语音识别技术并非高不可攀 人才为王 (语音识别技术的英文缩写是什么)

人才为王,语音识别并非高不可攀Phone.com/uploads/new/article/600_600/201412/547e7d073d8b8.jpg" src="http://www.gpxz.com/zdmsl_image/article/20241130180332_70011.jpg" loading="lazy">

提及 语音识别 ,就不能不说Nuance,就像提到PC处理器不能跨过intel,智能手机SOC不能忽略高通,Nuance有着辉煌的历史,曾经在语音领域一统江湖,就算现在,仍旧是瘦死的骆驼比马大,仍旧是全球最大的语音技术公司,专利数量和市场份额都遥遥领先。苹果iPhone手机的虚拟语音助手Siri(风传放弃)、三星的语音助手S-Voice、各大航空公司和顶级银行的自动呼叫中心和虚拟在线语音助手,都采用了Nuance的技术。Nuance曾经很热门,三星和苹果都和它传过绯闻,都要收购它,不知道为什么,都无疾而终。

Nuance的语音技术是以统计推断方法为基础,着眼于音素(音节的声音)和语境来识别话语。在识别的方面,在引擎和算法技术方面Nuance领先一个层次。毕竟有着多年的积累。

但是,在具体应用上,差距就没有那么大了—— 语音识别技术并非高不可攀,好的语音识别系统,很大程度上依靠经验,专利和算法什么的并没有多重要。 所以只要Google们挖到牛人,自主研发出不逊于Nuance的语音识别技术并非难事——因为大家的纯识别率都在一个水平线上,差不多都达到了当前技术(主要是Nuance采用的技术)的极限,差距不再可感,但再往上走,如果基于当前的技术,路会越走越窄。如果考虑到周围环境的噪音、用户发音不准、方言等等因素,这种技术的前景并不乐观。这个时候就要从另外一个角度考虑问题了——语义理解。

语音交互,主要取决于两点:语音识别,和语义理解。

举一个例子,张飞张翼德在长坂坡嚎了一嗓子,我想,五湖四海出身的曹军们没有多少人能辨清楚张三爷的每一个字(就不信汉朝没有方言,就不信张飞说话不方言,就不信有多少人能听得懂张飞的方言),他们没有100%听清楚,但是,他们听懂了,然后害怕了,于是,撤退了。为张飞的名声添砖加瓦。

在日常生活当中,如果只从语音出发,我们根本没有可能听懂XX牌普通话,但是我们还是听懂了,更能用另一种牌子的普通话和他交流。这就涉及到语义理解。

有了语义理解的突破,语音识别才能脱离桎梏,更上一层楼

关于语义理解,目前一门技术正火,神经网络。 这是一种十分炫酷的技术,将机器学习的方式模仿人类大脑的神经元,当处理的语言越来越多时,这种网络就可以逐渐理解语言。实验结果发现,这种技术可使得精确度提升25%以上,这是一个巨大的飞跃,因为这个行业只需要提升5%就具备革命意义。目前,谷歌的GoogleNow、微软的Cortana都采用了这种技术。人工智能大师杰弗里·希尔顿(GeoffreyHinton)在2013年初加盟谷歌。此外,谷歌还挖走了Nuance的一些职员,其中包括在2004年挖走Nuance联合创始人迈克·科恩(MikeCohen),让他出任谷歌的语音技术总监。至于微软,我只有一句话,微软研究院里的大牛们真的是大牛啊。感兴趣的可以查一查微软在这方面的技术。

对于Google而言,语音是生死攸关的大事。想象一下,十年或者五年后的某一天,我想登录雷锋网,可我一如既往的记不住雷锋的域名,只需要对着麦说一句:“登录雷锋网”,如果我想搜索什么东西,直接说就可以了。如果没有语音服务,那么,Google如何自处?微软的bing会不会咸鱼翻身?所以,Google有必要自己做。这种涉及生死的技术,还是掌握在自己手里比较踏实。

Google和微软都参合了,苹果当然不会落后。来自Wired的消息,苹果正在着手更换掉Nuance,打算用自己研发的语音识别技术,最快可能在iOS9中亮相。在过去几年,苹果不仅吸纳了Siri的语音技术人才,更是将Nuance公司的多名高级语音研究人员挖角过来,包括了前研发副总裁LarryGillick,以及来自微软语音识别项目高管AlexAcero,后者在微软工作达20年之久。苹果打算利用神经网络来提升语音识别率,微软研究部门主管PeterLee认为,苹果大约需要花6个月才能赶上Google和微软。2013年,苹果悄悄收购了一家语音识别技术公司NovaurisTechnologies,价格未知。Novauris公司以语音识别著称,由其推出的产品和语音识别系统并非简单的识别单个的词句,而是理解上下文。Novauris也成推出一个名为Novasystem的分布式服务器语音识别系统,可同时处理多个并发语音请求,识别完整的句子,并分析音节结构。

说完国外,再说说国内。

科大讯飞是nuance的国内版,同样的一览众山小,当然,国内的语音识别企业不只科大讯飞一家,还有中科信利,尚科语音,捷通华声等等。百度、腾讯都在打造自己的语音团队。百度看起来最高大上。吴恩达加盟,担任百度的首席科学家,负责百度研究院,他的研究领域就是机器学习和人工智能,研究重点是深度学习(deeplearning)。深度学习被认为是当前的机器学习算法里最接近人脑思维的一种。吴恩达也是牛人一枚。

看过国外百舸争流,再对比国内的欣欣向荣,在不入流的算命先生都能得出结论,语音是个大热门,是未来的趋势。

这个趋势是实实在在的,不是吹起来的泡沫。

人类打成为人类以来就使用声音,声音已经融入我们的身体,成为一种本能,它是最优的表达方式,这也就是为什么iPhone4s能够在普遍看衰的情况下大卖的关键,所有人都低估了siri,低估了人们对人机交互模式从键盘升级到声音的渴望。

在未来,也许就是不久的未来,智能家居(通过微软的cortana,已经可以实现语音开灯关灯拉窗帘。这不是Googlenow和siri无能,完全是因为微软开放了API,Googlenow和siri没有开放)、驾驶等等领域。人机交互的领域越来越广,语音的前景必将大到不敢想象。想象一下,当互联网发展到无处不在时,人们随时随地都在互联网之中,人机交互甚至可能会是时时刻刻,语音会是一个多么大的市场。

什么?你说脑波?

我觉得脑波这玩意和幸福、上帝一样,你相信它存在,它就存在。

原创文章,未经授权禁止转载。详情见 转载须知 。

人才为王,语音识别并非高不可攀

全局中部横幅
沧州密网(CZMW.COM)

沧州人自己的网站,为您提供实用、可靠的生活信息以及沧州本土资讯,愿我们成为您的网络密友。

Ubuntu16.04安装vsftpd教程,Linux系统FTP安装

Ubuntu16.04安装vsftpd教程,Linux系统FTP安装在Linux下创建ftp用户(这里设置用户名:lixl密码:lixl)创建用户lixl并指定目录sudouseradd-d/home/ftp/myftp-Mlixl在终端输入sudopasswdlixl然后自定义重复输入密码两次,我这里默认使用lixl作为密码(输入密码时,无星号提示)先更新软件包管理器apt-getsudo

娱乐新闻

环球网娱乐新闻频道为您报道新鲜的娱乐新闻,让您掌握第一手娱乐八卦资讯。栏目包括娱乐观点、明星写真、娱乐热图、影视、节目单、综艺等娱乐新闻资讯。

古田路9号

古田路9号网站(www.gtn9.com),国内专业品牌创意平台,以品牌为核心,集创意作品分享、活动招聘发布、广告推广、正版字体素材下载等多元化的交流分享平台。会员交流涉及:艺术创作、广告创意、交互设计、时尚文化等诸多创意产业。

八九网

八九网bajiu.cn,提供卫星地图、身份证、今日股市、字典、成语词典、时差、社保、交通、天气预报、菜谱、区号、邮编等查询。89网,分享知识,分享快乐!

ip段定位历史

查询指定ip段的定位历史信息

沈阳电锅炉厂家

沈阳中瑞锅炉(电话:13842081989)主要产品:低氮冷凝燃油燃气锅炉,电锅炉,生物质锅炉,壁挂炉,燃油锅炉,蒸汽锅炉,热水锅炉,常压锅炉,真空锅炉,燃煤锅炉,导热油炉,热风炉等.厂家将竭诚为用户服务.

天津康博轻钢制造有限公司,康博轻钢制造,高频焊接H型钢

天津康博轻钢制造有限公司是一家主营钢材及钢材加工的企业,主要经营生产高频焊接H型钢等钢材业务。公司经过多年的稳步发展,规模不断扩大,现可为全国各地用户配送相关钢材产品。我司货源充足,交货周期快,常年备有数万吨各类钢材现货库存,能稳健快捷地满足客户相关需求。

玉米深加工设备

河南粮院机械制造有限公司是一家高科技粮食加工设备公司,在其玉米加工设备,玉米深加工设备新型玉米加工机械,等玉米加工设备领域都处于业界领先水平,更多关于公司介绍详情,请点击粮院官网

户外楼体亮化照明

专注于LED照明产品的研发、生产、销售、技术支持与服务的科技企业。

延边

123124分类信息网,免费、高效的生活服务平台!找租房,找二手房,找工作,找兼职,买卖二手,二手车交易,买卖宠物,本地上门服务等海量的生活分类信息,是您最好的免费发布信息网站。

辽宁服务器托管

辽宁服务器托管,辽宁IDC机房托管,沈阳算力租用,大带宽租用,大连机柜整租

全局底部横幅