皇上,还记得我吗?我就是1999年那个Linux伊甸园啊-----24小时滚动更新开源资讯,全年无休!

IBM 使用深度学习技术达成了语音识别领域的一个新的里程碑

作者 Srini Penchikala ,译者 Rays

最近,IBM 的一个研究团队 宣布 他们在语音识别上创造了一个新的业界纪录,在使用 SWITCHBOARD 语料库 的情况下词错误率为 5.5%,接近于人类的错误率 5.1%。人们一般会在所听到的 20 个单词中遗失其中的一到两个。在一次五分钟左右的对话中,大约会遗失 80 个词。

研究计划 中包括 深度学习 技术的应用和 声学模型 的集成。其中语音识别模型使用了 长短期记忆(LSTM,Long Short Term Memory)和 WaveNet 语言模型。在声学模型上,他们使用了三个模型的分数融合(Score Fusion)。第一个模型是有多特征输入的 LSTM,第二个模型是经过说话者对抗多任务学习(Speaker-adversarial Multi-task Learning)训练后的 LSTM。第三个模型是具有 25 个卷积层与时间扩张(Time-dilated)卷积的残差网络(ResNet)。最后一个模型不仅从正向的例子中学习,而且也使用了负向的例子,因此当类似的语音模式重现时,会具有更好的表现。

来自蒙特利尔大学蒙特利尔学习算法实验室(Montreal Institute for Learning Algorithms)的 Yoshua Bengio 对语音识别技术是如此评论的:

在过去的几年中,尽管在语音识别或物体识别等人工智能领域取得了巨大的进展,技术上也已经接近于人类的水平,但在科学上依然存在着挑战。诚然,标准的基准测试并非总能揭示真实数据的多样性和复杂度。例如,不同的数据集对于不同的任务会呈现出不一样的敏感性,而且结果十分依赖于如何对被测试人员进行评估,比如使用专业的誊写员进行语音识别测试。

他也指出,IBM 的这项研究将声学模型与语言模型应用于神经网络与深度学习,有助于推进语音识别技术的发展。

另据一些语音识别相关的新闻报道,IBM 已将 Diarization 添加到他们的“Watson 语音转文本 ”服务中。这一技术有助于一些用例的实现,例如识别交谈中的各方发言者。所有这些成就所带来的技术有助于解决人类耳朵、声音和大脑交互复杂性的问题。

查看英文原文: Using Deep Learning Technologies IBM Reaches a New Milestone in Speech Recognition

转自 http://www.infoq.com/cn/news/2017/04/ibm-speech-recognition

分享到:更多 ()