百度吴恩达:语音是人机交互最自然的方式

【环球科技综合报道】11月22日，百度语音开放平台三周年主题活动在北京召开，本次大会百度公开宣布开放四大语音技术——情感合成、远场方案、唤醒二期、长语音方案，为开发者提供免费接入入口。百度首席科学家吴恩达在主题演讲中表示，“语音是人类交流、人机交互最自然的方式，通过开放语音技术，百度希望可以推动语音功能产品繁荣的浪潮。”

(百度公司首席科学家吴恩达进行现场演讲)

在演讲中吴恩达详细解读了百度人工智能核心成果“百度大脑”及其核心组成部分，包括语音、图像、自然语言处理、用户画像、机器学习五大重要组成部分。在百度语音开放平台三周年之际，吴恩达还向外界公开介绍百度语音技术最新数据情况：注册开发者数量达到14亿，在线识别请求量2016年每天达到1.4亿次，在线语音合成请求量则达到2亿次，再次证明了语音开放平台开放给开发者带来的实用价值。

此外，吴恩达还对人工智能的未来充满信心，他认为，人工智能的未来会体现在方方面面，例如陪伴机器人，个性化私教，音乐作曲，机器人医生等。

以下是吴恩达演讲实录：

大家好，非常高兴大家今天来参加我们的语音开放平台三周年发布会。

我是“百度大脑”的项目负责人吴恩达，在百度大脑的项目中有一部分非常重要的工作，就是把最领先的技术输出给大家使用。在百度大脑开放平台(ai.baidu.com)上，我们不仅输出人工智能技术，也有很多有关人工智能技术的培训资料。

那么，百度大脑到底是什么呢？它最核心的几个技术部分为：语音、图像、自然语言处理、用户画像、机器学习平台。我发现很多人使用百度的语音技术有两大原因，第一个原因，百度有非常领先的技术为他们的用户提供更好的体验;第二个原因，我个人做了好几十年有关人工智能的项目，发现通常你刚开始做一个项目的时候，只是需要语音技术，当做了几个月以后，你发现还需要图像技术或者自然语言处理技术等等。如果你是使用百度大脑开放平台，你可以比较容易的选择真正需要的技术部分把它放进来，把它融合，为你做到最好的效果。再比如说你想服务一个智能客户，开始的时候觉得只需要语音识别、语音合成技术，但是做了几个月以后，发现你需要最领先的自然语言处理技术。如果你是使用百度大脑开放平台，希望你比较容易拿到这些技术放到自己的产品中。

我个人对人工智能的未来充满信心，我希望未来我们会有陪伴机器人、个性化私教、音乐作曲、机器人医生等等。这些年人工智能技术发展的非常快，这给我们，也给你们带来很多新的机会，在百度是没有办法探索这么多非常有潜力的机会，所以我们的目标就是把我们的人工智能技术输出给大家，希望可以支持你们在非常有潜力的项目上探索，而且支持你们在这些项目中获得非常好的结果。

今天大会的主题就是语音技术。大家可能已经知道，在很多最重要的百度产品中，我们已经支持语音输入，包括手机百度、百度地图、百度输入法。如果你还没有试过百度输入法，我希望你试一试，我输入信息时就挺喜欢用百度输入法。还有度秘，最近我们把度秘放入各类硬件中，比如小度机器人。度秘系统可以为客户点餐，把度秘和机器人融合，也可以让各种用户有新的体验。

这几年来，我们的团队在不断地优化语音识别系统，在2012年开始使用DNN模型，后来有比较好的特征，之后开始用Sequence Discriminative Training，也开始使用LSTM模型，加上CTC，今年我们的团队开发了Deep CNN模型，效果在不断进步，这就是我们的语音识别系统。

此外，我们的语音合成模型也变得越来越好，这几年来我们在好几个技术方面有比较大的突破，我们的语音合成效果也变得越来越好。现在百度在中国语音合成的能力是远远超过其他公司的，今天下午我们的语音团队负责人也会和大家分享更多细节。

因为我们的语音技术、自然语言处理技术、我们的人机交互技术进步的这么快，2016年MIT科技评论我们的技术是2016年十大突破性技术之一，我们觉得这些技术有很大的潜力，可以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，为人机交互带来巨大的改变。举个例子，在智能家居的场景，我们希望未来你回家以后可以使用语音跟你的电视、遥控器、音箱、窗帘讲话，比如说希望你未来可以向你的电灯说，“电灯请打开”，它就明白你的命令，或者对遥控器说话，它就能非常方便的满足你的需求。其实智能家居只是一个应用场景，我觉得在很多应用场景中，语音技术都可以带来人机交互非常大的改变，这包括手机、音箱、电视等等。希望语音能让你做更好的智能客服中心。在汽车领域语音也是一个非常重要的人机交互的场景，我们有很多合作伙伴正在使用我们的语音技术探索这些应用场景。

最后，今天我们已经知道，尤其是在手机端，我们知道语音输入比键盘打字更快、更方便、更准确。下一位进行演讲的是我的好朋友，也是斯坦福大学James Landay教授，他也会为大家分享有关这方面的研究，就是使用百度的语音识别系统，如果你使用这个系统，在手机端输入就可以更快、更方便、更自然。

语音输入这么方便，希望未来语音输入会变得更普及。大家想一想，如果你跟我想交流，最自然的办法就是你跟我讲一句话，或者我跟你讲一句话，所以人和人交流最自然的办法还是语音。这几年来，语音和自然语言处理和度秘这种技术进步这么快，今天很多场景，人机交互最自然的办法已经是语音。人机交互不只是你跟电脑或者和设备讲话，你的电脑和设备也需要告诉你它的意见，所以我们的语音技术也可以让这些设备非常自然的告诉你它的意见。

最后，因为人工智能，尤其是语音技术这几年发展的很快。在百度大脑已经有好几种不同的人工智能技术，其中比较成熟的，就是我们的语音技术。所以语音技术已经给我们，也给大家，也给你们，给你的公司，给开发者很多新的机会。所以，我希望我们输出语音技术，希望它可以为大家提供非常好的服务，也希望我们可以使用我们的技术支持你们探索这些新机会，希望你们可以使用这些技术，支持你们在这些新机会中获得非常好的成果。

谢谢大家!