近日，奇富科技智能語音團(tuán)隊(duì)論文《Qifusion-Net：基于特征融合的流式/非流式端到端語音識(shí)別框架》(Qifusion-Net: Layer-adapted Stream/Non-stream Model for End-to-End Multi-Accent Speech Recognition)被全球語音與聲學(xué)頂級(jí)會(huì)議INTERSPEECH 2024收錄。這是繼去年《Eden-TTS：一種簡(jiǎn)單高效的非自回歸“端到端可微分”神經(jīng)網(wǎng)絡(luò)的語音合成架構(gòu)》論文之后的又一國(guó)際認(rèn)可，也是對(duì)奇富科技在語音信號(hào)領(lǐng)域技術(shù)實(shí)力的有力證明。
INTERSPEECH，由國(guó)際語音通訊協(xié)會(huì)（International Speech Communication Association, ISCA）創(chuàng)辦，是語音處理領(lǐng)域的頂級(jí)旗艦國(guó)際會(huì)議。作為全球最大的綜合性語音處理領(lǐng)域的科技盛會(huì)，歷屆INTERSPEECH會(huì)議都備受全球各地語音語言領(lǐng)域人士的廣泛關(guān)注。本屆會(huì)議以“Speech and Beyond”為主題，內(nèi)容涵蓋語音識(shí)別、語音合成、語音編碼、語音增強(qiáng)、自然語言處理等多個(gè)領(lǐng)域。奇富科技智能語音團(tuán)隊(duì)將受邀參與9月INTERSPEECH 2024科技盛會(huì)并發(fā)表主題報(bào)告，進(jìn)一步分享其在語音識(shí)別領(lǐng)域的創(chuàng)新成果，與全球同行共探語音科技的未來。
“百里不同俗，十里不同音”，我國(guó)幅員遼闊，方言種類豐富，方言的語法和語音特征差異顯著，加之噪聲干擾、方言混雜、主觀感知的標(biāo)注問題，以及人力標(biāo)注工作的龐大和系統(tǒng)性不足，導(dǎo)致語音識(shí)別技術(shù)的準(zhǔn)確性和智能化水平受限。特別是在金融業(yè)務(wù)場(chǎng)景中，市面上的通用語音識(shí)別技術(shù)在應(yīng)對(duì)方言時(shí)常常表現(xiàn)不佳，導(dǎo)致人機(jī)交互的準(zhǔn)確性和智能性大打折扣，服務(wù)效率和質(zhì)量受損。
為此，奇富科技引入全自研Qifusion框架模型，并將其集成到智能營(yíng)銷及貸后提醒等業(yè)務(wù)場(chǎng)景中，不僅能夠有效地解決上述難題，還在識(shí)別準(zhǔn)確率上得到大幅提升。在復(fù)雜的通話環(huán)境中，語音識(shí)別綜合準(zhǔn)確率達(dá)到了93%以上，意圖識(shí)別準(zhǔn)確率超過95%，在業(yè)界處于領(lǐng)先水平。
相較于其他語音識(shí)別框架，Qifusion框架模型具有以下特點(diǎn)：
1.方言種類更豐富：
憑借自身在貸后場(chǎng)景及方言領(lǐng)域的豐富數(shù)據(jù)樣本，Qifusion框架模型在原有東北官話、膠遼官話、北京官話、冀魯官話、中原官話、江淮官話、蘭銀官話和西南官話等國(guó)內(nèi)八種主流方言的基礎(chǔ)上，精準(zhǔn)強(qiáng)化了四川、重慶、山東、河南、貴州、廣東、吉林、遼寧、黑龍江等用戶密集地區(qū)的方言識(shí)別能力。這使得平均識(shí)別準(zhǔn)確率相對(duì)提升了25%，尤其在川渝地區(qū)，方言識(shí)別準(zhǔn)確率相對(duì)提升超35%。
2.方言識(shí)別更精準(zhǔn)：
Qifusion框架模型具備自動(dòng)識(shí)別不同口音的能力，并能在時(shí)間維度上對(duì)解碼結(jié)果進(jìn)行口音信息修正，使方言口音的語音識(shí)別誤差率降低了30%以上，整體語音識(shí)別字錯(cuò)率降低了16%以上，顯著提升了用戶體驗(yàn)。此外，在業(yè)內(nèi)知名的Kespeech 開源方言數(shù)據(jù)集性能對(duì)比測(cè)試中，Qifusion字錯(cuò)率刷新模型最低值，達(dá)到國(guó)內(nèi)頂尖水平。
3.方言識(shí)別更高效：
Qifusion框架采用了創(chuàng)新的層自適應(yīng)融合結(jié)構(gòu)，能通過共享信息編碼模塊，更高效的提取方言信息。同時(shí)，該框架模型還支持即說即譯功能，能在無需知曉額外方言信息的前提下，對(duì)不同方言口音的音頻進(jìn)行實(shí)時(shí)解碼，實(shí)現(xiàn)精準(zhǔn)的識(shí)別和轉(zhuǎn)譯。這使得Qifusion框架在業(yè)務(wù)場(chǎng)景中能夠迅速準(zhǔn)確地捕捉并響應(yīng)用戶需求。
奇富科技以"持續(xù)創(chuàng)新"為核心理念，致力于人工智能語音領(lǐng)域的深入研究和自主研發(fā)。公司不僅在INTERSPEECH這一國(guó)際頂級(jí)語音學(xué)術(shù)會(huì)議上取得了顯著成就，更在IEEE聲學(xué)、語音與信號(hào)處理國(guó)際會(huì)議上發(fā)表了多篇論文，如《基于多粒度Transformer的多模態(tài)情緒識(shí)別》、《基于SE模塊和多尺度特征學(xué)習(xí)的語音情感識(shí)別》等，為全球智能語音技術(shù)的發(fā)展貢獻(xiàn)了中國(guó)智慧。
免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評(píng)論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個(gè)人觀點(diǎn)，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。
- 蜜度索驥：以跨模態(tài)檢索技術(shù)助力“企宣”向上生長(zhǎng)
- 江湖老劉測(cè)評(píng)vivo Y300 Pro：超強(qiáng)續(xù)航，影像新標(biāo)桿
- 訊飛星火與昇騰AI雙向奔赴：本土化技術(shù)創(chuàng)新應(yīng)對(duì)全球化挑戰(zhàn)的一次成功驗(yàn)證
- 模塊化筆記本Framework：理念新穎但難以在國(guó)內(nèi)市場(chǎng)立足
- 打通“人工智能+”任督二脈，超聚變AI Space有妙招
- “穩(wěn)得一批”的海爾智家，也有點(diǎn)“頭大”？
- 小象超市，難成美團(tuán)「救命稻草」
- 營(yíng)收雷打不動(dòng)，愛奇藝揮刀向自己下狠手
- vivo發(fā)布全新AI戰(zhàn)略 藍(lán)心大模型矩陣及原系統(tǒng)5迎來重磅升級(jí)
- Wi-Fi 7來襲：是時(shí)候升級(jí)你的家用網(wǎng)絡(luò)了嗎
- vivo底層技術(shù)持續(xù)突破，開發(fā)者大會(huì)亮出新武器
免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。
