PRODUCTS
联合微软发布语音敞开云渠道，携手华为发布软硬件一体化的智能语音联合处理计划。依图语音辨认算法在全球最大开源中文数据库AISHELL-2上词错率仅3.71%，比原业界抢先者提高约20%，大幅改写现有纪录。比对各家语音辨认算法，当今智能语音战场，英豪唯讯飞与依图尔？
从来被以为是“人脸辨认独角兽”——或许更广泛一点说，“计算机视觉独角兽”的依图科技，发布了他们中文语音辨认技能的最新打破，以及令人瞩目的工业布局。
技能上，在全球最大的中文开源数据库AISHELL-2中，依图短语音听写的字错率（CER）到达3.71%[1]，比较原业界抢先者提高约20%，大幅改写现有纪录。
工业上，依图联合微软推出依据Azure云服务的语音敞开渠道，并携手华为发布软硬件一体化的“智能语音联合处理计划”，将依图语音辨认技能提供给第三方运用开发者。
“语音一直以来都是依图重视的课题。作为对人工智能有着深化了解和推广运用的公司，咱们自然而然进入语音辨认范畴。”依图首席立异官吕昊博士表明，依图是一家“人工智能公司”。
“作为语音职业的‘重生’，咱们仍是有许多向‘老生’学习的当地，但咱们立志推进职业立异与开展，做世界最好的中文普通话语音辨认技能。”
语音辨认是AI了解世界最重要的组成部分，也是AI能听会说善了解的必要条件。
近年来，深度学习的迸发驱动了语音辨认技能的高速开展，催生了一大批智能语音创业公司，其间不乏实力微弱的竞赛者。
除了我国智能语音“一哥”科大讯飞，百度、阿里、腾讯、京东等企业纷繁推出了智能语音产品，再加上雄踞世界战略高点的亚马逊、谷歌、微软……2017年末掀起的智能音箱“百箱大战”硝烟还未褪去，依图为何挑选这个时刻点入局？
“我觉得竞赛都还没开端，不存在进场的问题。”依图科技联合创始人林晨曦在2018年1月承受新智元采访时说。
智能语音商场看似巨子树立，但林晨曦以为创业公司大有可为，依图不只要做语音和自然语言处理，还要做到像人脸辨认那样，逾越人类水平。
依图技能担任人表明，虽然一些组织宣扬其语音辨认现已到达乃至逾越了人类水平，但大都状况下，这些成果都来自安静、近场等受限场景。
“机器在语音环境比较抱负的状况下是可以辨认某些冷僻词，或许在专有名词等辨认方面比人强。但人的鲁棒性仍是强于机器，人在熟人且了解范畴上的语音辨认仍是显着可以做过算法。”
现在语音辨认依然存在许多瓶颈，例如在发音不清楚的状况下，怎么结合更强的上下文语义信息给出精确的语音辨认；怎么在语音辨认的全链路上，优化远场辨认的功用；特殊状况的处理，比方人称代词、语气词助词；还有鸡尾酒问题（多人一起说话下，可以精确辨认其间一人的语音）、电话场景的辨认（低采样率下的语音辨认）。
此次依图科技在语音辨认技能方面的打破，不只意味着依图初次进入语音辨认范畴便现已跻身中文语音辨认榜首阵营，一起也阐明语音辨认在技能层面还有满足的进化空间，远远没有到达“逾越人类”。
依图估计，在未来6个月到12个月，语音辨认技能的算法功用将呈指数级增加，更多的场景将被解锁，为职业运用带来更大的价值。
作为进军智能语音的榜首步棋，依图发布了“听写大会”微信小程序，它能将时长不超越60秒的语音转写成文字，支撑普通话，并且兼容多种口音。
不过，“咱们期望咱们不要仅仅是重视在API本身，”依图首席立异管吕昊表明：“咱们期望凭借这个API，让咱们去重视到整个语音辨认职业的开展状况。”
吕昊说，一直以来语音辨认业界都没有揭露通明的语音辨认比对，通过“听写大会”微信小程序，用户可以直观感受到各家语音辨认技能的实在体现，在业界也归于初次揭露通明地比对各类算法的水平差异。
“现在语音辨认业界存在两种认知误区，”吕昊说：“一种是极点的好，也便是各家都好没有差异；一种是极点的差，以为都不能处理问题。”
实际状况是，“科大讯飞的语音辨认才能比BAT抢先许多。在场景测验中，除了依图和科大讯飞之外，大部分厂家的算法字错率颤动大，意味着场景的通用性差。”
依图此次推出的中文语音辨认算法，与业界原有抢先者比较，不只大幅提高了辨认精确率，并且在单个算法模型上，有极为超卓的多场景适用性体现。
一般以为，中文语音辨认的字错率低于3%时不会影响可读性，而超越15%则毫无可读性。这是语音辨认的两条红线，在不同场景下，不同算法的体现或许会有很大差异。
在全球最大中文开源数据库AISHELL-2[2] 的三个测验子集，以及来自第三方的近场口音测验集（Accent）、近场安静谈天测验集（Chat）、语音节目测验集、电话测验集、远场测验集等测验场景中，依图均处于业界抢先水平，并且字错率简直悉数在15%以下。
其间，在AISHELL2的-2018A-EVAL数据会集，依图的辨认精确率高达96.29%，字错率仅为3.71%，抢先第二名约20%。
这意味着依图在语音范畴做到了榜首队伍 (乃至是抢先) 的水平，在多场景的适用方面，也体现出明显优势。
“依图的语音API产品和语音敞开渠道刚刚上线，咱们欢迎越来越多的开发者和客户运用依图的产品，一起改善产品功用，并讨论更具打破性的运用场景。”吕昊说。
关于未来估计推出的语音产品及其功用，吕昊表明，“实际上，咱们以为技能和场景是比产品和功用更要害的要素，推进了技能开展前进，咱们才可以领略到曾经看不到的更多或许性，处理许多曾经幻想不到的问题。今日语音辨认跟人类的才能还有巨大的距离，依图期望可以携手业界一起推进职业前进。”
发布会上，依图宣告与微软Azure云服务联合发布语音敞开渠道，将职业抢先的语音辨认技能才能敞开给第三方运用开发者。此外，依图还将与微软在智能语音范畴打开更深层次的协作，共建AI生态。
2018年4月，微软全球履行副总裁沈向洋（右）拜访依图。依图科技联合创始人、CEO朱珑（左）曾在微软亚洲研讨院（MSRA）研制人脸辨认算法，导师便是沈向洋。依图科技联合创始人林晨曦，事务技能副总裁吴岷，研制总监周健等也都来自MSRA。图片来历：依图科技
与此一起，依图也携手华为联合发布“智能语音联合处理计划”，该计划依据依图语音敞开渠道，以及华为全栈全场景 Ascend（昇腾）系列芯片和面向数据中心侧的 Atlas 300 AI加速卡，将两边强壮的技能研制才能与生态服务才能深度结合，构成软硬件一体化的联合处理计划，进一步协助提高开发功率。
自2016年成为协作伙伴以来，依图和华为已构成全方位联动。本年3月，两边一起发布“华为－依图视频云人像大数据”处理计划，布局全球城市级公共安全。10月，2018华为全联接大会期间，依图作为大会安保仅有AI协作伙伴，与华为联合发布了分支视频云联合处理计划、才智警务云处理计划和才智园区处理计划，在安全城市、才智警务、大数据运用等方面继续加深协作。
10月9日，华为轮值董事长徐直军（左二）、华为安平体系部总裁岳坤、华为企业BG职业Marketing与处理计划总裁喻东（左三）等一行到访依图。来历：依图科技
此前，有传言微软Azure云服务在我国的数据中心将运用华为的昇腾芯片，这一音讯没有得到证明。但本次由依图串接起来的微软、华为协作链，不由让人思绪万千。
依据2018我国语音工业联盟年会上星期发布的《2017-2018我国智能语音工业白皮书》，全球智能语音工业规划继续增加，2014年至2018年，我国智能语音工业规划由30亿元增加至159.7亿元。
左有微软，右有华为，再加上本身的技能，依图在智能语音局面便凑齐了一手好牌。
最终要说的是依图科技的首席立异官吕昊。吕昊本年2月参加依图，之前是谷歌的研讨科学家。依据依图科技官方介绍，吕昊在谷歌期间曾担任孵化安卓APP发动引荐体系，这是全球首个移动端APP发动引荐体系，也是全球首个依据机器学习的安卓产品。他会带领依图与华为孵化出怎样的智能语音联合处理计划？
林晨曦曾表明好的人才需要对未来充溢幻想力，朱珑也在文章里写由于看见，所以信任——现在这句话根本成了依图的Slogan。
“99%辨认率的算法和99.99%的算法，差异在于可解锁的运用场景，对技能商业价值的幻想力将答复AI的场景在哪里以及多快到来。”
“咱们以为，现在语音辨认仍处于开始开展的阶段，依图将一直保持在技能层面的投入，通过技能的打破来解锁更多的或许，也欢迎协作伙伴与咱们一起探究语音技能的职业运用。”吕昊说。
[1] 一般在英文语音辨认顶用“词错率”（WER），由于最小单元是词；中文语音辨认一般运用“字错率”（CER），由于最小单元是字.
[2] AISHELL-2是AISHELL Foundation和希尔贝壳创立的开源数据库，含有1000小时中文语音数据，由1991名来自我国不同口音区域的说话者参加录制，通过专业语音校正人员转写标示，通过了严厉质量检验，数据库文本正确率在96%以上，录音文本触及唤醒词、语音操控词、智能家居、无人驾驶、工业生产等12个范畴.
