阿里达摩院公布自研语音识别模型DFSMN并宣布开源

摘要:近日,阿里巴巴达摩院机器智能实验室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%(这一数据测试基于世界最大的免费语音识别数据库 LibriSpeech)。

阿里达摩院公布自研语音识别模型DFSMN并宣布开源

近日,阿里巴巴达摩院机器智能实验室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%(这一数据测试基于世界最大的免费语音识别数据库 LibriSpeech)。

达摩院机器智能实验室的语音识别团队主导了这个模型的研发,并宣布向全世界企业与个人开源。对比目前业界使用最为广泛的 LSTM 模型,DFSMN 模型训练速度更快、识别准确率更高。采用全新 DFSMN 模型的智能音响或智能家居设备,相比前代技术深度学习训练速度提到了 3 倍,语音识别速度提高了 2 倍。

阿里达摩院公布自研语音识别模型DFSMN并宣布开源

图:阿里在 GitHub 平台上开源了自主研发的 DFSMN 语音识别模型

在近期举行的云栖大会武汉峰会上,装有 DFSMN 语音识别模型的“AI 收银员”在与真人店员的 PK 中,在嘈杂环境下准确识别了用户的语音点单,在短短 49 秒内点了 34 杯咖啡。此外,装备这一语音识别技术的自动售票机也已在上海地铁“上岗”。

著名语音识别专家,西北工业大学教授谢磊表示:“阿里此次开源的 DFSMN 模型,在语音识别准确率上的稳定提升是突破性的。是近年来深度学习在语音识别领域最具代表性的成果之一。对全球学术界和 AI 技术应用都有巨大影响。”有业内人士称,DFSMN 有望成为继传统的 LSTM 模型后,成为全球语音识别领域最主要的声学识别模型之一。

来自: 网易科技

扩展阅读

2017云栖大会展示互动现场吸引了400多家企业参加
量子计算、区块链、自动驾驶将如何影响世界?15位科学家出预测
深度盘点国内四大机器学习开源平台:PaddlePaddle,Angel
阿里云宣布开放开源AliSQL数据库 性能可提升70%
阿里巴巴消息中间件RocketMQ正式成为Apache孵化项目

为您推荐

前端篇: 前端演进史
AlloyTeam:致我们终将组件化的 Web (多图)
利用HTML5与jQuery技术创建一个简单的自动表单完成
最全面的前端开发指南
10个最佳的HTML5代码段,以简化您的开发任务

更多

阿里达摩院
DFSMN
开源软件