Deep CNN語(yǔ)音識別的建模過(guò)程
近年來(lái)，運用CNN技術(shù)的圖像識別成果頗豐，越來(lái)越深的CNN不斷刷新著(zhù)圖像識別的精準度，以人臉識別為例，識別準確率高達99.7%。但CNN的進(jìn)展在語(yǔ)音識別方面沒(méi)有得到充分的應用。作為一家在語(yǔ)音技術(shù)上有著(zhù)深入研究的人工智能公司，百度將DeepCNN視為語(yǔ)音識別技術(shù)的下一個(gè)突破口。
ImageNet競賽中，越來(lái)越深的CNN不斷刷新著(zhù)其性能
在商用領(lǐng)域的端對端語(yǔ)音識別技術(shù)中，百度首次嘗試引入更深層的CNN神經(jīng)網(wǎng)絡(luò )，使錯誤率相對降低10%。端對端技術(shù)則使用一個(gè)單獨的學(xué)習算法來(lái)完成從任務(wù)輸入端到輸出端的所有過(guò)程，減少了中間單元以及人為干預，在海量數據的支持下模型效果提升明顯。目前，百度的端對端技術(shù)處于業(yè)界領(lǐng)先水平。值得一提的是，語(yǔ)音識別都是基于時(shí)頻分析后的語(yǔ)音譜完成的，將整個(gè)語(yǔ)音信號分析得到的時(shí)頻譜當作一張圖像，就可以采用圖像中已廣泛應用的CNN進(jìn)行識別，克服了語(yǔ)音信號多樣性的問(wèn)題，且通過(guò)引入更深層的CNN，使語(yǔ)音識別性能得到顯著(zhù)提升，正如百度語(yǔ)音技術(shù)部識別技術(shù)負責人李先剛博士所言:‘The Deeper，The Better’。
與學(xué)術(shù)研究不同，百度語(yǔ)音的研發(fā)立足點(diǎn)，聚焦于技術(shù)的實(shí)際應用，技術(shù)難度和實(shí)現程度更高。針對語(yǔ)音識別產(chǎn)品而言，必須具備在大規模語(yǔ)音數據庫上體現性能提升以及具有適合語(yǔ)音在線(xiàn)識別產(chǎn)品運行的模型。百度采用數千小時(shí)進(jìn)行實(shí)驗的研究，并在近十萬(wàn)小時(shí)的產(chǎn)品語(yǔ)音數據庫中進(jìn)行驗證，且充足的語(yǔ)音數據資源，使基于端對端技術(shù)的語(yǔ)音識別系統明顯優(yōu)于以往的框架性能。
百度語(yǔ)音識別技術(shù)每年迭代算法模型
除此之外，百度語(yǔ)音技術(shù)在數據、計算能力、算法等三方面優(yōu)勢顯著(zhù)。百度擁有約10萬(wàn)小時(shí)的精準標注語(yǔ)音數據，以及基于數百個(gè)GPU的高性能計算平臺。在算法方面，百度每年都在不斷優(yōu)化、迭代模型算法，語(yǔ)音識別效果顯著(zhù)提升，領(lǐng)先業(yè)界。
此前，百度便利用端對端技術(shù)研發(fā)了Deep Speech 2深度語(yǔ)音識別技術(shù)，用于提高在嘈雜環(huán)境下語(yǔ)音識別的準確率。在噪音環(huán)境下，其錯誤率低于谷歌、微軟以及蘋(píng)果的語(yǔ)音系統。目前，百度語(yǔ)音識別準確率高達97%，并被美國權威科技雜志《麻省理工評論》列為2016年十大突破技術(shù)之一。另?yè)钕葎偛┦客嘎叮壳暗拇_正在加緊Deep Speech 3的研發(fā)工作，而本次公布的Deep CNN不排除將會(huì )是Deep Speech 3的核心組成部分。
