百度大脑发布语音交互的新技术

PingWest品玩11月28日讯，百度大脑今天发布了基于复数CNN的语音增强和声学建模一体化的端到端识别技术。这项技术无需任何数字信号处理和语音识别学科的先验假设，复数CNN网络内存占用少于200K，可以内置到百度鸿鹄芯片内部。利用进场数据和纯粹依靠仿真数据，就可以获得足量的远场训练数据，整个过程是从原始多麦克信号到识别文字的一个端到端训练，整个优化过程只有字错误率两集一个优化准则。

百度语音首席架构师贾磊告诉PingWest品玩，“这项技术完成了数字信号处理和语音识别这两个领域的技术革命，用端到端一个声学模型，不需要任何领域行业的支持，解决两个跨领域的语音识别问题。”

“我们获得了比目前百度音箱现有产品，超过30%以上错误率的下降，即语音识别性能提升30%，这也是目前我们在国际业内同行看到的提升最大的，利用深度学习来完成语音交互的系统。”