声音识别系统正确率提高15% 场景辨识技术潜力巨大
美国麻省理工官网近日消息,麻省理工计算机科学和人工智能实验室研发了新的声音识别系统,比起上一代声音识别系统正确率提高了15%。
近年来人工智能系统在语音和图像识别领域已有较成熟的算法,但在嘈杂环境下的声音辨识能力相对较弱。此次研究人员利用视觉和声音的自然同步,在原有数据库中导入大量视频信息,结合新算法对声音识别系统进行测试。在10个不同声音测试中,该系统获得了92%的正确率,在50个声音测试中准确率为74%,而人类在相同样本测试中的正确率分别为96%和81%。未来该系统将改善用户在户外使用语音识别的体验。
研究人员表示,该系统应用潜力巨大,比如无人驾驶汽车系统搭载该声音识别技术后,当听到救护车声音,无人驾驶汽车能更早选择新的路线规划。另外手机安装该系统后,用户到电影院后该系统通过周围声音环境判断电影是否开始放映,并自动切换成静音模式。该声音识别系统将在本周召开的国际神经信息处理系统大会(NIPS)上进行展示。
作为人工智能最重要的技术之一,国外语音识别技术的准确率已基本达到人类的水平。微软旗下最新语音识别系统的识别错误率仅为5.9%,这和专业速记员将对话转录成文字的最低错误率一致。而微软也在一年前将语音识别系统的深度学习算法进行开源,使其他人工智能产品通过该算法拥有语音识别技术。海外市场调研机构预计,未来几年全球语音识别市场规模有望突破百亿美元。
国内的语音识别技术也在快速发展。11月底搜狗和百度分别召开发布会表示,旗下语音识别系统正确率已达到97%左右,同时有不少智能语音产品支持不同地区的方言识别。《2016年互联网趋势报告》显示,近几年用户通过语音搜索的使用量大幅提升,使用语音的本质是解放双手,而目前全球语音识别系统依然存在场景辨识率低等问题。随着场景声音辨识技术的加速完善,语音识别技术有望迎来拐点,未来发展空间将进一步扩大。