[[232119]]

　　近日，阿里巴巴達(dá)摩院機器智能實驗室推出了新一代語音識別模型 DFSMN，將全球語音識別準(zhǔn)確率紀(jì)錄提高至 96.04%（這一數(shù)據(jù)測試基于世界***的免費語音識別數(shù)據(jù)庫 LibriSpeech）。

　　達(dá)摩院機器智能實驗室的語音識別團(tuán)隊主導(dǎo)了這個模型的研發(fā)，并宣布向全世界企業(yè)與個人開源。對比目前業(yè)界使用最為廣泛的 LSTM 模型，DFSMN 模型訓(xùn)練速度更快、識別準(zhǔn)確率更高。采用全新 DFSMN 模型的智能音響或智能家居設(shè)備，相比前代技術(shù)深度學(xué)習(xí)訓(xùn)練速度提到了 3 倍，語音識別速度提高了 2 倍。

圖：阿里在 GitHub 平臺上開源了自主研發(fā)的 DFSMN 語音識別模型

　　在近期舉行的云棲大會武漢峰會上，裝有 DFSMN 語音識別模型的“AI 收銀員”在與真人店員的 PK 中，在嘈雜環(huán)境下準(zhǔn)確識別了用戶的語音點單，在短短 49 秒內(nèi)點了 34 杯咖啡。此外，裝備這一語音識別技術(shù)的自動售票機也已在上海地鐵“上崗”。

　　著名語音識別專家，西北工業(yè)大學(xué)教授謝磊表示：“阿里此次開源的 DFSMN 模型，在語音識別準(zhǔn)確率上的穩(wěn)定提升是突破性的。是近年來深度學(xué)習(xí)在語音識別領(lǐng)域***代表性的成果之一。對全球?qū)W術(shù)界和 AI 技術(shù)應(yīng)用都有巨大影響。”有業(yè)內(nèi)人士稱，DFSMN 有望成為繼傳統(tǒng)的 LSTM 模型后，成為全球語音識別領(lǐng)域最主要的聲學(xué)識別模型之一。