IBM宣布語音識別錯誤率接近人類水平

（原標題：IBM宣布語音識別錯誤率接近人類水平）

網易科技訊3月10日消息，據IBM官網報道，人們在說話時，對方每聽20個單詞都會漏掉或聽錯1-2個單詞。在5分鐘的對話中，可能會聽錯80個單詞。但我們多數人在聽懂說話上沒有問題。然而，電腦就不一樣了。

去年，IBM宣布在自然對話環(huán)境中的語音識別上取得重大成就：開發(fā)出單詞錯誤率為6.9%的系統(tǒng)。此后，該公司不斷取得進步?，F(xiàn)在IBM宣布創(chuàng)造新的業(yè)界紀錄：5.5%的錯誤率。這是對非常困難的語音識別任務：紀錄人與人之間日常對話如“買汽車”，計算出來的結果。這種紀錄的語料庫被稱為“SWITCHBOARD”，20多年來一直用于檢驗語音識別系統(tǒng)。

IBM研究人員在實現(xiàn)這個突破時，專注于應用深度學習技術，將LSTM（長短期記憶）和WaveNet語言模型與三個強大的聲學模型結合起來。在被使用的3個聲學模型中，前2個為雙向6層LSTM，其中一個為多特征輸入，另一個有對話多任務學習能力。最后一個模型有個獨特的地方，其不僅能從積極的例子中學習，也能利用消極的例子，因此會變得越來越聰明，在重復出現(xiàn)類似說話風格時表現(xiàn)更好。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網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。本網站對有關資料所引致的錯誤、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站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。