最近,在语音技术领域,最热的话题莫过于百度在汉语语音识别技术方面获得的重大突破——该技术能够做到在安静环境下,汉语普通话语音识别的准确率接近97%。于是,一些创业的朋友来问,开发者能不能使用这项基于新技术的语音识别能力?
经过多番询问,得到的答案是肯定的。
实际上,百度语音识别能力早已在百度开发者中心(http://developer.baidu.com/)对外开放。为了推广语音技术的产业化应用,百度还于近期举办了“百度开发者创新大赛——智能语音2015”(大赛官网http://developer.baidu.com/event_entry/voicedev2015),提供丰厚奖品、免费APP推广资源等,鼓励开发者调用百度免费开放的语音识别能力,开发出创新的移动应用。
而不久之后,基于此次重大技术突破、拥有更精准识别率的语音识别能力,也将登录百度开发者中心。
那么,这次技术突破到底有多牛?能给开发者带来什么?
“百度研发出了基于多层单向LSTM的汉语声韵母整体建模技术,并成功把连接时序分类(CTC)训练技术嵌入到传统的语音识别建模框架中,再结合语音识别领域的决策树聚类、跨词解码和区分度训练等技术,大幅度提升线上语音识别产品性能。”
这是百度语音技术部负责人贾磊的介绍,听上去是不是只有一个感觉——不明觉厉?反正技术君有这样的感觉。
于是,技术君经过艰苦努力,用一句更“人类”的语言来解释这个技术,那就是:这技术牛,非常牛!它成功攻克了语音识别领域十多年的一个技术困局,使 汉语语音识别相对错误率再次大幅下降15%以上;基于这一技术,在安静环境下,汉语普通话语音识别的准确率接近97%。因为这一重大突破,贾磊还受邀在全 国人机语音通讯学术会议(NCMMSC2015,注:NCMMSC是中国人机语音领域最权威的学术会议)上发表演讲。
更简洁来讲,我们看到的好处就是:
1. 语音识别准确率提升。
2. 语音识别速度提升。
3. 语音服务提供者的投入成本降低。
4. 语音技术领域研究人员可参考百度技术模型,改善自己的研究,从而在语音领域获得更大突破。
还是不明白?想象一个场景:
你在大街上一边走,一边想查找附近的百货大楼怎么走,于是,你打开地图APP,点开语音按钮,说着“百货大楼”。1秒、2秒、3秒……终于,APP返回了结果——“白佛大罗”。看到这些字,你的内心此时是不是很崩溃?
当然,上面这个场景描述地夸张了点,现在的语音识别技术已经能比较准、比较快地识别出来了。而百度研发的这个新技术,能够比现有识别能力识别地更准、更快,而且能降低噪音、口音、说话距离远近等因素对识别率造成的不良影响。
作为开发者,这个能力带来的效果是显著的。在调用百度的这一能力后,能让APP的语音识别服务更精准、更快速,从而提升整体用户体验。你是不是也想试一试了呢?
- 蜜度索骥:以跨模态检索技术助力“企宣”向上生长
- 40场精彩论坛议程全公布 | 诚邀您共赴NEPCON ASIA 2024亚洲电子展,11月6-8日即将开幕!
- 超全NEPCON ASIA 2024亚洲电子展逛展攻略来了,一文带你玩转电子制造盛会!
- Automechanika Shanghai 20周年活动精彩无限,共庆荣耀时刻
- bilibili 助力食品饮料酒品牌 解锁新食力
- 「南宁论道」圆满落幕,共绘智能视听新篇章
- 富士康 比亚迪 小米 美的 格力千余家采购团千亿采购高交会
- IHIC 2024 中国健康保险创新发展大会在上海圆满落幕!
- 2024SACC中国系统架构师大会:探索数字转型与架构演进
- 宝武集团、落基山研究所等将在2024中国绿色钢铁峰会发表演讲
- 有为青年|华为校园公开课走进龙岩学院,loT +鸿蒙开启物联网开发新征程
免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。