速錄員失業！微軟語音識別出錯率僅5.1%創新低

8月21日消息，微軟日前宣布，其對話式語音識別係統的出錯率達到5.1%，創下目前為止的最低水平，達到了專業速錄員的同等水平。

微軟語音識別出錯率僅5.1%創新低（圖片來自baidu）

在此次研究中，專業速錄員具備重複收聽錄音等優勢。這兩次研究轉錄的是Switchboard語料庫中的錄音。Switchboard語料庫包含了2400段電話對話，自上世紀90年代以來一直被研究人員作為測試語音識別係統的樣本。

新研究由微軟人工智能及研究事業部的一組研究人員實施，目標是在出錯率上達到一組速錄員的同等水平，後者可以反複收聽錄音樣本，了解對話語境，與其他速錄員合作。

整體來說，通過改進微軟語音識別係統中基於神經網絡的聽覺和語言模型，實施最新研究的研究人員能夠在去年基礎上把出錯率降低大約12%。

顯然，他們還可以讓語音識別器了解整體對話，適應錄音樣本的語境，預測對話中很可能出現的下一個詞彙或短語。這正是人類在與其他人對話時的做法。

微軟的語音識別係統已被用於語音助手“小娜”、實時翻譯字幕功能Presentation Translator以及微軟認知服務中。

微軟的語音識別係統已被用於語音助手“小娜”、實時翻譯字幕功能Presentation Translator以及微軟認知服務中。