依圖聲紋識別新突破，未來語音技術(shù)將更加智能

（文章來源：環(huán)球Tech）

在國際知名聲紋識別挑戰(zhàn)賽VoxCeleb Speaker Recognition Challenge上,依圖以顯著優(yōu)勢刷新世界紀(jì)錄,中國AI再次世界爭光。

此次參賽隊(duì)伍不僅包括約翰霍普金斯大學(xué)、法國國家信息與自動(dòng)化研究所、清華大學(xué)、中山大學(xué)等海內(nèi)外知名高校、研究機(jī)構(gòu),還包含平安科技、NEC、君林科技等各大企業(yè)。至此,依圖人工智能技術(shù)不僅在視覺感知、自然語言理解等領(lǐng)域領(lǐng)跑全球,聲紋識別技術(shù)也已達(dá)世界頂尖水平。

“聲紋識別”和“語音識別”是完全不同的技術(shù),語音識別只負(fù)責(zé)讓機(jī)器識別出“說話的內(nèi)容”,但聲紋識別能判定“話是誰說的”。因此,結(jié)合聲紋識別與語音識別,我們才能知道“是誰說了什么”,這一點(diǎn)對于會(huì)議、訪談等有多人輪流說話的場景尤其重要。

聲紋識別的應(yīng)用前景非常廣泛,比如智能手機(jī)鎖屏、聲控安全門、汽車聲控鎖等;利用聲紋辨認(rèn)技術(shù),還可以支持智能音箱、智能語音助理等提供個(gè)性化服務(wù),比如針對家里的老人和孩子,推薦不同的歌曲、新聞。但由于聲紋識別技術(shù)本身的難度很高,這些應(yīng)用需求大部分還處在探索階段。這也是到目前市面上能自動(dòng)辨別說話人的智能語音應(yīng)用比較少見的一個(gè)原因。

在聲紋識別領(lǐng)域,VoxCeleb Speaker RecogniTIon Challenge(VoxSRC)是兼具影響力和權(quán)威性的國際評測。與常規(guī)的聲紋識別評測不同,VoxSRC所用的數(shù)據(jù)量大、來源多樣,而且都采集自真實(shí)場景,比如會(huì)場訪談、室外多人對話,含有各種噪音和雜音,對于算法性能的要求非常高。此外,該競賽的評估方法非常嚴(yán)謹(jǐn),因此其結(jié)果在學(xué)術(shù)界和工業(yè)界都得到認(rèn)可。

在聲紋識別競賽中,“EER”值是衡量聲紋識別算法系統(tǒng)性能的重要指標(biāo),EER越小系統(tǒng)性能越好,表明不僅算法識別準(zhǔn)確率高,系統(tǒng)也安全可靠。在本次競賽中,依圖基于算法的多年研究積累,首次參賽便拿下冠軍,在關(guān)鍵指標(biāo)上創(chuàng)下新高,遠(yuǎn)超第二、三名。

依圖這次創(chuàng)下紀(jì)錄的聲紋識別精度水平,已經(jīng)可以滿足基本的智能聲紋應(yīng)用需求,比如在線交易支付的動(dòng)態(tài)聲紋密碼、個(gè)人賬戶登錄的聲紋動(dòng)態(tài)口令登錄。試想,社保局安裝聲紋身份認(rèn)證系統(tǒng)后,就能實(shí)現(xiàn)安全的遠(yuǎn)程身份認(rèn)證,讓“信息多跑路,群眾少跑腿”,為百姓生活帶來極大的便利。隨著技術(shù)的不斷成熟和融合,聲紋識別技術(shù)將逐漸融入我們的日常生活,產(chǎn)生巨大的應(yīng)用價(jià)值。中國自研的人工智能技術(shù),也將持續(xù)推動(dòng)和引領(lǐng)全球技術(shù)發(fā)展,力爭成為行業(yè)標(biāo)桿。

此次依圖刷新世界聲紋識別領(lǐng)域權(quán)威紀(jì)錄,不僅代表中國聲紋識別技術(shù)向前進(jìn)了一步,更意味著智能語音產(chǎn)業(yè)發(fā)展的一大步。
? ? ?