百度輸入法AI探索版亮相 SMLTA加持超行業(yè)水平15%

1月16日，百度輸入法AI探索版今日正式亮相，這是一款默認(rèn)輸入方式為全語音輸入，并可以調(diào)動(dòng)表情、肢體等進(jìn)行全感官輸入的全新輸入產(chǎn)品。

這款A(yù)I輸入法采用了百度語音技術(shù)突破性創(chuàng)新：流式截?cái)嗟亩鄬幼⒁饬δＰ?mdash;—Streamingtrancatedmulti-layerattention(SMLTA)，在線語音識(shí)別精度相比行業(yè)最高水平又提升了15%，并完美支持方言輸入、中英文混說輸?shù)榷喾N語音輸入方式。

百度中文輸入法負(fù)責(zé)人蔡玉婷介紹，截至2018年底，百度輸入法月活躍人數(shù)已達(dá)5億，語音日請(qǐng)求量峰值突破5.5億，AR表情使用次數(shù)超過1億。同時(shí)，百度海外輸入法全球安裝量超過1億，支持120種語言，覆蓋全球190個(gè)國家地區(qū)，并已與超過100個(gè)全球知名IP達(dá)成合作。

現(xiàn)場，百度高級(jí)副總裁王海峰表示，輸入法是離用戶最近的產(chǎn)品之一，也是AI落地的“橋頭堡”，百度全方位的AI能力正在不斷賦能輸入法，讓輸入法更“聰明”。他認(rèn)為，未來的輸入法將應(yīng)用于各種智能設(shè)備與用戶的交互，連通包括智能家居、車聯(lián)網(wǎng)等多種終端場景。

AI探索版特色功能

蔡玉婷介紹，相較2016年，百度輸入法日均語音請(qǐng)求量增長了8倍，語音輸入法的場景也從聊天和搜索拓展到游戲、娛樂、購物等眾多場景。百度輸入法AI探索版是百度AI落地應(yīng)用的又一重要成果，全語音交互是它最大的特點(diǎn)之一。

尤其值得一提的是，借助SMLTA，百度AI輸入法突破了業(yè)界普遍認(rèn)為較難實(shí)現(xiàn)的中英文混說識(shí)別，在完全不影響中文語音輸入準(zhǔn)確率的情況下，能高精準(zhǔn)的中英文混合語音識(shí)輸入。

此外，百度輸入法將普通話和六大方言融合成一個(gè)語音識(shí)別模型，實(shí)現(xiàn)了方言與方言、方言與普通話的混合語音輸入。現(xiàn)場分別演示了百度輸入法AI探索版接收四川、西北、東北等6地方言的語音輸入，識(shí)別準(zhǔn)確率均表現(xiàn)不俗。

據(jù)介紹，百度輸入法是目前唯一實(shí)現(xiàn)了高精度“中英自由說”和“方言自由說”的輸入法產(chǎn)品。

此外，蔡玉婷介紹，目前百度輸入法已經(jīng)支持6地方言的語音輸入識(shí)別，尚不支持粵語，未來將陸續(xù)更多地方方言。

除了語音輸入，百度輸入法AI探索版還推出了拍立活、秀場、凌空手寫等新功能玩法。

SMLTA技術(shù)加持在線語音識(shí)別精度再提高15%

當(dāng)前語音領(lǐng)域主流的Attention模型(注意力模型)提出已有好幾年。注意力模型的核心思想，是通過機(jī)器學(xué)習(xí)的方法，把一句話中每個(gè)音節(jié)或者漢字的音頻特征，從整句話的音頻特征中，通過機(jī)器學(xué)習(xí)的方法，自動(dòng)的挖掘出來。直接實(shí)現(xiàn)了語音和文本一體化的端到端建模，從而公認(rèn)的有更高的建模精度。

但是截止目前，注意力模型在在線語音服務(wù)中的大規(guī)模使用，一直鮮有成功案例。

百度語音技術(shù)部負(fù)責(zé)人高亮向TechWeb等介紹，流式截?cái)嗟亩鄬幼⒁饬δＰ?SMLTA)是基于CTC的尖峰信息對(duì)語音流進(jìn)行截?cái)啵缓笤倜恳唤財(cái)嗟恼Z音小段上進(jìn)行當(dāng)前建模單元的注意力建模，把全局的Attention的整句識(shí)別變成了局部的Attention的流式識(shí)別，并且引入多層的Attention，實(shí)現(xiàn)特征層層遞進(jìn)的更精準(zhǔn)的特征選擇。

這使得語音識(shí)別的識(shí)別率超越傳統(tǒng)的全局Attention建模，同時(shí)計(jì)算速度和傳統(tǒng)CTC技術(shù)持平，實(shí)現(xiàn)全CPU流量的大規(guī)模線上服務(wù)。這是全世界范圍內(nèi)，第一次基于attention技術(shù)的在線語音識(shí)別服務(wù)的大規(guī)模上線。這項(xiàng)技術(shù)的突破促使百度輸入法“在線語音”相對(duì)準(zhǔn)確率領(lǐng)先業(yè)界15%。

同時(shí)，百度語音技術(shù)團(tuán)隊(duì)優(yōu)化了輸入法上嵌入式識(shí)別的deeppeak2系統(tǒng)，大幅提升了離線語音識(shí)別準(zhǔn)確率。據(jù)介紹，目前百度輸入法“離線語音”輸入準(zhǔn)確率已高于行業(yè)平均水平35%。

高亮介紹，嵌入式識(shí)別、中英文混合識(shí)別、方言識(shí)別，這三個(gè)技術(shù)體現(xiàn)了百度語音的技術(shù)制高點(diǎn)。