百度輸入法 8.0 版本上線，王海峰稱其是“百度 AI 的橋頭堡”
2018-01-18 09:51:13 來(lái)源：雷鋒網(wǎng) 熱度:
All in AI 的百度，1月17日在北京發(fā)布了百度 AI 輸入法，即百度輸入法的 8.0 版本。意料之中，AI 依然是重頭戲，并且?guī)?lái)了一項(xiàng)技術(shù)突破、兩項(xiàng)全新功能，以及超過(guò)競(jìng)品 20% 的相對(duì)正確率。
為了這次發(fā)布，百度特意將著名主持人、“中國(guó)好舌頭”華少請(qǐng)到了現(xiàn)場(chǎng)擔(dān)任主持，在華少的主持之下，百度副總裁、AIG 負(fù)責(zé)人王海峰、百度語(yǔ)音技術(shù)部總監(jiān)高亮以及百度輸入法負(fù)責(zé)人蔡玉婷悉數(shù)登場(chǎng)。
王海峰回顧了人機(jī)交互的歷史，從打孔紙帶到字符再到圖形界面，智能手機(jī)出現(xiàn)后，則出現(xiàn)了觸摸的交互方式。他認(rèn)為，對(duì)于智能手機(jī)來(lái)說(shuō)，模擬鍵盤很重要，“一部手機(jī)可以沒(méi)有游戲、地圖、社交軟件，但是不能沒(méi)有鍵盤”。但接著他也表示，即便現(xiàn)在有語(yǔ)音輸入的加持，其實(shí)還不足夠，未來(lái)的輸入方式一定是“全感官輸入”，一定是由 AI 技術(shù)來(lái)支撐的。
而針對(duì)百度輸入法這個(gè)產(chǎn)品，王海峰表示，百度輸入法是百度 AI 技術(shù)應(yīng)用的橋頭堡，新的 AI 技術(shù)將會(huì)首先應(yīng)用在輸入法上，未來(lái)將會(huì)賦予更多 AI 能力，提升人機(jī)交互的體驗(yàn)。
一項(xiàng)技術(shù)突破：Deep Peak 2 模型
王海峰之后，百度語(yǔ)音技術(shù)部總監(jiān)高亮上臺(tái)，揭示了“近半年來(lái)百度語(yǔ)音技術(shù)上的一項(xiàng)突破”，即 Deep Peak 2 模型：
Deep Peak 2 模型的全稱為基于 LSTM 和 CTC 的上下文無(wú)關(guān)音素組合建模，該技術(shù)將高頻出現(xiàn)的音素聯(lián)合在一起，形成一個(gè)音素組合體，然后將這個(gè)音素組合體看作一個(gè)基本建模單元。與以往使用的上下文相關(guān)建模方式相比，Deep Peak 2 模型能夠充分發(fā)揮神經(jīng)網(wǎng)絡(luò)模型的參數(shù)優(yōu)勢(shì)，對(duì)多種說(shuō)話方式的穩(wěn)定性更強(qiáng)、準(zhǔn)確度更高；同時(shí)能夠帶來(lái)更快的解碼速度，提升語(yǔ)音識(shí)別的整體效率，目前其相對(duì)正確率已領(lǐng)先行業(yè) 20%。
除此之外，高亮表示，這種建模方式對(duì)中文和英文都同時(shí)適用，讓產(chǎn)品具備了更強(qiáng)的中英文混合識(shí)別能力。相對(duì)正確率領(lǐng)先行業(yè) 20%，是基于一個(gè)有 1400 句的黑盒測(cè)試集測(cè)試的結(jié)果，而同比之前版本的百度輸入法，Deep Peak 2 模型在整體上確實(shí)提高了百度輸入法的準(zhǔn)確率。
兩項(xiàng)全新功能：語(yǔ)音速記和AR表情
在這項(xiàng)突破的支持下，新版本的百度輸入法推出了兩項(xiàng)全新功能，分別是語(yǔ)音速記和AR表情，在此之前，通過(guò)語(yǔ)音輸入，百度輸入法其實(shí)已經(jīng)具備了很多功能，諸如語(yǔ)音修改、語(yǔ)音中英日實(shí)時(shí)互譯、語(yǔ)音輕聲識(shí)別、場(chǎng)景化語(yǔ)音識(shí)別、語(yǔ)音聯(lián)想表情、OCR掃描輸入等。
所謂語(yǔ)音速記，分為單人、多人兩種模式。在單人模式下，適用于記筆記、寫文章、記錄靈感等場(chǎng)景，可以連續(xù)不間斷，并且同時(shí)記錄下音頻文件，方便后期進(jìn)行修改。而多人模式則適用于一對(duì)一采訪、2-4人小型會(huì)議的場(chǎng)景，并且應(yīng)用了聲紋識(shí)別，可以區(qū)分不同說(shuō)話人。
在活動(dòng)現(xiàn)場(chǎng)，主持人華少在58秒內(nèi)用極快語(yǔ)速念了一段426字、中英文混雜的“廣告”，輸入法均做了實(shí)時(shí)轉(zhuǎn)錄。
所謂AR表情，基于百度的人臉識(shí)別技術(shù)和 AR 技術(shù)，用戶不僅可根據(jù)相機(jī)或相冊(cè)進(jìn)行人臉識(shí)別、制作表情包，還支持用戶通過(guò)自己的表情控制虛擬人物形象。制作出來(lái)的AR表情，可以直接通過(guò)輸入法搜索、語(yǔ)音輸入和鍵盤輸入時(shí)展示出來(lái)。蔡玉婷解釋說(shuō)，百度輸入法不僅僅想要通過(guò)麥克風(fēng)進(jìn)行語(yǔ)音輸入，也希望控制更多的“感官”，實(shí)現(xiàn)多模態(tài)的輸入。
同時(shí)，百度輸入法還與桃花塢等中國(guó)非物質(zhì)文化遺產(chǎn)達(dá)成合作，將中國(guó)民間傳統(tǒng)藝術(shù)如年畫等引入到表情中，讓眾多古典人物形象沖破次元壁壘“活”了起來(lái)，成為對(duì)中國(guó)歷史文化最好的傳承。
截至目前，百度輸入法這款產(chǎn)品上線已有8年，月活躍量達(dá)到 4 億，而語(yǔ)音輸入日流量達(dá)到 2.5億，8.0安卓版本已經(jīng)上線，iOS 版本正在經(jīng)由蘋果審核。面對(duì)未來(lái)的輸入法形態(tài)，蔡玉婷認(rèn)為，百度 AI 輸入法未來(lái)想要做的，是聽(tīng)見(jiàn)、看見(jiàn)、理解用戶的表達(dá)，全面提升用戶輸入的效率。
而這也將成為，百度和其他廠商的輸入法之間，最大的不同。
責(zé)任編輯：黃焱林
百度輸入法AI新版正式上線，添加“語(yǔ)音速記”和“AR表情”功能
百度輸入法：AR表情功，承人工智能技術(shù)透圈層文化