0
7月5日，百度 AI 開(kāi)發(fā)者大會(huì)。還不到下午一點(diǎn)半，對(duì)話(huà)式人工智能分論壇已經(jīng)人滿(mǎn)為患，A 廳的保安堵著門(mén)，出來(lái)一個(gè)才會(huì)放一個(gè)進(jìn)去。在這場(chǎng)下午兩點(diǎn)開(kāi)始，總共耗時(shí)三個(gè)半小時(shí)的分論壇中，先后換了三位主講人，才把景鯤所講的“聽(tīng)清、聽(tīng)懂、滿(mǎn)足”的 DuerOS 整體架構(gòu)講完。
差不多同一時(shí)刻，阿里也在北京召開(kāi)發(fā)布會(huì)，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(cè)，群眾舉瓜圍觀，畢竟巨頭分庭抗禮的戲碼沒(méi)有人會(huì)厭倦。
雷鋒網(wǎng)整理了百度分論壇的全部?jī)?nèi)容，并精選出與 DuerOS 直接相關(guān)的信息，試圖清楚的回答“DuerOS是什么” 的問(wèn)題，或許這也是全網(wǎng)關(guān)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(duì)話(huà)系統(tǒng)；最上層為應(yīng)用層，即智能設(shè)備開(kāi)放平臺(tái)；最底層為能力層，即技能開(kāi)放平臺(tái)。
所謂的核心層，包括了從語(yǔ)音識(shí)別到語(yǔ)音播報(bào)再到屏幕顯示的一個(gè)完整交互流程，以及背后支撐交互的自然語(yǔ)言理解、對(duì)話(huà)狀態(tài)控制、自然語(yǔ)言生成、搜索等等核心技術(shù)，這些技術(shù)支撐著上下兩層的實(shí)現(xiàn)。
所謂的應(yīng)用層，則是為第三方廠(chǎng)商提供包括核心接入組件、芯片模組、麥克風(fēng)陣列等的開(kāi)發(fā)套件，以及包括工業(yè)設(shè)計(jì)、結(jié)構(gòu)設(shè)計(jì)、音腔設(shè)計(jì)在內(nèi)的參考設(shè)計(jì)方案。
所謂的能力層，則是面向開(kāi)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(kāi)放平臺(tái)，開(kāi)發(fā)者可以通過(guò)技能工具，來(lái)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(duì)話(huà)服務(wù)和技能框架兩個(gè)接口，也是整個(gè) DuerOS 的核心接口，前者為終端設(shè)備提供了各項(xiàng)支持請(qǐng)求，體現(xiàn) DuerOS 的終端能力，后者為第三方開(kāi)發(fā)者豐富的創(chuàng)建方式，體現(xiàn) DuerOS 的技能開(kāi)發(fā)能力。
為了更清楚的理解，針對(duì)對(duì)話(huà)服務(wù)與技術(shù)框架，百度直接拿 DuerOS 和 Andriod 系統(tǒng)做了對(duì)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(chē)載設(shè)備搭載了 DuerOS 后，就能具備智能語(yǔ)音對(duì)話(huà)的交互功能。
如同 Android 設(shè)備驅(qū)動(dòng)程序接口，定義能夠運(yùn)行的基本硬件和交互方式一樣，DuerOS 的對(duì)話(huà)系統(tǒng)則定義著運(yùn)行 DuerOS 需要具備的終端能力，以及用戶(hù)通過(guò)設(shè)備和 DuerOS 溝通時(shí)的交互方式。
如同開(kāi)發(fā)者基于 Android 應(yīng)用框架能夠開(kāi)發(fā) App 一樣，第三方開(kāi)發(fā)者也可以基于 DuerOS 的技能框架開(kāi)發(fā)技能，在搭載 DuerOS 的智能設(shè)備上運(yùn)行。
舉例來(lái)說(shuō)：
搭載 DuerOS 的電視，具備了屏幕顯示的能力，當(dāng)一個(gè)設(shè)備具備了屏幕顯示能力的時(shí)，DuerOS 就可以響應(yīng)這種服務(wù)的請(qǐng)求，識(shí)別之后通過(guò)屏幕告訴用戶(hù)正確的答案。搭載 DuerOS 的手機(jī)，用戶(hù)就可以通過(guò)語(yǔ)音操作打電話(huà)給家人或者向餐館訂餐。搭載 DuerOS 的汽車(chē)，具備車(chē)輛控制功能，你可以跟汽車(chē)說(shuō)天太熱了，把天窗打開(kāi)，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(duì)技術(shù)框架，DuerOS 提供標(biāo)準(zhǔn)化的接口，第三方開(kāi)發(fā)者甚至可以一行代碼都不編寫(xiě)，就能創(chuàng)造標(biāo)準(zhǔn)化的技能，只要提供內(nèi)容即可。針對(duì)需要個(gè)性化創(chuàng)造的開(kāi)發(fā)者，DuerOS 提供了豐富的技能接入，開(kāi)發(fā)者不需要懂自然語(yǔ)言處理和深度學(xué)習(xí)，就能創(chuàng)造非常自如的語(yǔ)音交互技能。
除了智能創(chuàng)建工具之外，DuerOS 還提供全套平臺(tái)工具，覆蓋從創(chuàng)建、配置到百度云部署、測(cè)試、發(fā)布的整個(gè)生命周期。通過(guò) DuerOS 的技能框架，百度把 DuerOS 的原生技能開(kāi)發(fā)能力、自然語(yǔ)言處理能力、對(duì)話(huà)管理能力等全部開(kāi)放給了第三方開(kāi)發(fā)者。
當(dāng)用戶(hù)開(kāi)始和 DuerOS 說(shuō)話(huà)時(shí)，它的工作流程是這樣的：
用戶(hù)的語(yǔ)音先傳到 ASR 語(yǔ)音識(shí)別模塊，通過(guò)該模塊，設(shè)備聽(tīng)清用戶(hù)的語(yǔ)言，將它轉(zhuǎn)為文字；
轉(zhuǎn)成的文字經(jīng)過(guò)相應(yīng)模塊的分析、識(shí)別和理解，并放在整個(gè)對(duì)話(huà)上下文當(dāng)中做充分識(shí)別和理解，明確語(yǔ)義。
當(dāng) DuerOS 聽(tīng)懂之后，則會(huì)調(diào)用合適的原生技能或第三方技能來(lái)滿(mǎn)足用戶(hù)，通過(guò) TTS 語(yǔ)音播報(bào)將結(jié)果給到用戶(hù)，如果設(shè)備有屏幕，則會(huì)給出適合設(shè)備屏幕大小形狀的展示結(jié)果。
經(jīng)過(guò)這樣的工作流程，DuerOS 的對(duì)話(huà)系統(tǒng)可以通過(guò)音箱、電視、車(chē)機(jī)等設(shè)備，應(yīng)用在多種場(chǎng)景中。之所以能夠有好的聽(tīng)清、聽(tīng)懂效果，百度認(rèn)為主要?dú)w功于三個(gè)方面：數(shù)據(jù)多、技術(shù)深、內(nèi)容廣。
所謂的數(shù)據(jù)指的是百度擁有龐大的知識(shí)圖譜、需求圖譜、網(wǎng)頁(yè)圖譜、地理信息圖譜及用戶(hù)畫(huà)像，技術(shù)則指的是十余年里百度所積累的自然語(yǔ)言處理、對(duì)話(huà)控制、對(duì)話(huà)管理、自然語(yǔ)言生成、搜索等技術(shù)，而內(nèi)容指的是百度擁有的超過(guò)10000個(gè)信息垂類(lèi)內(nèi)容。
官方給出的智能設(shè)備開(kāi)放平臺(tái)的目標(biāo)是“上手”最容易的設(shè)備平臺(tái)。簡(jiǎn)單而言，就是對(duì)于第三方來(lái)說(shuō)， 直接把百度給出的方案拿過(guò)來(lái)套上用，就可以了。但針對(duì)需求，百度還是給出了幾個(gè)版本的開(kāi)發(fā)套件：
個(gè)人版-針對(duì)開(kāi)發(fā)者
個(gè)人版開(kāi)發(fā)套件基于 DevKit ，集成了 2Mic 兼容設(shè)計(jì)，同時(shí)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(duì)象和文檔。
有趣的是，在個(gè)人版里，百度提供了一個(gè)趣味組裝圖紙，讓開(kāi)發(fā)者動(dòng)手組裝。個(gè)人版既保留了一些自主行性，也節(jié)省了大量的時(shí)間，確實(shí)非常容易“上手”。
標(biāo)準(zhǔn)版-針對(duì)產(chǎn)品廠(chǎng)商
針對(duì)產(chǎn)品廠(chǎng)商需要穩(wěn)定、可靠、大規(guī)模生產(chǎn)的需求，百度給出了“標(biāo)準(zhǔn)”答案。標(biāo)準(zhǔn)版開(kāi)發(fā)套件完全按照 產(chǎn)品級(jí)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(yīng)用，它的目標(biāo)是開(kāi)箱即用。
此外，百度還聯(lián)合設(shè)計(jì)團(tuán)隊(duì)推出了標(biāo)準(zhǔn)版產(chǎn)品的參考設(shè)計(jì)，同時(shí)由來(lái)自手機(jī)團(tuán)隊(duì)資深結(jié)構(gòu)工程師專(zhuān)門(mén)做了結(jié)構(gòu)化的設(shè)計(jì)，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(chǎng)制定了完整的工藝，貼上商標(biāo)就可以對(duì)外銷(xiāo)售。
輕量版-針對(duì)特殊廠(chǎng)商
針對(duì)有些特殊要求的廠(chǎng)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(shí)不希望增加成本等情況，百度則提供了輕量版開(kāi)發(fā)套件。
發(fā)布會(huì)中提到了 ARM 和 DevKit 合作的兩款專(zhuān)門(mén)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(shí)時(shí)操作系統(tǒng)，配置也相當(dāng)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(gè)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(gè)百度提供的版本方案外，還和業(yè)界一些第三方廠(chǎng)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(jìn)行中，沒(méi)有完工的廠(chǎng)商。
與這些設(shè)備解決方案配套的，是一款基于手機(jī)的 App——小度之家。據(jù)雷鋒網(wǎng)了解，在以語(yǔ)音交互為主的設(shè)備上，有兩個(gè)很常見(jiàn)的問(wèn)題，一是配網(wǎng)不方便，二是設(shè)置不方便。通過(guò)小度之家 App，這兩個(gè)問(wèn)題都可以得到徹底解決。在這個(gè) App 上，一方面可以看到操作記錄，另一方面也支持付費(fèi)功能。更重要的是，將來(lái)會(huì)有更多的第三方技能會(huì)出現(xiàn)在這個(gè) App 上。
技能開(kāi)放平臺(tái)分為三個(gè)部分，一個(gè)部分是百度提供的原聲技能，第二個(gè)部分是為第三方開(kāi)放的技能工具，第三個(gè)部分是由開(kāi)發(fā)者開(kāi)發(fā)的第三方技能。
這些技能綜合起來(lái)，就是為了讓語(yǔ)音交互設(shè)備更好用，具有更多功能，讓用戶(hù)聽(tīng)懂并得到滿(mǎn)足。雷鋒網(wǎng)了解到，百度的原聲技能覆蓋了從娛樂(lè)到生活，從信息到工具十個(gè)大類(lèi)，超過(guò)100個(gè)子類(lèi)，且還在不斷增加。
通過(guò)開(kāi)發(fā)工具，開(kāi)發(fā)者可以開(kāi)發(fā)第三方技能，百度還提供了標(biāo)準(zhǔn)的技能模板，可以幫助開(kāi)發(fā)者無(wú)門(mén)檻的創(chuàng)建技能。從開(kāi)始創(chuàng)建到最終發(fā)布，都有百度的技術(shù)支持。而上傳到技能商店的技能，終端用戶(hù)都可以根據(jù)自己的需要來(lái)選擇或者購(gòu)買(mǎi)喜歡的技能，平臺(tái)中的“監(jiān)控”功能，還可以為開(kāi)發(fā)者優(yōu)化技能提供決策數(shù)據(jù)。
如果用決定論來(lái)理解百度今日對(duì)“操作系統(tǒng)”的執(zhí)念，或許想想它曾錯(cuò)失的移動(dòng)互聯(lián)網(wǎng)時(shí)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(guò)正的偏執(zhí)。但無(wú)論如何，正如一位前百度員工說(shuō)的那樣，“我只相信技術(shù)”。此刻的百度，或許最接近李彥宏心目中的百度，或許也是國(guó)內(nèi)最相信技術(shù)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(jiàn)轉(zhuǎn)載須知。
