近日， 微軟宣布英語(yǔ)的語(yǔ)音識(shí)別轉(zhuǎn)錄詞錯(cuò)率僅 5.9%，達(dá)到了專業(yè)速錄員水平超越了人類。百度首席科學(xué)家吳恩達(dá)（Andrew Ng）發(fā)推特對(duì)此表示恭賀：“在 2015 年我們就超越了人類水平的漢語(yǔ)識(shí)別；很高興看到微軟在不到一年之后讓英語(yǔ)也達(dá)到了這一步?！睍r(shí)隔一年，百度、微軟兩大人工智能科技巨頭先后分別在漢語(yǔ)、英語(yǔ)語(yǔ)音識(shí)別研究方面取得了超越人類的成果，引發(fā)業(yè)界轟動(dòng)。
據(jù)悉，語(yǔ)音識(shí)別并不算是一個(gè)新興的行業(yè)，從20世紀(jì)70年代賈里尼克教授，開(kāi)始基于統(tǒng)計(jì)法和數(shù)據(jù)建立模型后，語(yǔ)音識(shí)別有了巨大飛躍。近年來(lái)，隨著數(shù)據(jù)量的豐富和計(jì)算能力的提升，語(yǔ)音識(shí)別行業(yè)迅速崛起。據(jù) TechCrunch 統(tǒng)計(jì)，僅美國(guó)至少就有 26 家公司在開(kāi)發(fā)語(yǔ)音識(shí)別技術(shù)。美國(guó)眾多企業(yè)在技術(shù)上多年的積累使之占據(jù)了絕對(duì)的行業(yè)優(yōu)勢(shì)，但中國(guó)互聯(lián)網(wǎng)企業(yè)百度近年來(lái)在語(yǔ)音識(shí)別技術(shù)上持續(xù)發(fā)力，在漢語(yǔ)語(yǔ)音識(shí)別方面取得了領(lǐng)先世界的成績(jī)，已成為該研究領(lǐng)域當(dāng)之無(wú)愧的領(lǐng)頭羊。
作為中國(guó)最大的搜索引擎公司，百度收集了大量漢語(yǔ)（尤其是普通話）的音頻數(shù)據(jù)，百度采用數(shù)千小時(shí)進(jìn)行實(shí)驗(yàn)的預(yù)研，并應(yīng)用到數(shù)萬(wàn)小時(shí)的語(yǔ)音產(chǎn)品數(shù)據(jù)庫(kù)，這給 Deep Speech 2 技術(shù)成果提供了基本的數(shù)據(jù)優(yōu)勢(shì)。在該技術(shù)首次發(fā)布時(shí)，百度研究院硅谷人工智能實(shí)驗(yàn)室（SVAIL）就在 arXiv 上發(fā)表了一篇論文《Deep Speech 2: End-to-End Speech Recognition in English and Mandarin（Deep Speech 2：端到端的英語(yǔ)和漢語(yǔ)語(yǔ)音識(shí)別）》，介紹了百度的研究成果。吳恩達(dá)表示其識(shí)別的精度當(dāng)時(shí)已經(jīng)超越了 Google Speech API、wit.ai、微軟的 Bing Speech 和蘋果的 Dictation 至少 10 個(gè)百分點(diǎn)。據(jù)百度表示，到今年 2 月份時(shí)，Deep Speech 2 的短語(yǔ)識(shí)別的詞錯(cuò)率已經(jīng)降到了 3.7%！這意味著Deep Speech 2 轉(zhuǎn)錄某些語(yǔ)音的能力「基本上是超人級(jí)的」，能夠比普通話母語(yǔ)者更精確地轉(zhuǎn)錄較短的查詢。
值得一提的是，盡管 Deep Speech 2 在漢語(yǔ)上表現(xiàn)非常不錯(cuò)，但其最初實(shí)際上并不是為理解漢語(yǔ)訓(xùn)練的。百度美國(guó)的人工智能實(shí)驗(yàn)室負(fù)責(zé)人 Adam Coates 說(shuō)：“我們?cè)谟⒄Z(yǔ)中開(kāi)發(fā)的這個(gè)系統(tǒng)，但因?yàn)樗峭耆疃葘W(xué)習(xí)的，基本上是基于數(shù)據(jù)的，所以我們可以很快地用普通話替代這些數(shù)據(jù)，從而訓(xùn)練出一個(gè)非常強(qiáng)大的普通話引擎?！?/p>
百度提出的端到端的深度學(xué)習(xí)（end-to-end deep learning）方法或者將很快實(shí)現(xiàn)更多復(fù)雜語(yǔ)種的識(shí)別問(wèn)題。該方法用神經(jīng)網(wǎng)絡(luò)完全替代了人工設(shè)計(jì)組件的流程，端到端學(xué)習(xí)讓可以處理包含噪雜環(huán)境、口音和不同語(yǔ)言的許多不同的語(yǔ)音，所以該技術(shù)既可以被用于識(shí)別漢語(yǔ)語(yǔ)音，也可以被用于識(shí)別英語(yǔ)語(yǔ)音。
對(duì)比一年之前吳恩達(dá)所說(shuō)：“SVAIL 已經(jīng)證明我們的端到端深度學(xué)習(xí)方法可被用來(lái)識(shí)別相當(dāng)不同的語(yǔ)言。我們方法的關(guān)鍵是對(duì)高性能計(jì)算技術(shù)的使用，相比于去年速度提升了 7 倍。因?yàn)檫@種效率，先前花費(fèi)兩周的實(shí)驗(yàn)如今幾天內(nèi)就能完成。這使得我們能夠更快地迭代?！毕嘈沤?jīng)過(guò)一年的技術(shù)迭代，Deep Speech 2已經(jīng)“默默”創(chuàng)造了新的奇跡。在語(yǔ)音識(shí)別領(lǐng)域，百度、微軟等巨頭的各自發(fā)力，將加速用技術(shù)跨越語(yǔ)言鴻溝的進(jìn)程，重建通天的“巴別塔”。
- 蜜度索驥：以跨模態(tài)檢索技術(shù)助力“企宣”向上生長(zhǎng)
- 華為舉辦原生鴻蒙之夜暨全場(chǎng)景新品發(fā)布會(huì)，推出HarmonyOS NEXT和多款新品
- HarmonyOS NEXT正式發(fā)布：原生應(yīng)用超15000個(gè)，開(kāi)啟更多機(jī)型公測(cè)
- Gartner發(fā)布2025年十大戰(zhàn)略技術(shù)趨勢(shì) 代理型AI與AI治理入選
- 多項(xiàng)數(shù)據(jù)成果重磅發(fā)布，2024全球數(shù)商大會(huì)數(shù)據(jù)空間創(chuàng)新發(fā)展論壇在滬順利舉辦！
- 被歐盟重罰170億美元后，特朗普爆料蘋果CEO庫(kù)克打電話向自己求助
- 2024全球數(shù)商大會(huì)在上海盛大開(kāi)幕，共繪數(shù)字經(jīng)濟(jì)新藍(lán)圖
- 2024全球數(shù)商大會(huì)開(kāi)幕：數(shù)“聚”上海，“鏈”接數(shù)字經(jīng)濟(jì)新未來(lái)
- 大疆正式起訴美國(guó)國(guó)防部，就錯(cuò)誤列入CMC制裁清單提出抗議
- 揭秘Neuralink腦機(jī)接口的“主刀人” 他是馬斯克野心的幕后操盤手
- 京東發(fā)言人證實(shí)：劉強(qiáng)東章澤天夫婦遭有組織造謠，警方已介入調(diào)查
免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。
