據(jù) VentureBeat 報(bào)道，Google 人工智能研究部門(mén)在語(yǔ)音識(shí)別方面取得了新的進(jìn)展，能從嘈雜的環(huán)境中分辨聲音，準(zhǔn)確率高達(dá) 92%。Google 人工智能研究部門(mén)在一篇名為《Fully Super vised Speaker Diarization》的論文中描述了這一新的 AI 系統(tǒng)，稱(chēng)它“能以一種更有效的方式識(shí)別聲音”。

　　這套強(qiáng)大的 AI 系統(tǒng)涉及到 Speaker diarization 任務(wù)，需要標(biāo)注出“誰(shuí)”從“什么時(shí)候”到“什么時(shí)候”在說(shuō)話，將語(yǔ)音樣本分割成獨(dú)特的、同構(gòu)片段的過(guò)程。還能將新的演講者發(fā)音與它以前從未遇到過(guò)的語(yǔ)音片段關(guān)聯(lián)起來(lái)。

　　其核心算法已經(jīng)開(kāi)源可用。它實(shí)現(xiàn)了一個(gè)在線二值化錯(cuò)誤率(DER)，在 NIST SRE 2000 CALLHOME 基準(zhǔn)上是 7.6%，這對(duì)于實(shí)時(shí)應(yīng)用來(lái)說(shuō)已經(jīng)足夠低了，而谷歌之前使用的方法 DER 為 8.8%。

　　谷歌研究人員的新方法是通過(guò)遞歸神經(jīng)網(wǎng)絡(luò)(RNN)模擬演講者的嵌入(如詞匯和短語(yǔ)的數(shù)學(xué)表示)，遞歸神經(jīng)網(wǎng)絡(luò)是一種機(jī)器學(xué)習(xí)模型，它可以利用內(nèi)部狀態(tài)來(lái)處理輸入序列。每個(gè)演講者都從自己的 RNN 實(shí)例開(kāi)始，該實(shí)例不斷更新給定新嵌入的 RNN 狀態(tài)，使系統(tǒng)能夠?qū)W習(xí)發(fā)言者共享的高級(jí)知識(shí)。

　　研究人員在論文中寫(xiě)道:“由于該系統(tǒng)的所有組件都可以在監(jiān)督環(huán)境下學(xué)習(xí)，所以在有高質(zhì)量時(shí)間標(biāo)記演講者標(biāo)簽訓(xùn)練數(shù)據(jù)的情況下，它比無(wú)監(jiān)督系統(tǒng)更受青睞。我們的系統(tǒng)受到全面監(jiān)督，能夠從帶有時(shí)間戳的演講者標(biāo)簽例子中學(xué)習(xí)。”

　　在未來(lái)的工作中，研究團(tuán)隊(duì)計(jì)劃改進(jìn)模型，使其能夠集成上下文信息來(lái)執(zhí)行脫機(jī)解碼，他們希望這將進(jìn)一步減少 DER。研究人員還希望能夠直接對(duì)聲學(xué)特征進(jìn)行建模，這樣整個(gè) Speaker diarization 系統(tǒng)就可以進(jìn)行端到端訓(xùn)練。
　　（邯鄲網(wǎng)絡(luò)公司）

SpaceX獵鷹9號(hào)火箭成功點(diǎn)...

微信支付分來(lái)了！為用戶(hù)...