雷鋒網 AI 科技評論按：語音到文字的轉換是語音研究領域的重要課題。自引入神經網絡的方法以來，語音識別正確率有了長足的進展，也為蘋果 Siri、亞馬遜 Echo、科大訊飛語音輸入法等等實際產品提供了生長的土壤。面對算法識別總還是比人類要差一些的現(xiàn)狀，微軟剛剛發(fā)布一篇博文公布了自己的最新成果，達到人類水平已經不是夢想。雷鋒網 AI 科技評論編譯如下。
2016年，微軟語音和對話研究團隊對外公布了一則里程碑性的消息，他們在Switchboard 數(shù)據(jù)庫的對話語音識別任務中達到了人類的一致性水平，這意味著他們的系統(tǒng)識別對話中文字的能力已經和專業(yè)的人類轉錄員一樣好。
當時微軟的研究人員們測量的這個轉錄系統(tǒng)的單詞誤識別率為5.9%，這個表現(xiàn)已經達到了他們測量的人類轉錄員的水平；其它的研究人員也進行了自己的研究，運用了一個更加深入的多轉錄員協(xié)作模式，達到了更好的5.1%的人類平均單詞錯誤率。這個結果和更早的研究是相符的，其中表明如果人類更仔細、更努力地去做，他們就能夠對對話中出現(xiàn)的確切單詞有更高的一致性。
一年后的8月20日，微軟語音和對話研究團隊負責人黃學東興奮地公布了他們的最新進展，他們的語音識別系統(tǒng)也達到了同樣的5.1%的錯誤率。這是業(yè)界的新的里程碑，也比他們去年的成績又有顯著的提高。研究的細節(jié)在他們一同發(fā)表的論文「The Microsoft 2017 Conversational Speech Recognition System」中進行了詳細介紹。
Switchboard 是一個錄制的電話對話語料庫，語音研究界用這個語料庫測試語音識別系統(tǒng)的表現(xiàn)已經有20多年的時間。測試任務是對陌生人之間關于運動和政治話題的討論進行從語音到文字的轉錄。
相比去年的單詞誤識別率，今年的系統(tǒng)又把它下降了12%。這個新系統(tǒng)在他們使用的基于神經網絡的語音語言模型上又繼續(xù)加入了一系列改進，其中添加了一個額外的 CNN-BLSTM（convolutional neural network combined with bidirectional long-short-term memory，帶有雙向LSTM的卷積神經網絡）用來提升語音建模的效果。并且，系統(tǒng)中以前就在使用的從多個語音模型進行綜合預測的方法，如今在幀/句音級別和單詞級別下都可以發(fā)揮效果。
除此之外，微軟的研究員們還根據(jù)整個對話過程的歷史記錄來預測接下來可能會說的話，進一步加強了識別器的語言模型，大大增強了模型對話題和局部上下文的適應能力。
在開發(fā)過程中，研究團隊也從自家的大規(guī)模深度學習軟件Microsoft Cognitive Toolkit 2.1(CNTK) 中獲益匪淺，不管是探索模型架構還是優(yōu)化模型的超參數(shù)。并且，微軟在云計算基礎設置方面的投資，尤其是 Azure 云GPU，也幫助提升了訓練模型、測試新想法的效果和速度。
在過去的25年中，達到與人類水平的錯誤率都是這個領域的研究目標。如今，微軟在長期研究中的投入已經證明了它們的價值，微軟未來也會在Cortana、Presentation Translator、Microsoft Cognitive Services等自家產品和服務中讓用戶們感受到這些技術的好處?？吹桨偃f級的用戶每天使用這些產品，微軟的研究團隊也感到非常欣慰。
在語音識別方面，業(yè)界和學術界有許多研究團隊都做出了杰出的貢獻，微軟研究團隊也表示自己從這個領域的整體發(fā)展中得到了很大收獲。不過，雖然在Switchboard 語音識別任務中取得了5.1%錯誤率這樣的喜人成果，整個語音研究領域還有許多的挑戰(zhàn)等待克服，比如在有噪音、錄音距離較遠的場景下，在語音有口音的情況下，在只有非常有限的講話風格和語言訓練數(shù)據(jù)的條件下，達到接近人類水平的語音識別效果都還是很大的困難。另一方面，在教會了電腦把語音轉換為文字之后，下一步還要教會電腦理解其中的含義和目的。在微軟研究團隊看來，從語音識別到語音理解將會是語音相關技術的下一個重要前沿。
論文地址：https://www.microsoft.com/en-us/research/publication/microsoft-2017-conversational-speech-recognition-system/
viaMicrosoft Research Blog，雷鋒網(公眾號：雷鋒網)AI 科技評論編譯
- 美政府強逼蘋果本土造iPhone，庫克居然打起了“太極”
- 鴻雁鴻米系列全屋智能接入米家App，打造智能生活新篇章
- 小米新款智能音箱：對話、遠程備車功能驚艷，實用又親民，僅售199元！
- Synaptics推出全新IoT Wi-Fi 7 SoC：集藍牙、Zigbee于一身，引領智能家居新潮流
- 小米洗碗機智能制造蘇州項目：打造智能制造新標桿，推動蘇州制造業(yè)升級
- 小米米家保溫杯Ti 2新推出350ml版，價格親民，實用又時尚
- 小米新款智能嵌入式洗碗機上架：3439.2元起，讓洗碗變得更輕松
- 海信小墨E5Q Pro電視震撼登場：千級分區(qū)U+Mini LED光暈控，300Hz高刷，3699元起，畫質新標桿！
- 小米米家凈水器S1（1600G）大通量來襲，國補價僅1919.2元，用水更省心！
- 2025科技日揭秘：空調界的未來戰(zhàn)士，2款神秘新品7月震撼登場
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。
