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(shù)據(jù)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(yè)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(fā)者都能共享這一成果，共同推進人工智能技術(shù)的發(fā)展。這也使DFSMN有望繼傳統(tǒng)的LSTM模型后，成為全球語音識別領(lǐng)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(yè)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(wěn)定提升是突破性的。是近年來深度學習在語音識別領(lǐng)域最具代表性的成果之一。對全球?qū)W術(shù)界和AI技術(shù)應(yīng)用都有巨大影響。”
阿里在GitHub平臺上開源了自主研發(fā)的DFSMN語音識別模型
語音識別是人機交互中的核心技術(shù)，在智能音響、智能家居、機器人及自動駕駛等領(lǐng)域都有廣泛應(yīng)用。在剛剛結(jié)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(huán)境下準確識別了用戶的語音點單，在短短49秒內(nèi)點了34杯咖啡。此外，裝備這一語音識別技術(shù)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(yè)界使用最為廣泛的LSTM模型，訓(xùn)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(shè)備，相比前代技術(shù)深度學習訓(xùn)練速度提到了3倍，語音識別速度提高了2倍。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
