Deep CNN語(yǔ)音識(shí)別的建模過(guò)程

　　近年來(lái)，運(yùn)用CNN技術(shù)的圖像識(shí)別成果頗豐，越來(lái)越深的CNN不斷刷新著圖像識(shí)別的精準(zhǔn)度，以人臉識(shí)別為例，識(shí)別準(zhǔn)確率高達(dá)99.7%。但CNN的進(jìn)展在語(yǔ)音識(shí)別方面沒(méi)有得到充分的應(yīng)用。作為一家在語(yǔ)音技術(shù)上有著深入研究的人工智能公司，百度將DeepCNN視為語(yǔ)音識(shí)別技術(shù)的下一個(gè)突破口。

ImageNet競(jìng)賽中，越來(lái)越深的CNN不斷刷新著其性能

　　在商用領(lǐng)域的端對(duì)端語(yǔ)音識(shí)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(cuò)誤率相對(duì)降低10%。端對(duì)端技術(shù)則使用一個(gè)單獨(dú)的學(xué)習(xí)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(yù)，在海量數(shù)據(jù)的支持下模型效果提升明顯。目前，百度的端對(duì)端技術(shù)處于業(yè)界領(lǐng)先水平。值得一提的是，語(yǔ)音識(shí)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(hào)分析得到的時(shí)頻譜當(dāng)作一張圖像，就可以采用圖像中已廣泛應(yīng)用的CNN進(jìn)行識(shí)別，克服了語(yǔ)音信號(hào)多樣性的問(wèn)題，且通過(guò)引入更深層的CNN，使語(yǔ)音識(shí)別性能得到顯著提升，正如百度語(yǔ)音技術(shù)部識(shí)別技術(shù)負(fù)責(zé)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(yīng)用，技術(shù)難度和實(shí)現(xiàn)程度更高。針對(duì)語(yǔ)音識(shí)別產(chǎn)品而言，必須具備在大規(guī)模語(yǔ)音數(shù)據(jù)庫(kù)上體現(xiàn)性能提升以及具有適合語(yǔ)音在線識(shí)別產(chǎn)品運(yùn)行的模型。百度采用數(shù)千小時(shí)進(jìn)行實(shí)驗(yàn)的研究，并在近十萬(wàn)小時(shí)的產(chǎn)品語(yǔ)音數(shù)據(jù)庫(kù)中進(jìn)行驗(yàn)證，且充足的語(yǔ)音數(shù)據(jù)資源，使基于端對(duì)端技術(shù)的語(yǔ)音識(shí)別系統(tǒng)明顯優(yōu)于以往的框架性能。

百度語(yǔ)音識(shí)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(shù)據(jù)、計(jì)算能力、算法等三方面優(yōu)勢(shì)顯著。百度擁有約10萬(wàn)小時(shí)的精準(zhǔn)標(biāo)注語(yǔ)音數(shù)據(jù)，以及基于數(shù)百個(gè)GPU的高性能計(jì)算平臺(tái)。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(shí)別效果顯著提升，領(lǐng)先業(yè)界。

　　此前，百度便利用端對(duì)端技術(shù)研發(fā)了Deep Speech 2深度語(yǔ)音識(shí)別技術(shù)，用于提高在嘈雜環(huán)境下語(yǔ)音識(shí)別的準(zhǔn)確率。在噪音環(huán)境下，其錯(cuò)誤率低于谷歌、微軟以及蘋(píng)果的語(yǔ)音系統(tǒng)。目前，百度語(yǔ)音識(shí)別準(zhǔn)確率高達(dá)97%，并被美國(guó)權(quán)威科技雜志《麻省理工評(píng)論》列為2016年十大突破技術(shù)之一。另?yè)?jù)李先剛博士透露，目前的確正在加緊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。