5
All in AI 的百度，今天（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)砹艘豁椉夹g(shù)突破、兩項全新功能，以及超過競品 20% 的相對準確率。
為了這次發(fā)布，百度特意將著名主持人、“中國好舌頭”華少請到了現(xiàn)場擔任主持，在華少的主持之下，百度副總裁、AIG 負責人王海峰、百度語音技術(shù)部總監(jiān)高亮以及百度輸入法負責人蔡玉婷悉數(shù)登場。
王海峰回顧了人機交互的歷史，從打孔紙帶到字符再到圖形界面，智能手機出現(xiàn)后，則出現(xiàn)了觸摸的交互方式。他認為，對于智能手機來說，模擬鍵盤很重要，“一部手機可以沒有游戲、地圖、社交軟件，但是不能沒有鍵盤”。但接著他也表示，即便現(xiàn)在有語音輸入的加持，其實還不足夠，未來的輸入方式一定是“全感官輸入”，一定是由 AI 技術(shù)來支撐的。
而針對百度輸入法這個產(chǎn)品，王海峰向雷鋒網(wǎng)在內(nèi)的媒體表示，百度輸入法是百度 AI 技術(shù)應用的橋頭堡，新的 AI 技術(shù)將會首先應用在輸入法上，未來將會賦予更多 AI 能力，提升人機交互的體驗。
王海峰之后，百度語音技術(shù)部總監(jiān)高亮上臺，揭示了“近半年來百度語音技術(shù)上的一項突破”，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，形成一個音素組合體，然后將這個音素組合體看作一個基本建模單元。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，對多種說話方式的穩(wěn)定性更強、準確度更高；同時能夠帶來更快的解碼速度，提升語音識別的整體效率，目前其相對正確率已領(lǐng)先行業(yè) 20%。
除此之外，高亮表示，這種建模方式對中文和英文都同時適用，讓產(chǎn)品具備了更強的中英文混合識別能力。相對正確率領(lǐng)先行業(yè) 20% ，是基于一個有 1400 句的黑盒測試集測試的結(jié)果，而同比之前版本的百度輸入法，Deep Peak 2 模型在整體上確實提高了百度輸入法的準確率。
在這項突破的支持下，新版本的百度輸入法推出了兩項全新功能，分別是語音速記和AR表情。雷鋒網(wǎng)了解到，在此之前，通過語音輸入，百度輸入法其實已經(jīng)具備了很多功能，諸如語音修改、語音中英日實時互譯、語音輕聲識別、場景化語音識別、語音聯(lián)想表情、OCR掃描輸入等。
所謂語音速記，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、記錄靈感等場景，可以連續(xù)不間斷，并且同時記錄下音頻文件，方便后期進行修改。而多人模式則適用于一對一采訪、2-4人小型會議的場景，并且應用了聲紋識別，可以區(qū)分不同說話人。
在活動現(xiàn)場，主持人華少在58秒內(nèi)用極快語速念了一段426字、中英文混雜的“廣告”，輸入法均做了實時轉(zhuǎn)錄。
所謂AR表情，基于百度的人臉識別技術(shù)和 AR 技術(shù)，用戶不僅可根據(jù)相機或相冊進行人臉識別、制作表情包，還支持用戶通過自己的表情控制虛擬人物形象。制作出來的AR表情，可以直接通過輸入法搜索、語音輸入和鍵盤輸入時展示出來。蔡玉婷解釋說，百度輸入法不僅僅想要通過麥克風進行語音輸入，也希望控制更多的“感官”，實現(xiàn)多模態(tài)的輸入。
同時，百度輸入法還與桃花塢等中國非物質(zhì)文化遺產(chǎn)達成合作，將中國民間傳統(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，成為對中國歷史文化最好的傳承。
雷鋒網(wǎng)了解到，截至目前，百度輸入法這款產(chǎn)品上線已有8年，月活躍量達到 4 億，而語音輸入日流量達到 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。面對未來的輸入法形態(tài)，蔡玉婷認為，百度 AI 輸入法未來想要做的，是聽見、看見、理解用戶的表達，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。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
