|
遥想当年，孔子靠身边3000名“速录师”记录他的言行，成为了流传千古的宗教领袖。而现在，只需要一部手机，你也可以成为Confucius。 不信？近日，由国际神经网络协会举办的大数据会议在旧金山如期举行。此次会议最吸引眼球的当属百度研究院高级工程师Awni Hannun公布的一项“黑科技”。百度利用自家的深度语音学习系统，创建了一个可识别普通话的全新模型，且识别准确率高达94%。 94%是怎样一个概念？国家制定的速录师职业标准中，要求速录师的语音采集准确率不得低于95%。这个模型显然已经相当接近速录师的水准。 负责该项目的Adam Coates博士也因这一技术入选了2015年麻省理工科技评论“35岁以下创新者”名单。入选该名单的人均是科技界的先驱者，据说他们的研究具有改变世界的能力。 SoundCloud的创始人Alex Ljung与前Facebook CTO Bret -Taylor都入选过该名单。前者颠覆了音乐创作、分享的方式，后者则因创办Quip，打造了移动互联时代的文本编译平台。 深度语音识别技术的诞生因何而备受关注呢？这还要从普通话开始说起。 中文自古以来都是一门博大精深的语言。而普通话作为其中的一个分支，复杂程度也可想而知。在外国人眼中，无论是书写还是发音，普通话都是极难掌握的。 针对这个问题，精通中文的CNN首席记者Jaime FlorCruz最有发言权。在他看来，中文的书写相当复杂。英文虽然词语众多，但是你只需掌握26个字母便可。而中文近八万字写法均不相同，且不能按照语音来拼写文字。这就意味着，外国人写中国字比中国人背英文单词还要困难。 发音对于“歪果仁”来说，同样也是一座难以逾越的高山。Facebook的创始人扎克伯格曾在去年来华时，全程用中文接受主持人的提问，震惊了世界。这对于一名土生土长的美国人来说已属不易。要知道，这可是他苦心钻研四年中文的成果。但即使这样，他的发音仍不标准。曾有人调侃道：“小扎的普通话发音就如同在嘴里塞满了石头。在法语里，你可任由古怪的口音来改变声调，但在中文里，任何一个音调的不同都会改变句子本身的意思。” 不仅在外国人眼里，普通话难以驾驭，中国人一样如此。据统计，中文包含成千上万个语种，或许，两个相邻县城的人都难以用同一语言交流。 前几年一份网友自编的“全国普通话排行榜”在微博上引发众多网友热议。榜单显示，江苏省的普通话水平排在东北三省前面，甚至超过了北京的“近邻”河北。甚至有网友吐槽说：“连前后鼻音都分不清楚，排名前五难以服众。”虽然这份榜单只为博人一笑，但不得不说，普通话的普及率远比人想象的低。教育部曾公布一组数字，全国约有4亿人不会说普通话，且9亿人说的不够标准。这足以说明想学好普通话，难于上青天。 然而这样一门语言现在却被机器征服了。百度深度语言系统采用不同以往的思路，巧妙的解决了普通话在数据量及表述方面的问题。研究团队通过收集人们常用的词语，过滤出有用的字符。如果系统识别的第一个字为“空”，那么在识别第二个字之前，会把和“空”能组成词语的字筛选出来，如白、余、闲等，而我、鸡等无用的字则不会被列入选择列表。这一方法不仅简化了识别的过程，还提高了运算效率。 如此强大的语音识别背后，过程并不繁复。百度的语音识别系统在转录过程中并没有大量预处理环节，而是直接输入音频文件，再通过深度神经网络输出字符。 但是，过程看似简单，但是想要实现如此高的识别准确率，却并非易事。 尽人皆知的Mike隋用近乎标准的普通话征服了众多网友。但很少有人知道，7岁的他便随母亲来到北京定居。从小受中文熏陶的他用了足足18年才有了今天的成绩。 与这样一位天赋异禀的语言人才相比，机器在信息获取和学习能力方面更具优势。与人类学习语言的过程类似，机器也需要从无到有的学习过程。 百度的深度语音识别系统将所有全中文的数据汇总起来，经过超过10万亿次运算，使系统达到熟练掌握普通话的目标。然而，仅仅识别普通话还不够。为了更符合中国国情，通过获取更多各地方言、口音的信息，将学习范围进一步扩大。这对普通话难以达标的人来说，绝对是一大福利。 在数据信息暴增的同时，学习效率也成为了另一个关键点。百度的语音系统支持超过26万亿次浮点运算，这样的运算级别可使模型在几天内完成深度语言的集中训练。 Skype在近期更新中加入了实时翻译普通话的功能，将自家的翻译系统植入到应用中。但是百度对于语音识别的野心远不如此。Hannun在演讲时说：“在保证系统正常运行的同时，将庞大的模型不断压缩才是深度学习的趋势。”他将语音识别系统作为所有智能设备的语音接口，嵌入到可穿戴设备或语音识别应用中，而不仅仅将其定义为一款语音搜索产品。 正是因为此项技术的诞生，使人类与机器之间搭建了沟通的桥梁。相信在不远的将来，机器与人类可实现无障碍沟通，成为你的最佳生活伴侣。 |
|
|
