百度首席科學家吳恩達在百度語音開放平臺三周年分享會上發表演講。“我覺得在人工智能時代，中國人應該比較有自信。”百度首席科學家吳恩達在百度語音開放平臺三周年分享會上表示。

　　11月22日，百度語音開放平臺上線三周年之際，百度宣布向公眾開放四項全新語音技術的接口，即情感合成、遠場方案、喚醒二期技術和長語音方案。

　　作為百度人工智能產品百度大腦的負責人，吳恩達說，百度大腦項目中一部分非常重要的工作，就是把最領先的技術輸出給開發者和用戶使用。

　　談及中國人工智能在世界上的位置，吳恩達認為，很多進展是中國人完成的，“有人有點擔心同美國的技術（競爭），中國人應該比較有自信。在人工智能時代，（有）很多（人工智能的）技術在中國，也有很多（人工智能的）技術在美國。”

　　吳恩達稱他無法評價中美科技公司在人工智能方面的優劣，“不過我看到的具體例子是，人工智能技術的發現在中國比較多。”

　　吳恩達重申了百度大腦的核心技術部分，即語音技術、圖像處理、自然語言、用戶畫像、機器學習。他對人工智能的未來充滿信心，“我希望未來我們會有（基于人工智能的）陪伴機器人、個性化私教、音樂作曲、機器人醫生等。”

　　百度首席科學家吳恩達詳解百度語音技術之識別技術發展軌跡。據悉，百度的手機百度、百度地圖、百度輸入法等產品已經支持語音輸入。“度秘”機器人已經在在肯德基首家概念店“Original＋”中使用，顧客不但可以和度秘對話，還能通過語音完成從點餐到支付的全流程。

　　吳恩達稱，語音技術未來在很多應用場景會有很好的機會，將為人機交互領域帶來巨大改變。吳恩達認為，未來人們回家以后可以使用語音與電視、搖控器、音箱、窗簾等“講話”。此外，吳恩達認為語音技術在智能客服中心、汽車等領域的應用也是重要的人機交互場景。

　　百度方面在11月23日宣稱，百度語音開放平臺自2013年10月上線以來，每日在線語音識別要求從2013年的500萬上升到今天的1億4千萬，在線語音合成每日請求達2億，開發者數量超過14萬。技術指標方面，百度語音識別準確率目前已高達97%。

　　2016年2月，百度深度語音識別系統Deep Speech2入選MIT“2016十大突破技術”。

　　吳恩達還向澎湃新聞記者舉了喚醒二期語音技術應用的例子，該技術可以應用在自拍場景下，通過設置自定義喚醒詞，人們只需喊“1、2、3”就可以輕松完成拍照，喚醒率達95%。語音喚醒功能的適用場景非常廣泛，吳恩達認為開發者有很多機會利用百度語音喚醒技術實現多元化的產品功能。

　　吳恩達告訴澎湃新聞，百度語音技術除了應用到百度旗下地圖等產品外，還希望支持第三方公司，“我們把語音技術放進我們自己的產品中，在產品中獲得了非常好的結果，讓用戶使用我們的產品的時候，即可以用語音輸入，也可以用語音合成……我們希望可以支持第三方的公司，也把這些技術放進他們的產品，讓他們也獲得一樣有效的結果。”

　　以下為吳恩達在百度語音開放平臺上線三周年活動上的演講實錄：

　　大家好，非常高興大家今天來參加我們的語音開放平臺三周年發布會。

　　我是“百度大腦”的項目負責人吳恩達，在百度大腦的項目中有一部分非常重要的工作，就是把最領先的技術輸出給大家使用。在百度大腦開放平臺（ai.baidu.com）上，我們不僅輸出人工智能技術，也有很多有關人工智能技術的培訓資料。

　　那么，百度大腦到底是什么呢？它最核心的幾個技術部分為：語音、圖像、自然語言處理、用戶畫像、機器學習平臺。我發現很多人使用百度的語音技術有兩大原因，第一個原因，百度有非常領先的技術為他們的用戶提供更好的體驗；第二個原因，我個人做了好幾十年有關人工智能的項目，發現通常你剛開始做一個項目的時候，只是需要語音技術，當做了幾個月以后，你發現還需要圖像技術或者自然語言處理技術等等。如果你是使用百度大腦開放平臺，你可以比較容易的選擇真正需要的技術部分把它放進來，把它融合，為你做到最好的效果。再比如說你想服務一個智能客戶，開始的時候覺得只需要語音識別、語音合成技術，但是做了幾個月以后，發現你需要最領先的自然語言處理技術。如果你是使用百度大腦開放平臺，希望你比較容易拿到這些技術放到自己的產品中。

　　我個人對人工智能的未來充滿信心，我希望未來我們會有陪伴機器人、個性化私教、音樂作曲、機器人醫生等等。這些年人工智能技術發展得非常快，這給我們，也給你們帶來很多新的機會，在百度是沒有辦法探索這么多非常有潛力的機會，所以我們的目標就是把我們的人工智能技術輸出給大家，希望可以支持你們在非常有潛力的項目上探索，而且支持你們在這些項目中獲得非常好的結果。

　　今天大會的主題就是語音技術。大家可能已經知道，在很多最重要的百度產品中，我們已經支持語音輸入，包括手機百度、百度地圖、百度輸入法。如果你還沒有試過百度輸入法，我希望你試一試，我輸入信息時就挺喜歡用百度輸入法。還有度秘，最近我們把度秘放入各類硬件中，比如小度機器人。度秘系統可以為客戶點餐，把度秘和機器人融合，也可以讓各種用戶有新的體驗。

　　這幾年來，我們的團隊在不斷地優化語音識別系統，在2012年開始使用DNN模型，后來有比較好的特征，之后開始用Sequence Discriminative Training，也開始使用LSTM模型，加上CTC，今年我們的團隊開發了DeepCNN模型，效果在不斷進步，這就是我們的語音識別系統。

　　此外，我們的語音合成模型也變得越來越好，這幾年來我們在好幾個技術方面有比較大的突破，我們的語音合成效果也變得越來越好。現在百度在中國語音合成的能力是遠遠超過其他公司的，今天下午我們的語音團隊負責人也會和大家分享更多細節。

　　因為我們的語音技術、自然語言處理技術、我們的人機交互技術進步得這么快，2016年2月，《MIT科技評論》把我們的技術列為“2016十大突破性技術”之一，我們覺得這些技術有很大的潛力，可以改變人機交互的效率和辦法。

　　未來語音技術在很多應用場景有很好的機會，為人機交互帶來巨大的改變。舉個例子，在智能家居的場景，我們希望未來你回家以后可以使用語音跟你的電視、遙控器、音箱、窗簾講話，比如說希望你未來可以向你的電燈說，“電燈請打開”，它就明白你的命令，或者對遙控器說話，它就能非常方便的滿足你的需求。其實智能家居只是一個應用場景，我覺得在很多應用場景中，語音技術都可以帶來人機交互非常大的改變，這包括手機、音箱、電視等等。希望語音能讓你做更好的智能客服中心。在汽車領域，語音也是一個非常重要的人機交互的場景，我們有很多合作伙伴正在使用我們的語音技術探索這些應用場景。

　　最后，今天我們已經知道，尤其是在手機端，我們知道語音輸入比鍵盤打字更快、更方便、更準確。下一位進行演講的是我的好朋友，也是斯坦福大學JamesLanday 教授，他也會為大家分享有關這方面的研究，就是使用百度的語音識別系統，如果你使用這個系統，在手機端輸入就可以更快、更方便、更自然。

　　語音輸入這么方便，希望未來語音輸入會變得更普及。大家想一想，如果你跟我想交流，最自然的辦法就是你跟我講一句話，或者我跟你講一句話，所以人和人交流最自然的辦法還是語音。這幾年來，語音和自然語言處理和度秘這種技術進步這么快，今天很多場景，人機交互最自然的辦法已經是語音。人機交互不只是你跟電腦或者和設備講話，你的電腦和設備也需要告訴你它的意見，所以我們的語音技術也可以讓這些設備非常自然的告訴你它的意見。

　　最后，因為人工智能，尤其是語音技術這幾年發展得很快。在百度大腦已經有好幾種不同的人工智能技術，其中比較成熟的，就是我們的語音技術。所以語音技術已經給我們，也給大家，也給你們，給你的公司，給開發者很多新的機會。所以，我希望我們輸出語音技術，希望它可以為大家提供非常好的服務，也希望我們可以使用我們的技術支持你們探索這些新機會，希望你們可以使用這些技術，支持你們在這些新機會中獲得非常好的成果。

　　謝謝大家！