微軟計(jì)算機(jī)語音識(shí)別技術(shù)開發(fā)取得重大突破

微軟計(jì)算機(jī)語音識(shí)別技術(shù)開發(fā)取得重大突破

美國(guó)微軟公司雷蒙德研究院開發(fā)出一種機(jī)器學(xué)習(xí)算法，使計(jì)算機(jī)對(duì)指定主題對(duì)話的語音識(shí)別率提高至94.1%，首次與人類水平相當(dāng)；對(duì)親戚朋友日常對(duì)話的語音識(shí)別率達(dá)88.9%，甚至比人類略勝一籌。

美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究所2000年曾發(fā)布了一個(gè)數(shù)據(jù)庫(kù)，用以幫助解決語音識(shí)別難題。該數(shù)據(jù)庫(kù)包含的電話錄音有些是個(gè)人之間既定話題的談話，其余則是親戚朋友間的隨意交談。結(jié)果顯示，人類在轉(zhuǎn)錄語言時(shí)的出錯(cuò)率約為4%。微軟雷蒙德研究院的研究人員基于不同層數(shù)的卷積神經(jīng)網(wǎng)絡(luò)來優(yōu)化其機(jī)器深度學(xué)習(xí)系統(tǒng)，使系統(tǒng)的每一層能夠分別識(shí)別語音的不同方面；然后，用訓(xùn)練數(shù)據(jù)作為標(biāo)準(zhǔn)來設(shè)置機(jī)器，以便識(shí)別普通語音并使其適應(yīng)測(cè)試數(shù)據(jù)庫(kù)。總的來說，微軟的語音識(shí)別系統(tǒng)達(dá)到了與人類相當(dāng)?shù)腻e(cuò)誤率，但其錯(cuò)誤類型與人類截然不同。微軟系統(tǒng)最常見的錯(cuò)誤是混淆反饋聲音。相比之下，人類很少犯這樣的錯(cuò)誤。對(duì)此，研究人員認(rèn)為，出現(xiàn)誤差的原因可能與噪聲在訓(xùn)練數(shù)據(jù)集中的標(biāo)記方式有關(guān)。

研究人員表示，該項(xiàng)研究成果對(duì)于開發(fā)更智能的個(gè)人數(shù)字助理，如微軟的Cortana，以及Xbox等娛樂設(shè)備和即時(shí)語音轉(zhuǎn)文字等工具具有重要意義。

(KJ.1029)