近日,阿里巴巴達摩院機器智能實驗室推出了新一代語音識別模型DFSMN,將全球語音識別準確率紀錄提高至96.04%(這一數據測試基於世界最大的免費語音識別數據庫LibriSpeech)。
開源地址:https://github.com/tramphero/kaldi
達摩院機器智能實驗室的語音識別團隊主導了這個模型的研發,並宣佈向全世界企業與個人開源。對比目前業界使用最為廣泛的LSTM模型,DFSMN模型訓練速度更快、識別準確率更高。採用全新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。
在近期舉行的雲棲大會武漢峰會上,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”。
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。”有業內人士稱,DFSMN有望成為繼傳統的LSTM模型後,成為全球語音識別領域最主要的聲學識別模型之一。
閱讀更多 阿里技術 的文章