2013年8月22日百度世界大會上，百度宣布語音識別技術(shù)及能力全面開放。此舉為開發(fā)者提供了多層次的語音接口，將催生這一領(lǐng)域的蓬勃發(fā)展。在百度的引領(lǐng)下，圍繞語音識別的全新體系和大數(shù)據(jù)生態(tài)將在不久的未來初露崢嶸。

過去的一年時間里，語音交互類應用并未像觸控、手勢識別等一樣得到廣泛的普及和應用，根本的原因有兩個：一是語音識別準確率有待提升，尤其是技術(shù)對不同語言的支持，存在較大的差別;二是語音識別技術(shù)門檻較高，有一定的授權(quán)費用，阻礙了技術(shù)在應用端的落地。種種難題使得國內(nèi)開發(fā)者在語音識別領(lǐng)域步履維艱，只有百度、騰訊等巨頭互聯(lián)網(wǎng)公司在相關(guān)的研發(fā)方面有所建樹。

近一年來，百度在語音識別領(lǐng)域不斷取得突破性進展，早已確立了其行業(yè)領(lǐng)先的地位，2013年百度世界大會上語音識別技術(shù)及能力的開放，更是實現(xiàn)了百度從“行業(yè)領(lǐng)跑者”到“生態(tài)構(gòu)建者”的轉(zhuǎn)型。

突破語音識別的瓶頸

百度云語音技術(shù)負責人賈磊在百度世界大會上表示，百度語音識別技術(shù)、引擎在識別準確率上獲得了突破性進展，運用深度神經(jīng)網(wǎng)絡(DNN:Deep Neural Network)技術(shù)和自然語言處理技術(shù)NLP，使語音技術(shù)準確率提升了25%，用戶體驗得到大幅度優(yōu)化。除了降低了錯誤率，百度語音助手在速度上也有大幅提升。不考慮網(wǎng)絡環(huán)境，識別和響應速度提高了30%。

百度語音助手團隊獲得2013年百度Summer Party最高獎

目前，DNN技術(shù)已成為新一代語音識別的“主導者”。正因為這一點，百度語音助手開發(fā)團隊在今年的百度最高獎角逐中脫穎而出，打破了該獎項始終被商業(yè)營銷產(chǎn)品“壟斷”的慣例。

三個層次，全面開放

與同類語音識別技術(shù)以授權(quán)費方式獲取收入的傳統(tǒng)方式不同，百度將面向開發(fā)者無條件開放整個語音生態(tài)系統(tǒng)。

而語音生態(tài)系統(tǒng)的開放包括三個層次，一是最底層的語音識別技術(shù)API的開放，囊括了合成技術(shù)、理解技術(shù)、認證技術(shù)、指紋技術(shù)等，開發(fā)者可以調(diào)用API接口實現(xiàn)語音識別功能;二是百度語音助手SDK，提供開發(fā)工具包，實際上是對語音識別標準化服務進行封裝，識別結(jié)果做關(guān)鍵詞抽取，搜索結(jié)果進行結(jié)構(gòu)化數(shù)據(jù)返回，最終對接服務和應用。這一點是對應用開發(fā)者最具誘惑力的;第三點則是面向能力弱的開發(fā)者，百度語音助手直接安裝在硬件上即可。

底層語音識別API，只有實力強的開發(fā)者具備。相比，第二層所釋放的能量會更大，因為涵蓋的范圍更廣泛，周邊信息分類查詢和導航功能，公交路線查詢和導航，到站提醒、自動報站、盲人步行路線自定義、管理和導航，以及外部的旅游、餐飲、購物等幾乎能想象到的場景，都可以封裝成模塊、組件，讓開發(fā)者輕松調(diào)取，百度語音技術(shù)開放的原則，也從一個技術(shù)、工具真正過渡到包羅萬象的語音識別應用生態(tài)，未來會接入更多的第三方應用，實現(xiàn)能夠容納從衣食住行到人的生活方方面面真正的助手。