据物理学家组织网近日报道，微软宣布了一项关于机器理解人类语言的重要测试结果，即研究人员获得了迄今最低语音识别会话误码率（WER）——6.3%。相关论文发表在论文预印本发布平台arXiv上后，引起了业界关注。

据了解，该测试是美国国家标准局（NIST）的2000总机语音识别进行的任务。咨询机构Wall Street Pit评论认为，微软团队转向“作为行业标准的电话语音识别测试”成绩斐然，巩固了其在语音识别领域的霸主地位。

分析认为，微软取得这一成绩来自几个方面的努力：研究人员在今年早些时候，应用深度神经网络技术赢得了一项计算机视觉挑战；微软最近在计算网络工具包（CNTK）中的成熟案例，也是获得本次好成绩的关键组成部分。CNTK实现了“深度学习算法”的复杂优化升级，运行速度比原来提升一个数量级；另一个关键步骤是图形处理单元的并行训练能力取得了突破。

业内人士表示，近年来，大型软件公司科研经费有被缩减的趋势，且更专注于深度神经网络的研究，但实际上，语音识别技术的应用更早一些。有评论称，过去20年中，研究显示的计算机语音识别系统的最高误码率甚至达到过43%，而随后最出色的单系统NIST2000总机误码率为6.9%。

在近日于旧金山举行的“Interspeech语音通信和技术国际会议”上，IBM骄傲地宣布其误码率只有6.6%。但此次微软宣布的6.3%的误码率，以微弱优势取胜。

目前，微软已经制定出了基于语音平台的人机交互策略，成功构建起人工智能的关键技术，让相关语音对话在可穿戴设备、智能手机、智慧家庭、智慧车辆及商业服务中发挥重要作用。（记者 房琳琳）

微软语音识别“误码率”创业内新低

arXi... CNTK Pit PIT 工具包 微软 智能手机 研究人员 语音识别... 误码率 预印本

图文简介