

　　賈磊在演講中提到，傳統的遠場(chǎng)語(yǔ)音交互系統中，是先采用一個(gè)基于麥克陣列的語(yǔ)音增強模塊，之后再接一個(gè)語(yǔ)音識別模塊，兩個(gè)模塊串聯(lián)連接。這種系統設計方法具有很多先天局限性。為了更好的智能遠場(chǎng)語(yǔ)音交互體驗，我們需要設計一套全新的深度學(xué)習模型。“如果能設計一種全新架構，一套模型，從原始多路聲音信號開(kāi)始，對識別文字直接端到端建模，從而使得遠場(chǎng)識別性能大幅度的提升。可以喚醒后，360度隨意的識別，并且不用要求設備音頻回路必須是線(xiàn)性”，賈磊說(shuō)。

　　而這就是百度推出“基于復數CNN網(wǎng)絡(luò )的語(yǔ)音增強和聲學(xué)建模一體化的端到端語(yǔ)音識別”方案的初衷。其最大特點(diǎn)就是顛覆了數字信號處理學(xué)科和語(yǔ)音識別學(xué)科的傳統經(jīng)典理論，直接一套模型端到端的打通兩個(gè)學(xué)科，完全數據驅動(dòng)，端到端建模“，賈磊說(shuō)。

　　具體來(lái)講是，該模型底部以復數CNN為核心，利用復數CNN網(wǎng)絡(luò )挖掘生理信號特點(diǎn)。采用復數CNN，復數全連接層以及CNN等多層網(wǎng)絡(luò )，直接對原始的多通道語(yǔ)音信號進(jìn)行多尺度多層次的信息抽取，期間充分挖掘頻帶之間的關(guān)聯(lián)耦合信息。

　　在保留原始特征相位信息的前提下，這個(gè)模型一次性實(shí)現了前端聲源定位、波束形成和增強特征提取等功能。該模型底部CNN抽象出來(lái)的特征，直接送入端到端的流式多級的截斷注意力模型（SMLTA）中，從而實(shí)現了從原始多路麥克信號到識別目標文字的端到端一體化建模。

　　因為整個(gè)網(wǎng)絡(luò )的優(yōu)化準則完全依賴(lài)于語(yǔ)音識別網(wǎng)絡(luò )的優(yōu)化準則來(lái)做，完全以識別率提升為目標來(lái)做模型參數調優(yōu)。而由此帶來(lái)的好處也不言而喻。根據統計數據顯示，相較于傳統基于數字信號處理的麥克陣列算法，基于復數CNN網(wǎng)絡(luò )的語(yǔ)音增強和聲學(xué)建模使得錯誤率降低超過(guò)30%。

　　賈磊說(shuō)：“我們基于以上這個(gè)技術(shù)，對于語(yǔ)音交互上將有更大的提升，而這種提升和進(jìn)步是顛覆性的。另外深度學(xué)習完成了數據革命和計算革命之后，開(kāi)始進(jìn)行跨學(xué)科整合，繼續獲得生命力和提升”。

　　另外從“復數CNN網(wǎng)絡(luò )的語(yǔ)音增強和聲學(xué)建模一體化方案”來(lái)看，深度學(xué)習在完成數據革命和計算革命之后，開(kāi)始進(jìn)行跨學(xué)科的整合，打破學(xué)科間的壁壘，兩個(gè)學(xué)科聯(lián)合在一起繼續獲得生命力提升，這是百度語(yǔ)音技術(shù)提升的軌跡，賈磊指出。

　　百度提出流式多級的截斷注意力模型SMLTA，在國際上首次實(shí)現流式注意力建模超越整句注意力模型的性能，也是國際上首次實(shí)現在線(xiàn)語(yǔ)音識別大規模使用注意力模型。SMLTA在大幅提升識別速度的同時(shí)，也提高了識別準確率。輸入法有效產(chǎn)品相對準確率提升15%，音箱有效產(chǎn)品相對準確率提升20%。

　　基于此百度在對話(huà)能力迎來(lái)重大技術(shù)革新——全球領(lǐng)先的全雙工免喚醒能力，實(shí)現了“一次喚醒，多輪交互”免喚醒詞連續對話(huà)。

　　基于以上技術(shù)，百度提出了語(yǔ)音語(yǔ)義一體化解決方案，即百度可以做到一套模型同時(shí)識別中文英文和方言。如在2019年1月百度輸入法上線(xiàn)河南、山東、四川、東北、陜西、安徽方言的無(wú)障礙輸入，今年年底將支持河北、山西、湖北、湖南、云南等。另外，值得一提的是，百度輸入法還是支持中英文混合語(yǔ)音輸入，而且識別率大幅度改進(jìn)提升。

　　除了在應用和技術(shù)上的突破創(chuàng )新，賈磊還帶來(lái)了百度大腦語(yǔ)音技術(shù)的前沿進(jìn)展：百度2018年和2019年先后推出“百度昆侖”“百度鴻鵠”兩款人工智能專(zhuān)用芯片，讓智能時(shí)代的核心硬件技術(shù)自主可控。經(jīng)過(guò)不斷優(yōu)化發(fā)展迭代升級，基于鴻鵠語(yǔ)音芯片已逐漸開(kāi)始覆蓋智能家居、智能車(chē)聯(lián)、智能IoT的三大場(chǎng)景解決方案。

　　賈磊說(shuō)，“2018年和2019年先后推出“百度昆侖”“百度鴻鵠”兩款人工智能專(zhuān)用芯片，讓智能時(shí)代的核心硬件技術(shù)自主可控”。

　　主題演講最后，賈磊表示：希望通過(guò)語(yǔ)音技術(shù)和硬件芯片，為各大廠(chǎng)商為中國社會(huì )做更好地服務(wù)。

　　當前以AI技術(shù)為核心的第四次工業(yè)革命已經(jīng)拉開(kāi)大幕。特別是隨著(zhù)5G商用之后，AI技術(shù)的落地正在加速，同時(shí)也是AI滲透到社會(huì )生活方方面面的開(kāi)始。

　　這里百度憑借自身AI核心技術(shù)上取得諸多突破和儲備，以及積極打造AI開(kāi)放生態(tài)這兩大優(yōu)勢，正確立在A(yíng)I技術(shù)革命中的行業(yè)領(lǐng)先地位。