中新网12月11日电今天，人工智能公司依图科技公布了在中文语音识别技术上的最新突破：在中文开源数据库AISHELL-2中，依图短语音听写的字错率(CER)仅为3.71%，领先原业内领军者约20%。发布会上，依图还联合微软Azure推出依图语音开放平台，并携手华为发布“智能语音联合解决方案”，将依图领先的语音识别技术提供给广泛的第三方应用开发者，共同推动智能语音行业的进步。
依图首席创新官吕昊博士
语音识别技术远未成熟，技术透明度差
近年来，深度学习的爆发驱动了语音识别技术的高速发展，但相较于人脸识别在准确率方面的高增速来说，语音识别的发展仍较为缓慢。尽管一些机构已宣传达到了人类水平，但大多数情况下都来自安静、近场等受限场景。对于电话、语音节目、远场等更复杂场景，则需要针对性地开发不同模型，但实际应用中的不确定性，使理想和现实仍有较大差距，导致应用场景难以得到更大突破。
对语音识别来说，语速、语态、语气、口音等都会显著影响识别的准确率。一般认为，字错率在低于3%时不会影响可读性，而超过15%则毫无可读性。这两个数据可认为是语音识别的两条红线，而在不同场景下，不同算法的表现可能会有很大差异。在中文语音识别技术领域，汉语的博大精深带来的同音不同意等问题，更对语音识别的处理难度带来极大挑战，显著影响最终的使用体验。
依图首席创新官吕昊博士表示，“语音识别技术经历了漫长的发展进化，但至今都只能在受限的场景下才能达到较好的使用效果。我们认为，核心技术的突破，依然是当前破局中文语音识别发展的关键。在语音识别领域，依图科技是一名新生，但立志推动行业创新与发展，做世界最好的中文普通话语音识别技术。”
讯飞依图BAT各家算法差异巨大，讯飞依图位列第一阵营
依图此次推出的中文语音识别算法，与业内原有领先者相比，不仅大幅提升了识别准确率，且在单个算法模型上，有极为出色的多场景适用性表现。在业内近期公开的AISHELL-2的三个测试子集，以及来自第三方的近场口音测试集、近场安静聊天测试集、语音节目测试集、电话测试集、远场测试集中，依图均处于业界领先水平，且字错率几乎全部在15%以下。其中，在AISHELL2-A-EVAL数据集中，依图的识别准确率高达96.29%，字错率(CER)仅为3.71%，领先原业内领军者约20%。通过“听写大会”
转载请注明：http://www.0431gb208.com/sjslczl/1868.html
