大家这几年有没有发现，自己越来越离不开一样东西——语音。

比如小雷，自从微信整出个语音功能后，聊天由“文字交流”彻底蜕变成“语音大战”。

不是你发语音我翻译，便是我发语音他播放。

玩个王者荣耀也从以前手动打字，成了今天输出千言万字全凭一张嘴。

方便操作同时还躲过许多“表面打字聊天，实为趁机杀你”的对线脏套路。

不仅微信王者，甚至蓝牙音箱也离不开语音控制。

小雷现在每天像个复读机似的对着小度音箱大喊“小度、小度”。

听听歌查天气预报啥的，偶尔调戏调戏小度。

还有现在火得爆表，几乎人人手机都有一个的“语音助手”。

苹果的智障助手“Siri”、百度的“小度”、小米的“小爱同学”、华为的“小艺”等等。

它们的使用与操控全靠语音完成，一句话帮你实现从地图导航到订外卖一条龙服务。

就连看个电视也逃不过语音代表“小度”的包围。

湖南卫视大热的综艺节目《向往的生活》，明星也爱带着小度吃喝玩乐。

炒菜靠小度提醒、出门靠小度导航，活脱脱成了个贴心小管家。

黄老师、何老师、彭彭哥哥、子枫小姐姐等瞬间成了它的小迷弟、小迷妹。

所以说，语音几乎成了我们身边无形的“第三只手”，如影随形，无法离开。

而这种通过语音控制手机、音箱等设备进行操作，将语音翻译成文字的黑科技，真正名字叫——语音识别技术。

此时相信机友们肯定有个疑问：以前压根没见过“语音助手”、“语音识别

”这种东西，为什么现在突然火爆起来，而且还那么好用？

其实鸭，语音技术并不是最近几年出现的，人家早在200多年前的清朝时期便开始蹦跶了。

比你大爷还大的语音识别

时间拨回1773年，那时有位俄罗斯科学家叫「克里斯蒂·克拉特兹斯坦」，他某天突发奇想，将共振管和风琴管连接起来，制造出一个可以发出人类声音的奇怪设备。

这便是人类对语音技术的第一次尝试，可惜后人对这个奇怪毫无X用的东西不感兴趣，一顿俄罗斯式破坏后扔到垃圾堆里。

到100多年后的1946年，第一台计算机诞生，让人们意识到，原来计算机很多事情做得比人还好。

（冯诺依曼与第一台计算机）

然而那时没有键盘没有操作系统，控制计算机全靠手动输入“0”、“1”信号，操作极度麻烦。

于是乎有人想道，如果能和计算机聊天交流，让它明白你在说什么，会不会变得更方便好用，做更多的事？（事实证明，懒是人类的第一生产力）

人工智能之父「图灵」便是第一个提出该想法的人。

1950年图灵发表了一篇名为《计算的机器和智能》的论文，里面写道：让人和机器交流，来验证机器是否有智能。

可惜他只贡献想法，却没有告诉人们怎么做。

没关系，图灵不干，自有人做。

两年后，著名的“贝尔实验室”研制出世界第一个可识别10个阿拉伯数字的系统“Audrey”，意味着机器成功听懂了人类的话。

大概属于能听明白“1、2、3、4”等数字，跟1岁婴儿差不多的水平。

这便是第一代的“语音识别系统”，被科学家称作“机器的听觉系统”。

（1954年的贝尔实验室）

又过8年，英国伦敦学院「Denes」开发出第一个计算机语音识别系统。

专门用于电脑上进行语音识别，可惜仍处于只能识别几个英文字母和数字的级别，根本没法用到实际生活中。

话说起来，这台语音识别系统算得上是现在所有“语音助手”的祖宗，别看了，包括你手上那一台。

随后二十年，人类对“语音识别”的研究陷入原地踏步的死循环，没有一丝进步。

原因很简单：当时科学家把小孩学说话那一套用到电脑上，想像教育小孩一般让电脑学会“交流”。

你说人家电脑听得懂吗？你输入信号1和0倒能识别，你说个句子“who are you”，电脑计算得冒青烟也不可能理解啊！

直到1970年，语音识别迎来它的伯乐「弗莱德里克·贾里尼克」，人生实现一次转折。

弗莱德里克·贾里尼克领着IBM华生实验室，将统计学、信息论的方法加入到语音识别中，并提出“统计的语音框架”，让停滞多年的语音识别焕发第二春。

最终把语音识别从几百个单词量活生生提升到几万个，识别率由万年70%飙升至90%。

让语音识别有了从实验室研究到走向生活应用的可能。

（弗莱德里克·贾里尼克）

同样在1970年，美国DARPA（真正的黑科技机构，互联网就是它发明的）开始投钱研究语音识别，（苹果的Siri最初是DARPA投资研发的）。

目的是让战场的战士们用语音操纵武器，增强战斗力，也有说法是用来监控互联网和电话。

就这样在政府、大企业的投入与研发支持下，到了90年代语音识别技术已经能准确地理解人类的话语。

典型的产品就是IBM公司的“viavoice”，90年代末美国非常流行的语音识别软件。

后来在20世纪初流入中国，然而没几个人用，因为那时电脑是比“钻石”还贵的奢侈品，哪个富家子弟会闲得肾疼，买来跟语音助手吹牛。

（中文版ViaVoice）

转眼来到2006年，这一年语音识别完成了200余年来最大一次蜕变，堪称“鱼跃龙门,原地飞升”。

谷歌人工智能首席科学家「Geoffrey Hinton」提出“非监督贪心逐层训练算法”，让人工智能得到巨大突破。（可以理解为让电脑主动学习的算法）

一人得道，鸡犬升仙。语音识别在人工智能的加持下，获得质一般的飞跃。

（Geoffrey Hinton）

如果以前的语音识别是：

请问厕所怎么走？答：前面直走50米后再左转。

那么有了人工智能后的语音识别则是：

前面直走50米后左转，期间有1个红绿灯间隔15秒。厕所里有三个蹲位，其中2个已有人，剩余1个没有门，如果害羞可以绕道3公里外的卫生间如厕，记得带纸。

不仅技术得到突破，人们制作出超强的GPU硬件（英伟达公司），加上互联网提供的海量数据。

让人工智能、大数据、语音识别技术完美结合，美名其曰“AI语音识别”，预示着一场大变革的到来。

世界科技巨头第一时间意识到AI语音识别的重要性，美国的谷歌、微软，亚马逊等，中国的百度、阿里、科大讯飞之流纷纷投入AI语音识别的研发行列。

2010年苹果推出智障语音助手“Siri”，2014年亚马逊推出“Echo”。（国内没啥人知道，亚马逊音箱上的助手）

随后2016年国产公司小米、华为、百度等接连发布小爱、小艺、小度等语音助手，抢夺用户，占领市场。

于是乎语音助手们跟随手机、音箱等智能设备来到我们手里，由此开启一波“AI语音识别大潮流”。

这便是近几年各种“语音助手”“智能音箱”突然爆发的真相。

据说，百度小度音箱的出货量已经超过了之前的国内老大阿里和老二小米

成了

全国第一！！世界第三！！

不过也是好事，大公司们竞争得越剧烈，我们这些吃瓜用户占的便宜越大。

而在这次世界级“AI语音研发大战”中，贡献最大的企业之一当数“百度”。

不仅早在2014年抢先亚马逊研发出Depp Speech语音识别系统，现在更是黑科技层出不穷，大大改善“AI语音识别”的体验。

百度语音不为人知的黑科技

小雷用今年新推出，新鲜火热辣的“百度输入法AI探索版”举个栗子。

黑科技一：中英文、方言混合语音输入

现在很多输入法支持中文语音输入，英文语音输入，唯独中英文混合输入却很少有，而百度输入法恰恰支持。

比如小雷在普通话里插入一个英文单词，百度输入法很轻易精准的识别到，并理顺句子转换成文字。

还支持方言转文字输入。（小雷此处用的是粤语）

在百度输入法语音里，小雷最喜欢的就是“语音斗图”。

随意喊出几个字，输入法立马找来几百个表情包任君挑选。

简直就是一个移动的表情包网，以后斗图还有谁？

不管你说四川话、粤语、东北话、英语还是混合着说，百度输入法统统能识别，让用户真正实现“自由说、随便说”。

事实上这就是百度语音合成技术能力的体现，遥遥领先于同类工具。

黑科技二：全双工免唤醒

用过智能音箱的机友都知道，每次唤醒音箱时都得喊“小度小度”之类的贼麻烦。

有了全双工免唤醒后，我们只需唤醒一次“小度”，之后便可以和小度持续深入的交流。

而且在深入交流中，小度会很机智的识别出哪些话是对它说，哪些话是对其他人说的。

即使是在多人对话的嘈杂环境里，小度仍然能分清哪一句是对自己下达的指令，像是拥有思想、懂得主人需求的“贴心管家”。

知道你们一脸懵逼听不明白，看看百度老总李彦宏的现场演示就懂了~

百度展示的”全双工免唤醒“黑科技打破过去啰嗦低效的唤醒方式，再一次刷新AI语音交互的上限。

让我们享受到真正高效的“动口不动手，想做什么直接说”的便利。

黑科技三：百度鸿鹄芯片

百度不仅在软件上努力，为了让AI语音助手更好“听见你，听懂你”，还专门打造出针对语音交互的芯片——百度鸿鹄芯片。

芯片指令集全由自家定义，是实打实的国产芯片，拥有高精度、低功耗的特点。

有了针对性“芯片”加成，语音助手再次被强化，支持离线语音识别同时带来更丝滑流畅的使用体验。

专门为语音助手打造一个芯片，百度在语音识别方面是真的“硬核”。

黑科技四：流式截断的多层注意力模型

流式截断多层注意力模型，相信很多机友看到后第一反应是：啥玩意？能干嘛？

小雷用人话解释下：目前大部分语音识别使用的技术叫“Attention模型”，特点是将我们输入的语音全部上传到服务器后，进行翻译再传送回来形成文字。

这就导致了两个问题：因为需要上传整段话到服务器，所以语音识别的效率很低，加上对整段话进行翻译，难免会出现翻译错误的问题。

所以百度针对上面两个问题，进行了深入的研究，最终研发出“流式截断的多层注意力模型”。

在“Attention模型”的基础上，将整句语音进行截断，由以前的一大段分割成一小段一小段地上传到服务器中进行翻译。

这样一来不仅解决了翻译转化文字慢的问题，还大大提高了识别精度15%。

别小看小小的15%，这可是一项对全球学术界和工业界都具备重大意义的技术突破，如同当年弗莱德里克将统计学加入到语音识别中，改变语音识别的一生。

AI技术改变的不止是生活，还有世界

随着百度等大公司大力研发AI技术，未来可不止让我们生活变得便利那么简单。

甚至是改变整个世界！不信？最近让无数女性化身“上头迷妹”的《亲爱的，热爱的》电视剧就剧透了未来AI技术有多牛。

在《亲爱的，热爱的》第18集中，佟年给韩商言讲解了人工智能在刑侦方面的应用：

她设计出一个人脸识别系统，专门用于帮助警方搜索犯人调查犯罪，破案1000多起。

其中有一个案子特别夸张，佟年向系统输入一张十年前的杀人犯照片，通过大数据匹配筛选，最终帮警方从14亿人里成功找到已经剃发当和尚的杀人犯。

其实利用AI技术抓逃犯的事情是真实存在的，并非电视剧瞎编。

在2018年7月，衢州警方利用AI技术识别到嫌疑人的照片，并通过大数据追踪其位置，破获长达6年的“电鱼迷案”。

AI不单可用于惩治犯罪，还能寻找失踪人口。

2019年6月19日，深圳警方通过AI技术寻找到徐远灵被拐卖19年的亲儿子。

失散19年的一家人，最终在深圳公安局帮助下团聚，圆了徐远灵多年以来的梦。

小到智能音箱查天气，大到查案追踪逃犯，背后全是AI技术的默默贡献，蕴藏着深厚的技术能量。