近日，在國際聲紋識別權威競賽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)在使用指定數據的情況下取得了優(yōu)于其他團隊使用不限數據得到的結果，表明依圖聲紋識別技術已達世界前沿水平。
(競賽的任務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領域，精準的聲紋識別技術也將更好地降本增效、服務民生，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用前景。不僅如此，將語音識別與聲紋識別、語義理解相結合，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，實現(xiàn)真正意義上的交互。
VoxSRC是由英國牛津大學、韓國互聯(lián)網巨頭Naver、斯坦福國際研究院和麻省理工學院聯(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”。
本次比賽采用的數據集基于開源數據集VoxCeleb，由牛津大學團隊于 2017 年發(fā)布，后來逐漸擴充，現(xiàn)在是聲紋識別領域規(guī)模最大、標注最完備的開源數據集之一。
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，本次比賽測試數據不含標注，無法用來訓練或調整系統(tǒng)，確保了結果的公正與公平。
今年的VoxSRC吸引了來自海內外多支隊伍參與，包括約翰霍普金斯大學、法國國家信息與自動化研究所、清華大學、中山大學等知名高校和研究機構，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、智能決策等多技術領域發(fā)展，這次參賽VoxSRC是依圖在語音領域的一次新嘗試。
未來，依圖將在多算法領域持續(xù)投入，推進多模態(tài)技術融合、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)場景深度結合，推動人工智能應用落地。
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&自動化產業(yè)前沿產品、技術及市場趨勢的專業(yè)媒體傳播和品牌服務。從安全管理到產業(yè)數字化，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驗，提供媒體、活動、展會等整合營銷服務。
粵公網安備 44030402000264號
