准确率97.03% 超越人类专业速记员水平 语音识别世界纪录在重庆诞生

10月 29日，入驻两江新区数字经济产业园的AI独角兽重庆中科云丛科技有限公司在语音识别技术上取得重大突破，该企业融合图像识别与语音识别的优势，推出了全新Pyramidal-FSMN语音识别模型，大幅刷新语音识别世界纪录。

超越人类专业速记员水平

据悉，语音识别技术是智能感知的重要部分，通过语音识别，机器就可以像人类一样听懂说话，进而能够理解、思考与反馈。

近年来，在深度学习技术的帮助下，语音识别取得了极大的进展，从实验室开始走向市场，走向实用化。基于语音识别技术的输入法、搜索和翻译等人机交互场景都有了广泛的应用。

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%。

由云从科技自主研发的全新Pyramidal-FSMN语音识别模型在全球最大的开源语音识别数据集Librispeech上刷新了世界纪录，准确率提升到97.03%，将Librispeech的错词率（Worderrorrate，WER）降低至2.97%，较之前提升了25%，已超越人类专业速记员水平。

多项技术刷新世界纪录

“该突破将推动语音识别技术的大幅进步，也使得语音识别离更良好的智慧交互体验越来越近。”相关负责人告诉记者，此次突破标志着云从科技在今年4月刷新跨镜追踪技术（ReID）三项世界纪录后在新领域再次取得重大成果，也是云从科技打造核心技术闭环路径中的关键一步。

上游新闻记者了解到，云从科技核心技术闭环包括人脸识别、智能感知与智能分析三个阶段，此次语音识别突破属于智能感知中的一环。

在10月12日的国家发改委“人工智能基础资源公共服务平台”项目发布会上，云从科技创始人周曦提出了人工智能发展的五个阶段，而核心技术闭环正是五个阶段的重要基础。云从科技在今年先后首发3D结构光人脸识别技术及刷新跨镜追踪技术三项世界纪录，并在金融、安防、机场等优势行业建设基于智能分析的“行业大脑”，正稳步推进从核心技术到智能生态的五步走战略。

上游新闻记者 杨野