超越整句的流式多级Attention：解密百度输入法背后的语音识别模型

机器之心原创作者：晓坤、思源1 月 16 日，百度输入法举办了「AI·新输入全感官输入 2.0」发布会，正式对外发布百度输入法 AI 探索版，这是一款默认输入方式为全语音输入、并以注意力机制为语音核心的新产品。新语音模型结合了 CTC 和 Attention，为每日数亿条语音识别调用提供硬核支持，本文将带你一观新模型是如何劝君「动口不动手」。全语音交互对于语音识别准确率要求极高。百度表示，其 AI 探索版的语音输入用户体验提升得益于四项重大突破，分别是在在线语音、离线语音、中英混合语音以及方言四个领域上实现的。关于在线语音识别，百度发布了流式多级的截断注意力建模（SMLTA），将在线语音识别准确率相对于上一代 Deep Peak 2 再次提升 15%，并实现了基于 ………………………………