百度端到端大規(guī)模語音識別系統(tǒng) Deep Speaker，箭在弦上即將發(fā)布

雷鋒網消息，今天百度研究院官網更新了一條新聞，但顯示需要密碼方可查看內容。

文章標題為《Protected: Deep Speaker: an End-to-End System for Large-Scale Speaker Recognition》。從標題上看， Deep Speaker 應該是百度即將發(fā)布的新一代語音識別技術，且為一個端到端大規(guī)模識別系統(tǒng)。

雷鋒網第一時間聯(lián)系了百度 AI 研究院的相關人士，對方表示本次更新為百度美國研究院發(fā)起，據他了解，“主要是聲紋識別方向的進展”。

據百度美國研究院的消息透露，這一內容將在北京時間凌晨公布。

聲紋識別是語音識別里一個比較窄的分支，通過對一種或多種語音信號的特征分析達到對未知聲音辨別的目的，也就是說，可以通過聲紋技術判斷某句話是否為某個人所說。聲紋識別的理論基礎在于每個聲音都有自己的特征，并能對不同的聲源進行有效區(qū)分。

目前，聲紋識別的任務主要有兩種，一是聲紋確認技術，即比對兩份樣本是否為同一人所說；另一個則是聲紋識別技術，即判斷某句話是樣本庫中的哪個人所說的。

今年年初，百度小度在“最強大腦”中也展示了采用聲紋識別技術，從一群唱歌的參與者中找到擁有說某句話（樣本為一段簡短的通話）的那個人。百度官方在接受采訪時，也指出本次節(jié)目的聲紋識別難度比一般的聲紋識別要難，主要采用的是“聲學特征提取”與“說話人特征提取”兩種方式，并用“DNN-ivector”及基于端到端深度學習的說話人信息提取算法進行訓練和鑒別。

此前雷鋒網曾經報道過百度在語音技術上的進展。語音識別層面上，百度早在2010年就已經進行智能語音及相關技術研發(fā)。并從2012年開始逐步采用 DNN、Sequence Discriminative Training（序列區(qū)分度訓練）、 LSTM 模型、CTC 及 Deep CNN 等神經網絡進行語音的相關研究。在語音識別領域，百度相繼于 2014 年及2015 年年底發(fā)布了 Deep Speech 和 Deep Speech 2，并憑借深度語音識別技術于 2016 年入選 MIT 十大突破技術。基于 Deep Speech 2 ，2017年百度推出了一款基于人工智能的轉錄應用 SwiftScribe。而在語音合成上，百度于今年正式推出 Deep Voice，一個實時語音合成的神經網絡系統(tǒng)。

那么，本次如此神秘的 Deep Speaker 到底有哪些重大的更新，它又可能在哪些方面有所突破？雷鋒網將會及時跟進消息。

AI科技評論招業(yè)界記者啦！

在這里，你可以密切關注海外會議的大牛演講；可以采訪國內巨頭實驗室的技術專家；對人工智能的動態(tài)了如指掌；更能深入剖析AI前沿的技術與未來！

如果你：

＊對人工智能有一定的興趣或了解

 * 求知欲強，具備強大的學習能力

 * 有AI業(yè)界報道或者媒體經驗優(yōu)先

簡歷投遞：

lizongren@leiphone.com

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。