9月1日，在一年一度的百度世界大會上，百度創(chuàng)始人、董事長兼CEO李彥宏發(fā)表主題演講，向外界首次系統(tǒng)揭秘了百度大腦。在現(xiàn)場李彥宏介紹，百度大腦今天是一個具有超大規(guī)模的神經(jīng)網(wǎng)絡(luò)組成的大的機(jī)器集群，“使用了上萬億的參數(shù)、千億的樣本和千億的特征進(jìn)行訓(xùn)練”。 他表示，目前百度大腦具備四個最核心也是最強(qiáng)大的能力：語音、圖像、自然語言處理以及用戶畫像。
談及百度在語音技術(shù)上取得的最新進(jìn)展，李彥宏指出，百度的語音技術(shù)已達(dá)到世界領(lǐng)先水平，其中語音識別準(zhǔn)確率高達(dá)97%。“這樣的能力已經(jīng)達(dá)到甚至超過了人的語言能力”，李彥宏說。今年年初，美國權(quán)威雜志《MIT科技評論》評選了“2016年十大突破技術(shù)”，百度的語音技術(shù)Deep Speech 2和免疫工程、可回收火箭等技術(shù)一起，都入選了這份榜單。
在現(xiàn)場李彥宏則以百度開放云銷售為例，展示了語音識別技術(shù)在智能輔助系統(tǒng)中的實(shí)際應(yīng)用。在銷售新人與客戶的通話過程中，實(shí)時識別對話內(nèi)容進(jìn)行分析和匹配，抓取溝通關(guān)鍵點(diǎn)，對接金牌銷售所沉淀下來的知識體系，及時調(diào)整策略，推薦優(yōu)質(zhì)話術(shù)，成功贏得潛在商機(jī)。過去沒有這種實(shí)時的語音技術(shù)，就要線下學(xué)習(xí)、然后再到線上用。根據(jù)客戶的問題、實(shí)時告訴銷售應(yīng)該怎么回答
除了語音識別之外，語音合成是百度大腦的另一項(xiàng)語音能力?；诖髷?shù)據(jù)與深度學(xué)習(xí)技術(shù)優(yōu)勢，百度所研發(fā)的新型情感語音合成系統(tǒng)能夠讓機(jī)器擺脫平鋪直敘的發(fā)聲，為用戶帶來更自然、更具情感表現(xiàn)力、更接近真人朗讀的聽覺體驗(yàn)。李彥宏表示，“今天的百度每天要響應(yīng)2.5億次語音合成的請求”，這些需求主要來自語音導(dǎo)航、語音新聞播報、語音讀小說等閱讀場景。情感語音合成技術(shù)的應(yīng)用，讓在百度聽小說的用戶的每日人均時長從40分鐘，快速增長到現(xiàn)在的近兩個半小時，李彥宏強(qiáng)調(diào)，用手機(jī)聽小說和傳統(tǒng)的聽廣播是非常不一樣的，因?yàn)槭謾C(jī)的語音合成完全可以根據(jù)每個人的不同需求進(jìn)行定制，這也是語音技術(shù)可以帶來更強(qiáng)用戶粘性的原因。
李彥宏還表示，“語音不僅具備自然發(fā)聲的能力，還能夠模擬自然人的表達(dá)方式或發(fā)聲能力，也就是說，它可以模擬任何一個你喜歡的人的說話方式。”李彥宏現(xiàn)場展示了運(yùn)用情感語音合成技術(shù)還原張國榮聲音的視頻。以張國榮在影視、電臺等留存下來的原聲進(jìn)行建模，通過情感語音合成技術(shù)實(shí)現(xiàn)與粉絲的“隔空對話”。實(shí)際上，任何一個人只要用30分鐘按照要求錄制50句話，就可以用百度大腦的語音合成技術(shù)模擬出來這個人的聲音，“百度大腦讓每個人都能擁有自己的聲音模型”，李彥宏還談到，這樣的語音能力同樣會帶來各種各樣新的可能性，比如用自己合成的聲音陪老人聊天，加班時用自己合成的聲音給孩子讀個睡前故事等等。
隨著技術(shù)的不斷進(jìn)步，科技的力量正日漸改變大眾生活。與此同時，百度領(lǐng)先的語音技術(shù)也逐漸令人工智能富有“情感”，讓公眾切身感知到技術(shù)的溫度。正如李彥宏所說，更讓他感到興奮的是，“如果這些人工智能的能力可以賦予全社會每一個人，技術(shù)就能夠變換出來無窮無盡的可能性。”未來，隨著人工智能技術(shù)的進(jìn)步將為人類帶來更廣闊的想象空間。
