4月15日，记者从中科院旗下人工智能（AI）创业公司云从科技获悉，4月以来，该公司通过优化算法、提出新模型，接连在语音技术方面取得多项突破，在语义纠错、语音识别、深度学习降噪等领域刷新多项语音识别权威纪录，超越此前亚马逊、搜狗等企业创下的最好成绩。

在语义纠错方面，云从团队提出的新模型在权威中文语音识别数据集Aishell和清华大学语音Thchs30测试集上，将字错率（CER）第一遍WFST解码以及第二遍RNN重打分结果分别相对降低21.7%和10.3%。字错率降低意味着更准确地将语音转换为文字，并尽量纠正语义错误。这一提升让AI更加“听得懂”。

在语音识别方面，云从新模型通过融合语音识别和说话人声纹识别，在提高识别率的同时，大大提升了在不同说话人场景下的鲁棒性。新模型刷新了Aishell的识别纪录，将字错率降低到4.34%，较过去最好成绩降低了8%。这一提升意味着AI可更精准识别出说话者，让AI更加“听得出”。

在深度学习降噪方面，云从团队基于“带有注意力机制的卷积递归神经网络”提出的深度学习降噪模型，在行业顶会Interspeech2020 DNS Challenge比赛数据集上取得了目前最好的结果，在诸如PESQ（衡量失真的指标）等指标上相对提高了10％以上。这些提升主要针对嘈杂环境去除噪声，使语音更清晰，让AI更能“听得清”。

“语音技术每提升1个百分点的准确率，都如同征服一座高山。”云从科技联合创始人姚志强对《中国科学报》表示，此次云从一举在三项语音技术上取得新突破，不仅展现了企业的科研基础与创新能力，同时也彰显出云从在AI技术领域的全面性与综合性。近年来语音技术已经广泛应用于人们的生活，但大多是依托智能语音设备在室内安静环境下的单人交互，云从团队提出的多个创新模型，对于突破业界瓶颈，攻克嘈杂环境、多人对话等复杂应用难题，具有重大意义。

相关论文信息：

https://arxiv.org/abs/2104.05507

http://arxiv.org/abs/2104.05267