阿里云语音技术再获重大进展：识别速度提升3倍
2016-12-12 分类：云计算 / 智能计算 评论(0)
12月12日，阿里云智能语音技术总监鄢志杰在开发者社区中透露，团队在语音识别声学模型研究上再获重大进展。通过改进的LC-BLSTM模型，使其规模庞大的线上语音识别服务的解码速度提升了3倍，并同时获得了更高的精度。
LC-BLSTM算法是深度学习中的一种，一般的深度学习算法只能看到上下文的一点点,BLSTM理论上可以看到无穷远的上下文，所以可以更好的理解人类的语言。
但传统的BLSTM在语音识别任务上，会带来很大的解码延迟，只能用于离线语音识别，无法用于在线实时解码。而阿里云此前上线的LC-BLSTM则很好的解决了延迟问题，也是该算法在工业界的全球首次落地。
阿里云又是如何将解码速度再次提升3倍的？鄢志杰并未透露更多细节。
对于行业内的识别率之争，鄢志杰泼了一盆冷水：夸张的准确率只可能在非常受限的场景下获得。如果在一个热烈讨论的会议室，掏出手机做会议记录，别说97%，断断续续勉强看懂就不错了。
“在众多真正有意义的场景下，语音识别的准确率远没有新闻标题上宣传的那么高，脱离现实场景去谈准确率统统都是耍流氓。”鄢志杰说，我认为语音行业的“圈内人”应该更严肃的去思考，我们在学术研究上到底在哪些方面取得了实质性的进展，在工业应用上到底在哪些方面实实在在的帮助到大众。
上个月，搜狗、百度、科大讯飞分别召开发布会，公布了自己在语音识别技术方面的成绩，三家都对外界称，自己的语音识别系统“准确率达到97%”。
鄢志杰在阿里云研究领域主要包括语音识别、语音合成、说话人识别验证、OCR/ 手写识别、机器学习算法等。长期担任语音领域顶级学术会议及期刊的专家评审，并拥有多项美国及PCT专利，目前是 IEEE senior member。
分享到
