智东西（公众号：zhidxcom）

文 | 寓扬

7月5日，百度重磅发布了DuerOS语音交互平台、Apollo自动驾驶平台，成为百度AI的两大核心落地平台。而在这天，百度还宣布收购一家专注唤醒和自然语言处理的AI创企——KITT.AI，与其“唤醒万物”的使命不谋而合。

随着“All in AI”和“从连接信息到唤醒万物”，百度的市值在7月份一个月就涨了约120亿美元，截止到北京时间8月2日，百度总市值已达782.30亿美元，仿佛突破千亿大关已在不远处。从移动互联的服务和应用到AI时代的底层技术，百度也在实现自身的转变，而无疑这种转变是被市场和资本所看好的。

近期，智东西恰好与KITT.AI创始人姚旭晨相遇，并和他就语音技术与百度语音入口的布局展开对话。

KITT.AI是一家来自美国西雅图的AI创业公司，主要专注于唤醒和自然语言理解技术。它目前有两款核心产品热词识别（hotword detector）和对话系统 ChatFlow。

热词识别是一款快速训练唤醒词的产品，开发者通过软件平台Snowboy为硬件设备添加唤醒词功能，直播，如亚马逊Echo的“Alexa”，叮咚音箱的“叮咚叮咚”。对话系统 ChatFlow带有基于其自身NLP（Natural Language Processing，自然语言处理）技术打造的自然语言理解引擎NLU（Natural Language Understanding），是一款给开发者用来开发对话系统的工具，帮助开发者解决基于上下文的多轮对话问题。

（KITT.AI创始人团队及成员）

KITT.AI最初是作为艾伦人工智能研究所（AllenInstitute for Artificial Intelligence，简称AI2）的一个内部孵化项目于2014年9月诞生，但在2015年底才真正转做“热词”（即唤醒词）和对话引擎，相关产品也打磨了近一年半。目前，其热词技术可达到95%~98%的唤醒率。

它曾拿到了微软联合创始人Paul Allen和亚马逊Alexa等5家机构的投资，并入选了CB Insights人工智能创业一百强。令人吃惊的是，这样一个明星团队，到目前为止仍只有3名员工。

被百度收购后，KITT.AI保留原有品牌和产品，作为一个独立团队加入度秘事业部，并将继续在西雅图发展。

目前，KITT.AI的热词识别正在接入DuerOS，度秘下面的很多产品都会使用其热词技术。据姚旭晨透露，热词识别连同其对话系统ChatFlow（NLP技术）都将在今年内接入到DuerOS中，但具体收费情况还未确定。

唤醒词是人与语音设备交互的第一步，能否顺利实现唤醒并减少误唤醒，对于用户体验而言十分重要。

还记得KITT.AI联合创始人兼CTO陈果果在今年百度AI开发者大会上的展示吗？即通过Snowboy平台快速训练一个唤醒词，这正是KITT.AI的热词识别，也是DuerOS平台赋能人机交互体验的关键一环。

（KITT.AI联合创始人兼CTO陈果果唤醒词训练展示）

具体来讲，热词识别的原理是：使用者念出的三遍唤醒词会形成3个音频文件传输到云端，这是一个端到端的深度学习分类器，它会对该文件进行音频建模，建立一个只针对这三个音频的分类器。它可以从能量、音调等方面提取参数进而构成特征，下次使用唤醒词时，这个分类器就会判断是否与这三个音频的特征相近，来决定是否唤醒。据姚旭晨介绍，KITT.AI的热词识别用到了几十万到上百万的特征提取。

唤醒设备很重要，但如何减少误唤醒同样重要。姚旭晨谈到，误唤醒的因素也很多，跟噪声、能量也有关。比如一些与唤醒词相似的音节，小鱼在家机器人曾用《小鱼儿与花无缺》这部电视剧进行测试，发现剧中很多“小鱼儿”的词语有时会带来误唤醒。

此外，他也谈到，毫无相关的一些声音有时也能够引发设备的误唤醒。原因在于机器并不像人一样有语境，它只能从众多特征参数中去判断，可能你的一个爆破音会导致分类器的每个权重都很大，进而造成误唤醒。

放眼当下火热的智能音箱，噪音环境下的唤醒和误唤醒仍然是各家亟待解决的问题。打磨好技术，做到高准确性、高容错，才能获得更好的用户体验。