0
7月5日，百度 AI 開發(fā)者大會。還不到下午一點半，對話式人工智能分論壇已經(jīng)人滿為患，A 廳的保安堵著門，出來一個才會放一個進去。在這場下午兩點開始，總共耗時三個半小時的分論壇中，先后換了三位主講人，才把景鯤所講的“聽清、聽懂、滿足”的 DuerOS 整體架構(gòu)講完。
差不多同一時刻，阿里也在北京召開發(fā)布會，發(fā)布了旗下第一款智能音箱。此前已經(jīng)有不少好事媒體紛紛猜測，群眾舉瓜圍觀，畢竟巨頭分庭抗禮的戲碼沒有人會厭倦。
雷鋒網(wǎng)整理了百度分論壇的全部內(nèi)容，并精選出與 DuerOS 直接相關的信息，試圖清楚的回答“DuerOS是什么” 的問題，或許這也是全網(wǎng)關于 DuerOS 最全面的解剖：
DuerOS 的整體架構(gòu)包括三層：中間層為核心層，即對話系統(tǒng)；最上層為應用層，即智能設備開放平臺；最底層為能力層，即技能開放平臺。
所謂的核心層，包括了從語音識別到語音播報再到屏幕顯示的一個完整交互流程，以及背后支撐交互的自然語言理解、對話狀態(tài)控制、自然語言生成、搜索等等核心技術，這些技術支撐著上下兩層的實現(xiàn)。
所謂的應用層，則是為第三方廠商提供包括核心接入組件、芯片模組、麥克風陣列等的開發(fā)套件，以及包括工業(yè)設計、結(jié)構(gòu)設計、音腔設計在內(nèi)的參考設計方案。
所謂的能力層，則是面向開發(fā)者，提供了包括了原生技能和第三方技能在內(nèi)的技能開放平臺，開發(fā)者可以通過技能工具，來創(chuàng)建并發(fā)布基于 DuerOS 的技能。
三層之間的結(jié)合處，分別是對話服務和技能框架兩個接口，也是整個 DuerOS 的核心接口，前者為終端設備提供了各項支持請求，體現(xiàn) DuerOS 的終端能力，后者為第三方開發(fā)者豐富的創(chuàng)建方式，體現(xiàn) DuerOS 的技能開發(fā)能力。
為了更清楚的理解，針對對話服務與技術框架，百度直接拿 DuerOS 和 Andriod 系統(tǒng)做了對比：
如同電腦、平板在 Android 系統(tǒng)上具備觸摸的交互功能一樣，音箱、電視、車載設備搭載了 DuerOS 后，就能具備智能語音對話的交互功能。
如同 Android 設備驅(qū)動程序接口，定義能夠運行的基本硬件和交互方式一樣，DuerOS 的對話系統(tǒng)則定義著運行 DuerOS 需要具備的終端能力，以及用戶通過設備和 DuerOS 溝通時的交互方式。
如同開發(fā)者基于 Android 應用框架能夠開發(fā) App 一樣，第三方開發(fā)者也可以基于 DuerOS 的技能框架開發(fā)技能，在搭載 DuerOS 的智能設備上運行。
舉例來說：
搭載 DuerOS 的電視，具備了屏幕顯示的能力，當一個設備具備了屏幕顯示能力的時，DuerOS 就可以響應這種服務的請求，識別之后通過屏幕告訴用戶正確的答案。搭載 DuerOS 的手機，用戶就可以通過語音操作打電話給家人或者向餐館訂餐。搭載 DuerOS 的汽車，具備車輛控制功能，你可以跟汽車說天太熱了，把天窗打開，把空調(diào)調(diào)到19度。這是 DuerOS 支持的協(xié)議具備多種多樣的終端能力。
針對技術框架，DuerOS 提供標準化的接口，第三方開發(fā)者甚至可以一行代碼都不編寫，就能創(chuàng)造標準化的技能，只要提供內(nèi)容即可。針對需要個性化創(chuàng)造的開發(fā)者，DuerOS 提供了豐富的技能接入，開發(fā)者不需要懂自然語言處理和深度學習，就能創(chuàng)造非常自如的語音交互技能。
除了智能創(chuàng)建工具之外，DuerOS 還提供全套平臺工具，覆蓋從創(chuàng)建、配置到百度云部署、測試、發(fā)布的整個生命周期。通過 DuerOS 的技能框架，百度把 DuerOS 的原生技能開發(fā)能力、自然語言處理能力、對話管理能力等全部開放給了第三方開發(fā)者。
當用戶開始和 DuerOS 說話時，它的工作流程是這樣的：
用戶的語音先傳到 ASR 語音識別模塊，通過該模塊，設備聽清用戶的語言，將它轉(zhuǎn)為文字；
轉(zhuǎn)成的文字經(jīng)過相應模塊的分析、識別和理解，并放在整個對話上下文當中做充分識別和理解，明確語義。
當 DuerOS 聽懂之后，則會調(diào)用合適的原生技能或第三方技能來滿足用戶，通過 TTS 語音播報將結(jié)果給到用戶，如果設備有屏幕，則會給出適合設備屏幕大小形狀的展示結(jié)果。
經(jīng)過這樣的工作流程，DuerOS 的對話系統(tǒng)可以通過音箱、電視、車機等設備，應用在多種場景中。之所以能夠有好的聽清、聽懂效果，百度認為主要歸功于三個方面：數(shù)據(jù)多、技術深、內(nèi)容廣。
所謂的數(shù)據(jù)指的是百度擁有龐大的知識圖譜、需求圖譜、網(wǎng)頁圖譜、地理信息圖譜及用戶畫像，技術則指的是十余年里百度所積累的自然語言處理、對話控制、對話管理、自然語言生成、搜索等技術，而內(nèi)容指的是百度擁有的超過10000個信息垂類內(nèi)容。
官方給出的智能設備開放平臺的目標是“上手”最容易的設備平臺。簡單而言，就是對于第三方來說， 直接把百度給出的方案拿過來套上用，就可以了。但針對需求，百度還是給出了幾個版本的開發(fā)套件：
個人版-針對開發(fā)者
個人版開發(fā)套件基于 DevKit ，集成了 2Mic 兼容設計，同時也支持 4Mic，和 Crom 引擎合作完成。即日起就可以下載，不僅完善了硬件，還加上了系統(tǒng)對象和文檔。
有趣的是，在個人版里，百度提供了一個趣味組裝圖紙，讓開發(fā)者動手組裝。個人版既保留了一些自主行性，也節(jié)省了大量的時間，確實非常容易“上手”。
標準版-針對產(chǎn)品廠商
針對產(chǎn)品廠商需要穩(wěn)定、可靠、大規(guī)模生產(chǎn)的需求，百度給出了“標準”答案。標準版開發(fā)套件完全按照 產(chǎn)品級要求研發(fā)，包括 4Mic 拾音板、MTK8516 主板，Wi-Fi/BT+喇叭，終端軟件為 Linux+DuerOS SDK+終端應用，它的目標是開箱即用。
此外，百度還聯(lián)合設計團隊推出了標準版產(chǎn)品的參考設計，同時由來自手機團隊資深結(jié)構(gòu)工程師專門做了結(jié)構(gòu)化的設計，由資深的電聲工程師調(diào)整了電路效果，甚至和音箱代工廠制定了完整的工藝，貼上商標就可以對外銷售。
輕量版-針對特殊廠商
針對有些特殊要求的廠商，比如產(chǎn)品需要電池系統(tǒng)、需要低功耗、需要放到已有產(chǎn)品中，同時不希望增加成本等情況，百度則提供了輕量版開發(fā)套件。
發(fā)布會中提到了 ARM 和 DevKit 合作的兩款專門支持 DevKit 和 ARMmbed 的解決方案，Cortex 為核心的解決方案，非常省電的，作為實時操作系統(tǒng)，配置也相當靈活，既有單板方案也有雙板。套件里是高度整合的 SoC 系統(tǒng)，全部裝在一個單芯片上，本身就保證了低成本，小體積，甚至只有硬幣的大小。
第三方方案
除了上述三個百度提供的版本方案外，還和業(yè)界一些第三方廠商做了合作，讓 DuerOS 融合第三方解決方案，這其中包括了聲智科技、先聲互聯(lián)、Intel、Rockchip、Qualcomm 等，還有更多正在進行中，沒有完工的廠商。
與這些設備解決方案配套的，是一款基于手機的 App——小度之家。據(jù)雷鋒網(wǎng)了解，在以語音交互為主的設備上，有兩個很常見的問題，一是配網(wǎng)不方便，二是設置不方便。通過小度之家 App，這兩個問題都可以得到徹底解決。在這個 App 上，一方面可以看到操作記錄，另一方面也支持付費功能。更重要的是，將來會有更多的第三方技能會出現(xiàn)在這個 App 上。
技能開放平臺分為三個部分，一個部分是百度提供的原聲技能，第二個部分是為第三方開放的技能工具，第三個部分是由開發(fā)者開發(fā)的第三方技能。
這些技能綜合起來，就是為了讓語音交互設備更好用，具有更多功能，讓用戶聽懂并得到滿足。雷鋒網(wǎng)了解到，百度的原聲技能覆蓋了從娛樂到生活，從信息到工具十個大類，超過100個子類，且還在不斷增加。
通過開發(fā)工具，開發(fā)者可以開發(fā)第三方技能，百度還提供了標準的技能模板，可以幫助開發(fā)者無門檻的創(chuàng)建技能。從開始創(chuàng)建到最終發(fā)布，都有百度的技術支持。而上傳到技能商店的技能，終端用戶都可以根據(jù)自己的需要來選擇或者購買喜歡的技能，平臺中的“監(jiān)控”功能，還可以為開發(fā)者優(yōu)化技能提供決策數(shù)據(jù)。
如果用決定論來理解百度今日對“操作系統(tǒng)”的執(zhí)念，或許想想它曾錯失的移動互聯(lián)網(wǎng)時代就能夠理解。希望這是深刻反思后看清楚的方向，而不是某種矯枉過正的偏執(zhí)。但無論如何，正如一位前百度員工說的那樣，“我只相信技術”。此刻的百度，或許最接近李彥宏心目中的百度，或許也是國內(nèi)最相信技術的大公司。
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。
