近日,阿里巴巴達摩院機器智能實驗室語音識別團隊,推出了新一代語音識別模型——DFSMN,不僅被谷歌等國外巨頭在論文中重點引用,更將全球語音識別準確率紀錄提高至96.04%(基于世界最大的免費語音識別數據庫LibriSpeech)。
這支平均年齡只有30歲的團隊還宣布,即日起向全世界企業與個人開源此次打破全球語音識別紀錄的DFSMN模型,使全球開發者都能共享這一成果,共同推進人工智能技術的發展。這也使DFSMN有望繼傳統的LSTM模型后,成為全球語音識別領域最主要的聲學識別模型之一,全球語音識別準確率也有望總體提高10%。
著名語音識別專家,西北工業大學教授謝磊表示:“阿里此次開源的DFSMN模型,在語音識別準確率上的穩定提升是突破性的。是近年來深度學習在語音識別領域最具代表性的成果之一。對全球學術界和AI技術應用都有巨大影響。”
阿里在GitHub平臺上開源了自主研發的DFSMN語音識別模型
語音識別是人機交互中的核心技術,在智能音響、智能家居、機器人及自動駕駛等領域都有廣泛應用。在剛剛結束的云棲大會武漢峰會上,裝有DFSMN語音識別模型的“AI收銀員”在與真人店員的PK中,在嘈雜環境下準確識別了用戶的語音點單,在短短49秒內點了34杯咖啡。此外,裝備這一語音識別技術的自動售票機也已在上海地鐵“上崗”。
DFSMN語音識別模型,對比目前業界使用最為廣泛的LSTM模型,訓練速度更快、識別準確率更高。采用全新DFSMN模型的智能音響或智能家居設備,相比前代技術深度學習訓練速度提到了3倍,語音識別速度提高了2倍。
(新聞稿 2018-06-07)