近日，奇富科技智能語音團隊論文《Qifusion-Net：基于特征融合的流式/非流式端到端語音識別框架》(Qifusion-Net: Layer-adapted Stream/Non-stream Model for End-to-End Multi-Accent Speech Recognition)被全球語音與聲學(xué)頂級會議INTERSPEECH 2024收錄。這是繼去年《Eden-TTS：一種簡單高效的非自回歸“端到端可微分”神經(jīng)網(wǎng)絡(luò)的語音合成架構(gòu)》論文之后的又一國際認可，也是對奇富科技在語音信號領(lǐng)域技術(shù)實力的有力證明。
INTERSPEECH，由國際語音通訊協(xié)會（International Speech Communication Association, ISCA）創(chuàng)辦，是語音處理領(lǐng)域的頂級旗艦國際會議。作為全球最大的綜合性語音處理領(lǐng)域的科技盛會，歷屆INTERSPEECH會議都備受全球各地語音語言領(lǐng)域人士的廣泛關(guān)注。本屆會議以“Speech and Beyond”為主題，內(nèi)容涵蓋語音識別、語音合成、語音編碼、語音增強、自然語言處理等多個領(lǐng)域。奇富科技智能語音團隊將受邀參與9月INTERSPEECH 2024科技盛會并發(fā)表主題報告，進一步分享其在語音識別領(lǐng)域的創(chuàng)新成果，與全球同行共探語音科技的未來。
“百里不同俗，十里不同音”，我國幅員遼闊，方言種類豐富，方言的語法和語音特征差異顯著，加之噪聲干擾、方言混雜、主觀感知的標(biāo)注問題，以及人力標(biāo)注工作的龐大和系統(tǒng)性不足，導(dǎo)致語音識別技術(shù)的準(zhǔn)確性和智能化水平受限。特別是在金融業(yè)務(wù)場景中，市面上的通用語音識別技術(shù)在應(yīng)對方言時常常表現(xiàn)不佳，導(dǎo)致人機交互的準(zhǔn)確性和智能性大打折扣，服務(wù)效率和質(zhì)量受損。
為此，奇富科技引入全自研Qifusion框架模型，并將其集成到智能營銷及貸后提醒等業(yè)務(wù)場景中，不僅能夠有效地解決上述難題，還在識別準(zhǔn)確率上得到大幅提升。在復(fù)雜的通話環(huán)境中，語音識別綜合準(zhǔn)確率達到了93%以上，意圖識別準(zhǔn)確率超過95%，在業(yè)界處于領(lǐng)先水平。
相較于其他語音識別框架，Qifusion框架模型具有以下特點：
1.方言種類更豐富：
憑借自身在貸后場景及方言領(lǐng)域的豐富數(shù)據(jù)樣本，Qifusion框架模型在原有東北官話、膠遼官話、北京官話、冀魯官話、中原官話、江淮官話、蘭銀官話和西南官話等國內(nèi)八種主流方言的基礎(chǔ)上，精準(zhǔn)強化了四川、重慶、山東、河南、貴州、廣東、吉林、遼寧、黑龍江等用戶密集地區(qū)的方言識別能力。這使得平均識別準(zhǔn)確率相對提升了25%，尤其在川渝地區(qū)，方言識別準(zhǔn)確率相對提升超35%。
2.方言識別更精準(zhǔn)：
Qifusion框架模型具備自動識別不同口音的能力，并能在時間維度上對解碼結(jié)果進行口音信息修正，使方言口音的語音識別誤差率降低了30%以上，整體語音識別字錯率降低了16%以上，顯著提升了用戶體驗。此外，在業(yè)內(nèi)知名的Kespeech 開源方言數(shù)據(jù)集性能對比測試中，Qifusion字錯率刷新模型最低值，達到國內(nèi)頂尖水平。
3.方言識別更高效：
Qifusion框架采用了創(chuàng)新的層自適應(yīng)融合結(jié)構(gòu)，能通過共享信息編碼模塊，更高效的提取方言信息。同時，該框架模型還支持即說即譯功能，能在無需知曉額外方言信息的前提下，對不同方言口音的音頻進行實時解碼，實現(xiàn)精準(zhǔn)的識別和轉(zhuǎn)譯。這使得Qifusion框架在業(yè)務(wù)場景中能夠迅速準(zhǔn)確地捕捉并響應(yīng)用戶需求。
奇富科技以"持續(xù)創(chuàng)新"為核心理念，致力于人工智能語音領(lǐng)域的深入研究和自主研發(fā)。公司不僅在INTERSPEECH這一國際頂級語音學(xué)術(shù)會議上取得了顯著成就，更在IEEE聲學(xué)、語音與信號處理國際會議上發(fā)表了多篇論文，如《基于多粒度Transformer的多模態(tài)情緒識別》、《基于SE模塊和多尺度特征學(xué)習(xí)的語音情感識別》等，為全球智能語音技術(shù)的發(fā)展貢獻了中國智慧。
免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。
- TCL發(fā)布第四代液晶電視Q10L：無黑邊外觀+萬象分區(qū)，售價7499元起
- 同行：我所認識的女性AI從業(yè)者
- 2025Mini LED畫質(zhì)的巔峰之作！海信發(fā)布影游旗艦電視新品E8Q Pro
- 行業(yè)首款第四代液晶電視TCL Q10L系列發(fā)布：開啟極景視聽新紀元
- 馬斯克：權(quán)力的誘惑，害慘了特斯拉
- DeepSeek們，會讓文科無用嗎？
- 蘋果在高端市場占據(jù)主導(dǎo)地位，但仍節(jié)節(jié)敗退，無奈搶占2000元市場
- 海信電視E8Q Pro發(fā)布：2025 Mini LED畫質(zhì)天花板，7499元起售
- 蜜雪冰城上市后，會走得更遠嗎？
- X會員店成棄子？盒馬“斷臂”求盈利！
免責(zé)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(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)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(zé)。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(zé)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。
