依圖刷新國際聲紋識別紀錄 語音應用將更加智能

近日,在國際知名聲紋識別挑戰賽VoxCeleb Speaker Recognition Challenge上,依圖以顯著優勢刷新世界紀錄,中國AI再次世界爭光。

此次參賽隊伍不僅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、中山大學等海內外知名高校、研究機構,還包含平安科技、NEC、君林科技等各大企業。至此,依圖人工智能技術不僅在視覺感知、自然語言理解等領域領跑全球,聲紋識別技術也已達世界頂尖水平。

“聲紋識別”和“語音識別”是完全不同的技術,語音識別只負責讓機器識別出“説話的內容”,但聲紋識別能判定“話是誰説的”。因此,結合聲紋識別與語音識別,我們才能知道“是誰説了什麼”,這一點對於會議、訪談等有多人輪流説話的場景尤其重要。

聲紋識別的應用前景非常廣泛,比如智能手機鎖屏、聲控安全門、汽車聲控鎖等;利用聲紋辨認技術,還可以支持智能音箱、智能語音助理等提供個性化服務,比如針對家裏的老人和孩子,推薦不同的歌曲、新聞。

但由於聲紋識別技術本身的難度很高,這些應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辨別説話人的智能語音應用比較少見的一個原因。

在聲紋識別領域,VoxCeleb Speaker Recognition Challenge(VoxSRC)是兼具影響力和權威性的國際評測。與常規的聲紋識別評測不同,VoxSRC所用的數據量大、來源多樣,而且都採集自真實場景,比如會場訪談、室外多人對話,含有各種噪音和雜音,對於算法性能的要求非常高。此外,該競賽的評估方法非常嚴謹,因此其結果在學術界和工業界都得到認可。

在聲紋識別競賽中,“EER”值是衡量聲紋識別算法系統性能的重要指標,EER越小系統性能越好,表明不僅算法識別準確率高,系統也安全可靠。在本次競賽中,依圖基於算法的多年研究積累,首次參賽便拿下冠軍,在關鍵指標上創下新高,遠超第二、三名。

依圖這次創下紀錄的聲紋識別精度水平,已經可以滿足基本的智能聲紋應用需求,比如在線交易支付的動態聲紋密碼、個人賬户登錄的聲紋動態口令登錄。試想,社保局安裝聲紋身份認證系統後,就能實現安全的遠程身份認證,讓“信息多跑路,羣眾少跑腿”,為百姓生活帶來極大的便利。隨着技術的不斷成熟和融合,聲紋識別技術將逐漸融入我們的日常生活,產生巨大的應用價值。中國自研的人工智能技術,也將持續推動和引領全球技術發展,力爭成為行業標杆。

此次依圖刷新世界聲紋識別領域權威紀錄,不僅代表中國聲紋識別技術向前進了一步,更意味着智能語音產業發展的一大步。