近日，在國際聲紋識別權(quán)威競賽VoxSRC上，依圖算法奪得第一，等錯誤率降到0.0098、大幅超越第二名。
并且，依圖團隊(參賽隊伍名為logicworld)在使用指定數(shù)據(jù)的情況下取得了優(yōu)于其他團隊使用不限數(shù)據(jù)得到的結(jié)果，表明依圖聲紋識別技術(shù)已達世界前沿水平。
(競賽的任務(wù)是判斷兩段音頻是出自同一個人還是兩個不同的人，算法的輸出結(jié)果用等錯誤率(Equal Error Rate，EER)來衡量，EER越小系統(tǒng)性能越好)
0.0098的等錯誤率意味著什么?
首先，日常生活應(yīng)用基本能夠滿足，筆記本電腦和汽車的聲紋鎖功能越來越可靠，智能硬件上的虛擬助理將不會被他人用同樣的關(guān)鍵詞喚醒，成為真正屬于你的個人助理。
在社保遠程身份驗證、反電信詐騙等公共服務(wù)領(lǐng)域，精準的聲紋識別技術(shù)也將更好地降本增效、服務(wù)民生，不需要再“居住異地，千里奔波”，更避免“九旬老人社保年審，家人抬著爬上三樓”。
聲紋識別擁有廣闊的應(yīng)用前景。不僅如此，將語音識別與聲紋識別、語義理解相結(jié)合，就能知道 “是誰因為什么說了什么”，將大幅增強智能語音個性化服務(wù)，實現(xiàn)真正意義上的交互。
VoxSRC是由英國牛津大學(xué)、韓國互聯(lián)網(wǎng)巨頭Naver、斯坦福國際研究院和麻省理工學(xué)院聯(lián)合發(fā)起的全球聲紋識別競賽，被譽為“聲紋識別界的ImageNet競賽”。
本次比賽采用的數(shù)據(jù)集基于開源數(shù)據(jù)集VoxCeleb，由牛津大學(xué)團隊于 2017 年發(fā)布，后來逐漸擴充，現(xiàn)在是聲紋識別領(lǐng)域規(guī)模最大、標注最完備的開源數(shù)據(jù)集之一。
VoxCeleb來自YouTube名人采訪視頻，包含了7000多個來自不同種族、口音、職業(yè)和年齡的說話人，超過100萬段的說話聲，2000多小時的音頻和視頻，且基本都含有背景噪音、笑聲、說話聲重疊及其他雜音，非?？简炈惴ǖ膶崙?zhàn)水平。同時，本次比賽測試數(shù)據(jù)不含標注，無法用來訓(xùn)練或調(diào)整系統(tǒng)，確保了結(jié)果的公正與公平。
今年的VoxSRC吸引了來自海內(nèi)外多支隊伍參與，包括約翰霍普金斯大學(xué)、法國國家信息與自動化研究所、清華大學(xué)、中山大學(xué)等知名高校和研究機構(gòu)，以及平安科技、NEC等大型企業(yè)。
成立7年來，依圖在視覺感知、自然語言處理、語音識別、智能決策等多技術(shù)領(lǐng)域發(fā)展，這次參賽VoxSRC是依圖在語音領(lǐng)域的一次新嘗試。
未來，依圖將在多算法領(lǐng)域持續(xù)投入，推進多模態(tài)技術(shù)融合、軟硬件協(xié)同開發(fā)，將世界前沿的人工智能算法與行業(yè)場景深度結(jié)合，推動人工智能應(yīng)用落地。
a&s傳媒是全球知名展覽公司法蘭克福展覽集團旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產(chǎn)業(yè)前沿產(chǎn)品、技術(shù)及市場趨勢的專業(yè)媒體傳播和品牌服務(wù)。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經(jīng)驗，提供媒體、活動、展會等整合營銷服務(wù)。
粵公網(wǎng)安備 44030402000264號
