PRODUCTS
早在两年前，咱们的遍及知道是语音辨认范畴将会催生出巨子公司。所以当苹果、Google、百度、三星和微软提出要收买其时全球语音范畴的老迈Nuance的时分，Nuance CEO Paul Ricci一口拒绝。
但随之不久，苹果、Google和微软都挑选了脱节Nuance的依靠，自建团队开发语音事务。在那之后，Nuance的商场份额节节跌落，2014年还高达60%的商场份额，一年时刻缩水一半只剩31.1%(Source：Research and Markets)。相比之下，Google语音辨认的商场份额增加显着。
在英语范畴，咱们看到的趋势是作为查找巨子的Google逐步占有职业的主导权。那关于中文范畴的商场，是否会重现在英语范畴语音辨认产生的前史呢?当百度重兵布局语音范畴，是否会成为我国语音辨认范畴规范的制定者，占有职业主导权呢?
近些年来，咱们发现在图画范畴有一个显着的开展趋势：越来越深的卷积神经网络层级(CNN)，从开端的8层，到19层、22层、甚至152层的网络结构。而跟着网络结构的加深，ImageNet比赛的错误率也从2012年的16.4%逐步下降到3.57%。
通常情况下，语音辨认是根据时频剖析后的语音谱完结的。假如将卷积神经网络的思维运用在语音辨认的声学建模上，咱们就能够把时频谱当作一张图画来处理。而由于卷积神经网络的部分衔接和权重同享的特色，它具有很好的平移不变性，所以能够将它运用在语音辨认中，并且还能战胜语音信号本身的多样性(说话人本身、以及说话人世、环境等)。
但这儿遇到一个问题，虽然在ImageNet比赛中得到广泛重视的Deep CNN结构能够明显进步功能，但由于无法完结实时的核算，其很难在产品模型中得到实践的运用。
一个解决方案是学习Residual衔接的思维，练习一个数十层的包括Residual衔接的 Deep CNN，以用于工业产品中。
百度对此做了比照试验，终究发现Deep CNN架构不只能够明显提高HMM语音辨认体系的功能，并且也能提高CTC语音辨认体系的功能。在此一起，百度也测验了将LSTM或GRU的循环隐层和CNN结合，这是相对较好的挑选。
经过立异的架构，百度大幅提高了语音辨认产品的功能，相关于工业界现有的CLDNN 结构，错误率相对下降了10%以上。
从前史来看，产品和体系真实的大规划运用和推行，一般都来自于根底性的革新和打破。
关于语音辨认来说，真实能够完结大规划运用的体系，一定要满意：在不同场景、方言下的安稳性，大规划的练习才能，极短的练习时刻，大大下降的机器消耗。这比如 Android 相同，安稳、支撑海量运用和场景开发、开发时刻短、开发本钱低。
而Deep CNN和LSTM、CTC结合的架构，在以下几个方面有明显的优势：
1)更强的通用性。运用一个独自的算法完结从使命输入端到输出端的一切进程。
3)大大下降服务本钱。以CTC为例，它能够让语音辨认解码的核算量降下来，光这部分本钱就能下降近1倍。
4)合适工业界。据百度Deep Speech中文研制负责人李先刚介绍，百度不只能到达近十万级的数据规划，并且能够支撑高功能核算，这能够让优异的模型直接移植到产品线)功能更优异。以往语音体系将练习进程拆解，人为干涉多，但效果纷歧定好。端对端模型减少了人为干涉，直接从输入端到输出端，一般功能会更好。
6)层数越深，效果越好。引入了深层CNN的概念，语音辨认的功能得到明显的提高，正如李先刚博士所言：The Deeper , The Better。
李先刚博士特意提到了百度语音的研制侧重点。与学术研究不同，百度语音聚集于技能的实践运用，技能难度和完结程度更高。针对语音辨认产品而言，首要要具有在大规划语音数据库上表现功能提高，其次便是具有合适语音在线辨认产品运转的模型。
正是根据以上这些优势，让百度语音辨认真实成为大规划工业化的根底，带来真实的人机交互革新。
语音辨认技能阅历了长达60年的开展。2006年Hinton提出了深度相信网络，掀起了深度学习的热潮。2009年，Hinton以及他的学生D. Mohamed将深度神经网络运用于语音的声学建模，在小词汇量接连语音辨认数据库TIMIT上获得成功。从2010年开端，微软的俞栋、邓力等学者首要测验将深度学习技能引入到语音辨认，随后逐步成为了干流。
核算才能的水平，尤其是在大规划工业化和本钱要素下，FPGA等专业硬件的开展水平也非常重要。
而在这三方面的比拼中，巨子公司将会占有极大的优势，由于它们具有最多的数据，最尖端的人才以及最强壮的核算才能水平。所以当Google敞开语音辨认API 后，在英语语音辨认的商场中，Google将比Nuance有更大的优势。
语音辨认的模型算法每年都有很大的改变。就以百度自己的语音辨认技能来说，2013 年语音辨认技能首要仍是根据美尔子带CNN模型，2014年开展出了Sequence Discriminative Training(区分度模型)，2015年头开展出根据LSTM HMM的语音辨认，年末开展出根据LSTM-CTC的端对端语音辨认体系，而现在把Deep CNN模型和 LSTM、CTC结合了起来。
在快速开展的技能下，许多公司挑选了采纳组成知识产权工业联盟的办法。2015年 11月，百度敞开了上百项智能语音专利，和海尔、京东、中兴通讯、我国普天等 20 多家单位组成了智能语音知识产权工业联盟。
这种敞开式立异和敞开式知识产权答应的结合，或许会成为智能语音未来的工业中心形式。这也意味着传统语音的专利池，在快速开展、迭代的语音技能下，在更敞开的语音联盟下，会失掉曩昔的维护效果。
所以智能语音的未来开展，要害仍是在于中心技能的打破，这也就来到了数据、算法和核算才能的比拼，这方面百度会有很大优势。
当Google发布了语音敞开API，其对Nuance的冲击是丧命的。这不只仅是由于Google在产品、技能上的优势，并且也来自于Google强壮的人工智能技能生态，例如以TensorFlow为代表的深度学习引擎，由于很多的一线工作人员运用，其对语音辨认范畴的开发挑选有强壮的影响力。
当语音技能逐步往大规划工业化开展时，公司的技能生态会非常重要。关于百度来说，9月份开源的PaddlePaddle，1月份开源的Warp-CTC，都对工业界有深远的影响。
根据上面的剖析，咱们以为语音辨认将进入大规划工业化的年代。而在中心技能和才能的比拼下，语音辨认也将进入巨子兴起，传统语音公司稍显衰败的年代。
蚂蚁链发布BTN：可将区块链网络吞吐量提高186% 带宽本钱下降80%
蚂蚁自研数据库OceanBase宣告开源 300万行中心代码向社区敞开
高通推出全球首个10Gbps 5G M.2参阅规划，加快推动5G在新式细分商场中的遍及
腾讯引入 拳头重磅FPS高文《VALORANT》中文预告：枪法才是王道
