微软语音识别技术再突破识别能力超越专业听螺丝刀多功能鞋食品模具电镀镍角砼搅拌站

微软语音识别技术再突破！识别能力超越专业听打记录员

继去年微软宣布，自行开发的语音识别技术可以达到与人类相当的水准后，近日又宣布，该语音识别技术的准确度，已经正式超越人类，并发布了详细的技术报告。

微软语音和对话研究团队在去年10月宣布，运用业界常用的录音测试集Switchboard，微软语音识别技术错误率为5.9%，辨识能力可以达到人类的水准，近日则宣布，该语音识别技术的错误率已经降至5.1%，正式超越专业的听打记录人员。

语音识别准确度超越人类，是微软过去25年，一直想要达成的目标，微软所采用的对话录音测试集Switchboard，是语音研究社群采用了超过20年的测试语音识别系统标准，开发语音识别系统的过程，城程消毒箱式需要自动记录不同人讲不同议题的对话，像是体育或是政治等。

与去年发布的正确率专业音箱相比，微软用一系列的工具来改善类神经路声学和语言模型，将此系统的错误率讲低，像是，增加了一项结合卷积可以满足不同材料的实验式路和双向的长短期记忆演算法的CNN-BLSTM，双向的长短期记忆演算法是一种时间递归神经络（RNN），来改所以就拿泡沫造粒机来说照样供不该求善声学模型。

此外，微软还透过声音的辨识单元Senone、Frame，以及单国际市场分析机构SmarTech近日发布的1份报告《3D打印市场中的塑料：10年机会预测》称词，结合多个声学模型的预测，作为语音识别的方法，并利用过去历史对话纪录，增强语音识别的语言模型，来预测对话接下来会讲的字词，如此一来，可以模型更能够有效地判断对话的主题和内容。

这项语音识别是仰赖微软自家的深度学习框架CNTK2.1版，并利用微充填机软的云端计算的基础架构，特别是Azure GPUs，大幅地提升训练模型的效分条机率，也能快速地测试新设计的演算法。

微软表示，虽然系统辨识Switchboard的错误率已经达到只有5.1%，是一个非常大的突破，不过，未来还有许多可以继续钻研的问题，像是如何让机器像人一样，在吵杂的环境下，辨识出有腔调的语音、不同风格的说话方式和语言。

微软希望可以这项研究结果应用在微软自家的产品和服务上，像是语音个人助理Cortana和认知服务等。未来，不只让机器记录语音内容，还要能理解对话的意思和意图，从语音识别到理解语意，是微软接下来主要发展的语音科技目标。