百度宣布开放4项语音技术 吴恩达称或将彻底改变人机交互

安科网讯 11月22日下午消息，百度今日宣布开放四项全新语音技术的接口，帮助用户提升在使用语音与机器进行交流时的交互体验，该决定恰逢百度语音开放平台上线3周年。

百度首席科学家吴恩达介绍了这四项语音技术，分别是情感合成、远场方案、唤醒二期技术和长语音方案。

“这些技术有很大的潜力，去彻底改变人机交互的效率和办法。未来语音技术在很多应用场景有很好的机会，将为人机交互带来巨大的改变。”吴恩达表示。

具体方面，这些技术旨在解决用户在使用语音交互的场合时，普遍感到困扰的一些关键问题。例如，百度情感合成技术主要聚焦在为合成语音“加入情感”，目前可达到接近真人发声效果，百度今年早些时候曾利用此技术，复原已逝明星张国荣的声音。

类似地，开发者还可以利用新的接口，使语音识别距离增加到3-5米，将设备的语音唤醒率提升到95%以上同时更省电误报更少，或提升长时间语音识别的准确率问题。这将为语音技术带来远比现在更多的想象空间，而不只是遥控电视或解锁手机。

例如，前两者的代表是百度的“小度机器人人机语音交互点餐”，已在上海肯德基旗舰店投入应用，可远距离随时应答点餐。后者则已经在诸多内容记录、智能客服、视频转写等场景实现应用。

此前，百度语音开放平台已经在手机、家电、汽车和通讯服务等多领域实现合作覆盖，具体合作伙伴包括联想、中兴、长虹、康佳、SONY、特斯拉、途胜、惠普、艾米通讯、携程，及手机QQ阅读等。

公开资料显示，百度语音开放平台上线于2013年10月，目前每日在线语音识别要求1亿4千万，在线语音合成每日请求达2亿，开发者数量超过14万。

值得一提的是，在吴恩达及其团队的研发下，百度语音识别准确率目前已高达97%，深度语音识别系统Deep Speech 2还入选了 MIT 2016十大突破技术。