據(jù)科技博客TechCrunch北京時(shí)間8月21日?qǐng)?bào)道，微軟公司在當(dāng)?shù)貢r(shí)間周日宣布，其對(duì)話式語(yǔ)音識(shí)別系統(tǒng)的出錯(cuò)率達(dá)到5.1%，創(chuàng)下目前為止的最低水平，超過(guò)了去年微軟人工智能及研究事業(yè)部一組研究人員所實(shí)現(xiàn)的5.9%出錯(cuò)率，達(dá)到了專(zhuān)業(yè)速錄員的同等水平。在此次研究中，專(zhuān)業(yè)速錄員具備重復(fù)收聽(tīng)錄音等優(yōu)勢(shì)。

這兩次研究轉(zhuǎn)錄的是Switchboard語(yǔ)料庫(kù)中的錄音。Switchboard語(yǔ)料庫(kù)包含了2400段電話對(duì)話，自上世紀(jì)90年代以來(lái)一直被研究人員作為測(cè)試語(yǔ)音識(shí)別系統(tǒng)的樣本。

新研究由微軟人工智能及研究事業(yè)部的一組研究人員實(shí)施，目標(biāo)是在出錯(cuò)率上達(dá)到一組速錄員的同等水平，后者可以反復(fù)收聽(tīng)錄音樣本，了解對(duì)話語(yǔ)境，與其他速錄員合作。

整體來(lái)說(shuō)，通過(guò)改進(jìn)微軟語(yǔ)音識(shí)別系統(tǒng)中基于神經(jīng)網(wǎng)絡(luò)的聽(tīng)覺(jué)和語(yǔ)言模型，實(shí)施最新研究的研究人員能夠在去年基礎(chǔ)上把出錯(cuò)率降低大約12%。顯然，他們還可以讓語(yǔ)音識(shí)別器了解整體對(duì)話，適應(yīng)錄音樣本的語(yǔ)境，預(yù)測(cè)對(duì)話中很可能出現(xiàn)的下一個(gè)詞匯或短語(yǔ)。這正是人類(lèi)在與其他人對(duì)話時(shí)的做法。

微軟的語(yǔ)音識(shí)別系統(tǒng)已被用于語(yǔ)音助手“小娜”、實(shí)時(shí)翻譯字幕功能PresentationTranslator以及微軟認(rèn)知服務(wù)中。