36氪首发｜将中文语音辨认率提升至96.29%, 依图科技跨范畴推出语音开放平台

计算机视觉（CV)是AI范畴一大吸金赛道，也由此产生了商汤、云从、依图、旷视这样的“图像四小龙”。而这四小龙之一的「依图科技」却率先拓宽边界，踏入语音和自然言语处理（NLP)行业。

12月11日，依图发布了依图短语音听写API、和微软Azure推出依图语音开放平台，并和华为发布了“智能语音结合处理方案”。

其实早在2016年，当计算机视觉公司刚末尾吸引投资人留意时，语音辨认就末尾规模化场景落地。现如今，百度、腾讯、京东、小米纷纷发布智能音箱，各种手机搭载语音交互，智能翻译工具、智能客服等语音类产品层出不穷。

那么，相比同类产品，依图语音技术的比较优势和市场空间会在哪里？在将来产品化落地上，依图会有怎样的规划？围绕这些成绩，36氪独家专访了依图科技首席创新官，前Google Research Scientist吕昊博士。

依图科技首席创新官吕昊博士

的确，这个工夫点进入语音行业应战重重，一则先发优势不再，二则市场拥堵，科大讯飞、BAT大厂纷纷入局，从技术上升到平台生态，市场空间看似余地不多。

对此，吕昊表示：依图团队对国内现有的语音辨认技术都做了调研，发现在不少场景下，语音辨认效果并不理想，例如通话过程中的声响转写准确率低、远间隔的声响采集辨认效果差、语料数据积累不足等。因此，依图会从这些可优化空间动手，对模型算法停止打磨，提升辨认率，降低字错率。

在语音辨认范畴，15%的字错率是一条红线，超过则基本不具有可读性，而低于3%则是可以被以为具有类人的语音辨认才能。但是，在实践说话过程中，人的语速、语气、口音、语态等都会影响辨认准确度。此外，不同于英文，中文复杂的言语元素，以及同音不赞同等成绩为语音辨认带来了更大的应战。那么依图如何应对呢？

吕昊告诉36氪：当前业内缺乏系统性的标准测试和测试集，对于语音辨认缺乏体验和比较的工具，为提升辨认准确率，依图团队搜集了大量真实对话数据，以及专业类、生活类的细分语料库，基于此，依图提出了本人多维度、多场景的测试数据集，由此来对模型算法停止训练和测试。

据悉，在基于全球最大中文开源数据库的AISHELL-2的测试中，依图短语音听写的字错率为3.71%，官方称抢先原业内抢先者科大讯飞约20%。在若干近场、混响、噪声等公开测试集上，依图平均字错率 6.39%，抢先讯飞 11%。加入电话、口音、语音节目、远场演讲等依图外部暂无法公开的测试集后（全部测试集共 50小时、60万汉字），依图平均字错率 8.27%，讯飞是9.30%，依图照旧抢先讯飞 11% 左右。

基于不同数据测试集上，依图语音辨认技术的准确率表现

其实，假如想完成真正意义上的语音交互，语音只是一部分，更重要的则是对语义的了解。假如我们把语音技术比作人的嘴巴和耳朵，用于表达和获取；那么语义了解则是人的大脑，可以协助信息处理和解析。在语义了解方面，依图异样在停止技术积累。

吕昊表示：虽然此次是从语音切入，但是团队不断是语音、语义两线并行。2017年时，依图就曾将自然言语处理（NLP)技术用于AI+医疗处理方案，结合自建的临床中文知识图谱，对医学文本等多模态数据停止解析和信息提取。往年，依图的论文更当选NLP顶会EMNLP 2018，针对计算机言语学核心成绩之一的指代了解提出全新数据集PreCo并对外开放。

此前，在视觉范畴，依图曾经在安防、医疗、金融、批发等范畴有了产品化、商业化积累。对于能否会将语音技术迁移于这些范畴，吕昊回应：这一阶段依旧以技术积累为主，依图在开放平台上提供了自有的API和模型算法，一方面可以经由市场验证算法质量，另一方面可以由此接近不同行业和场景。

据官方信息，依图与微软结合发布的语音开放平台基于Azure Cloud，将依图的语音辨认技术才能开放给广泛第三方运用开发者运用。依图和华为结合发布的“智能语音结合处理方案”则依托于依图语音开放平台及华为全栈全场景Ascend系列芯片和面向数据中心侧的Atlas 300AI加速卡，构成软硬一体化处理方案。

在将来，依图计划陆续开放长语音转写API、实时语音转写API等。正如吕昊所说：希望为第三方运用开发者在语音范畴提供多一个语音技术选择。

笔者以为：结合自有的CV技术积累，依图或答应在多模态情感辨认和计算范畴发力，交融视觉、语音等多重数据，全方位提升机器的感知才能。在商业化层面，虽然当下的依图语音技术开放平台依旧以技术积累为重心，但依托CV积累的的B端用户，为企业级客户提供语音处理方案只是工夫早晚成绩。

————

我是郑铟，36氪超人学院创始学员，关注AI、AR/VR、物联网、边缘计算、半导体，项目交流请加微信zhengbaobao097825，注明公司、职位、姓名。

超人学院置信早期生态推进社会变革，使命是为早期生态培育首领人才，概况请戳36氪想要为进入创投圈的年轻人做一所「超人学院」，你来不来

一点毛病没有，顶你

不错 支持一个了

大神，请收下我的膝盖