当前位置:首页 > 芯闻号 > 充电吧
[导读]眼下,行业巨头都在打造自己的智能语音生态系统,国外有IBM、微软、Google等,国内则有百度、阿里、科大讯飞、搜狗和云知声。但这一次,四大AI独角兽之一的依图科技也正式拿到入场券了。12月11日消息

眼下,行业巨头都在打造自己的智能语音生态系统,国外有IBM、微软、Google等,国内则有百度、阿里、科大讯飞、搜狗和云知声。

但这一次,四大AI独角兽之一的依图科技也正式拿到入场券了。

12月11日消息,依图科技今日公布了其在中文语音识别技术上的最新突破,宣称在全球最大的中文开源数据库AISHELL-2中,依图短语音听写的字错率(CER)仅为3.71%,相比原业内领先者提升约20%,大幅刷新现有纪录。

此外,依图科技现场宣布了与微软Azure和华为的两大全新合作。

为何此时入局?

对于依图来说,从计算机视觉进入到语音识别,是一次巨大的跳跃,因为目前行业巨头林立,入局者比依图更早拿到市场份额。

但是依图首席创新官吕昊博士看来,现在的语音识别技术发展还是不够的,相较于人脸识别的准确率而言,语音识别发展目前都比较缓慢,无论是学术界还是工业界,对于语音市场都很看好,这意味着未来发挥空间十分巨大。

也了解到,语音识别技术其实几十年前就在发展,从50年代的贝尔研究所到八九十年代美国和日本在该技术上的突破,从软件到硬件都在取得进展;我国语音识别研究起始于1958年,后来的“863计划”中语音识别成为重要课题,中国的语音识别技术开始进入了真正研究阶段。

但由于语音的场景复杂,技术突破一直处于缓慢的状态,目前应用较好的也只是特定的几个场景。目前业内一些机构已宣传识别技术达到了人类水平,但大多数情况下都来自安静、近场等受限环境下的结果。而复杂的场景诸如电话、语音节目、远场、混响、噪声、口音、语音节目等,则需要针对性地开发不同模型。

“但技术无法束缚我们的想象力。”

吕昊上任依图首席创新官近一年时间,去年年底,他辞去了在Google的工作,离开了生活十年的美国,回国加入依图。他觉得,在语音识别领域,依图科技是一名新生,但立志扮演创造行业拐点的角色。

“依图入局语音市场的初心就是源于好奇心,想用算法技术推动实际问题的解决。我们在AI领域做了那么多年,已经能深入理解和推广人工智能的应用了。”

可见,作为AI理解世界重要的组成部分,作为人人交互、人机交互最重要的入口,语音识别正在拉伸依图的AI版图。

尽管这次官方说法是“首次进入语音行业”,但实际上,依图一直都有涉猎这个领域,语音和语义的相关技术之前在其医疗的相关产品中有过展示,只是没有公布。

吕昊坦言,科大讯飞做语音技术,的确是业内领先的,但是科大讯飞的语音有多好、和其他语音的距离有多远这些方面,其实很难界定——因为不太透明。准确率上,行业水平都是98%-99%,在什么情况下测的,大家也无法评判。

实际上,入局语音市场,还有个因素,吕昊也一并告诉了。

“工业界目前做语音识别的水平已经远远超过学术界,在一些公开数据集上有着1-3倍的性能提升。而工业界目前做语音技术的就那么几家,靠学术界去往前推进商业模式,似乎没有可选的路径,因为数据成本非常之高。干脆自己来做。”

联手巨头:有了华为和微软,语音市场的入场券拿的更快

这一次,选择新赛道,依图并非想做“孤胆英雄”。

因为华为、微软都选择和依图站在了一起。

发布会现场,依图宣布联合微软Azure推出依图语音开放平台,会向第三方开放,后续两家公司将在智能语音领域双方有新的动作。

此外,依图还联合华为发布“智能语音联合解决方案”,该方案基于依图语音开放平台及华为全栈全场景昇腾(Ascend)系列芯片和面向数据中心侧的Atlas 300 AI加速卡,也向第三方开放。

“我们始终认为,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。”吕昊表示。

当下,AI产业链由基础层、技术层与应用层构成。同样,智能语音识别亦由这三层组成。基于大量数据的积累、深度神经网络模型的发展及算法的迭代优化,近年,语音识别准确率取得了不断的提升,外界也在各个巨头的测试结果中观察到了“媲美人类”、“与人相似”等字眼。

但语音识别领域一直存在两条红线:3%和15%。

一般认为,字错率在低于3%时不会影响文字可读性,而超过15%则毫无可读性,体验好感大大降低。在不同场景下,不同算法的表现可能会有很大差异。尤其是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。

会上,依图推出的中文语音识别算法,与业内原有领先者相比准确率大幅提升。

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,依图字错率几乎全部在15%以下(未过红线)。

注:AISHELL-2是AISHELL Foundation和希尔贝壳宣布的开源数据库,数据规模达1000小时,是目前全球最大的中文开源数据库。它由1991名来自中国不同口音区域的发言人参与录制,经过专业语音校对人员转写标注,通过了严格质量检验,数据库文本正确率在96%以上。

值得一提的是,在AISHELL2-2018A-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%。

入局超百亿美元市场了,依图觉得自己“还年轻”

智能语音技术是人工智能应用最成熟的技术之一,并拥有交互的自然性,因而,其具有巨大的市场空间。

中国语音产业联盟《2015中国智能语音产业发展白皮书》数据显示,2017年全球智能语音产业规模将首次超过百亿美元,达到105亿美元。中国2017年智能语音产业规模也将首次突破百亿元,五年复合增长率超过60%。

此前,科大讯飞发布2018年Q3报告,前三季度实现营收52.83亿元,同比增长56%,主要由于持续加大AI相关领域的研发投入、生态体系构建的投入以及在教育、政法、医疗、智慧城市等重点赛道的市场布局投入。科大讯飞高级副总裁、研究院院长胡国平在公开场合表示,科大讯飞在语音识别错误率方面每年相对下降30%以上。

吕昊直言,从数据量、入局时间等角度来看,依图和BAT、科大讯飞等相差很多量级,但是作为新秀,正是看到市场变动慢才觉得有机会,也是以这种发布会的形式让外界了解语音市场的真实现状。

对于语音开放平台发布之后的场景落地,吕昊表示,眼下依图并没有特别针对某个场景去发力,而是先推出普适性的语音开放平台,走向通用化,方便外界调动API,在不同场景都能实现工作算法的修改和数据的搜集。

值得一提的是,依图在现场发布了“听写大会”微信小程序,让用户可以在不超过60秒时间内直观感受到语音识别技术的真实表现,在业界也属首次,公开透明的体验各类算法的水平差异。

语音识别技术近年进展

语音市场进入新玩家,异常火热,作为重度关注AI领域的,也曾梳理了近年来语音识别技术发展基本轨迹:

2017 年 3 月,IBM 结合了 LSTM 模型和带有 3 个强声学模型的 WaveNet 语言模型。其中集中扩展深度学习应用技术终于取得了 5.5% 错词率的突破。

2017 年 8 月,微软通过改进微软语音识别系统中基于神经网络的听觉和语言模型,在2016年基础上降低了大约 12% 的出错率,错词率为 5.1%。

2017 年 12 月,谷歌发布全新端到端语音识别系统(State-of-the-art Speech Recognition With Sequence-to-Sequence Models),错词率降低至 5.6%。

2018 年 6 月,阿里巴巴达摩院推出了新一代语音识别模型 DFSMN,将全球语音识别准确率纪录提高至 96.04%,错词率降低至 3.96%。

2018 年 10 月,云从科技发布全新 Pyramidal-FSMN 语音识别模型,将错词率(Worderrorrate,WER)降低至 2.97%,较之前提升了 25%。

当然,今天,我们需要记上一笔2018年12月11日依图的这次语音开放平台发布会。

站在AI的路口,依图科技又进一步了。


本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

2024年6月9日,第29届广州国际照明展览会(GILE)在广州中国进出口商品交易会展馆盛大开幕。AI照明领域的引领者品牌——智谋纪AI照明,携核心前沿技术“场景识别子系统(AIscene)”再度亮相智能馆9.2馆B26...

关键字: AI 智能家居

6月13日消息,据媒体报道,苹果最新推出的Apple Intelligence功能因存储限制而无法在所有设备上使用,这一限制暴露出苹果在端侧AI发展上的存储瓶颈。

关键字: AI ChatGPT 人工智能

6月14日消息,当地时间6月13日,特斯拉举行了股东大会,马斯克承诺特斯拉将在2025年开始“限量生产”擎天柱机器人,并于明年在自己的工厂测试仿人机器人,马斯克预测,明年将有“1000多个或数千个擎天柱机器人在特斯拉工作...

关键字: 马斯克 AI 特斯拉 GPU

成都2024年6月12日 /美通社/ -- 近日,纳斯达克上市公司蓝帽子互动科技娱乐(Nasdaq:BHAT,以下简称"蓝帽子")与四川金盈合实业有限公司(以下简称"金盈合")宣布签署框架合作协...

关键字: 供应链 AI GROUP NAS

北京2024年6月12日 /美通社/ -- 近日,由中国美国商会(AmCham China)主办、以"构建可信的企业级AI"为主题的研讨会在北京正大中心举行。中国美国商会会长何迈可(Michael Hart)、正大中心写...

关键字: IBM AI THINK AI技术

小瓦AI答是OpenHarmony专属智能问答助手,由Laval社区与深思考公司联手打造。作为一款智能问答助手,小瓦AI答致力于为开发者提供在线智慧答疑服务,帮助开发者们轻松获取所需知识,并且通过不断迭代进化与开发者们共...

关键字: AI 人工智能

Jun. 11, 2024 ---- 根据TrendForce集邦咨询最新研究指出,2024年全球笔记本电脑出货量仍受到地缘因素与高利率抑制市场动能的影响,整体而言,入门款消费及教育的换机需求为上半年推动市场的积极因素,...

关键字: AI 笔电

柏林2024年6月11日 /美通社/ -- 据德国汽车行业协会(VDA)的最新消息,去年德国生产了127万量电动汽车(BEV和PHEV),其中95.5万辆是纯电动汽车。这使得德国成为欧洲生产电动汽车最多的国家。预计今年德...

关键字: 电动汽车 BSP 纯电动汽车 AI

上海2024年6月11日 /美通社/ -- 由生成式人工智能(AI)驱动的临床阶段生物科技公司英矽智能宣布,继2023年11月启动自研药物ISM5411在澳洲的1期临床试验后,已于日前完成该候选药物在中国1期临床试验的首...

关键字: HD ISM AI 人工智能

6108人参会参展,102个展位,20个分会场,209万关注 上海2024年6月11日 /美通社/ -- 2024年5月14-15日,SSCL第七届亚太智慧供应链与物流创新博览会暨2024第十五届上海国际物流节在张江科...

关键字: AC AI COM ASSOCIATION
关闭
关闭