依图进军语音识别领域，推出开放平台与华为合作发布智能语音联合解决方案

新知榜官方账号

2023-09-30 16:56:32

2018年已经接近尾声，寒冬之下，中国的AI初创公司仍在扩张边界。12月11日，中国计算机视觉领域“四小龙”之一的依图正式进军语音识别领域，宣布与微软合作推出依图开放平台，开放平台将提供依图开发的语音识别算法API，以及大量的数据集。另外，依图也宣布和华为合作发布智能语音联合解决方案，该方案基于依图语音开放平台及华为全栈全场景昇腾（Ascend）系列芯片和面向数据中心侧的Atlas300AI加速卡，结合双方的技术研发能力与生态服务能力深度，形成软硬件一体化的联合解决方案。

伴随着两款产品的发布，依图还在现场展示了其中文语音识别算法的一系列进展：在业内近期公开的AISHELL-2的三个测试子集，以及来自第三方的近场口音测试集、近场安静聊天测试集、语音节目测试集、电话测试集、远场测试集中，依图表现突出，且字错率几乎全部在15%以下，同样表现突出的还有科大讯飞。其中，在AISHELL2-2018A-EVAL数据集中，依图的识别准确率高达96.29%，字错率（CER）仅为3.71%，同样领先一些业内领军者。AISHELL-2是AISHELLFoundation和希尔贝壳宣布的开源数据库，数据规模达1000小时，是目前全球最大的中文开源数据库。它由1991名来自中国不同口音区域的发言人参与录制，经过专业语音校对人员转写标注，通过了严格质量检验，数据库文本正确率在96%以上，录音文本涉及唤醒词、语音控制词、智能家居、无人驾驶、工业生产等12个领域。

特别的是，针对不同的场景，依图采用了同一种语音识别算法，即单个算法模型表现了多场景适用性。这种方法与目前市面上针对限定场景开发不同识别算法的技术路线有很大不同。依图科技首席创新官吕昊总结了人脸识别领域的从实验室走向落地的发展脉络，他认为，大量的测试和努力能够打破非常多限制的条件，因此技术落地越来越多，“因为大家变得透明，且竞争比较多之后，整个行业也在往前走。我们也希望语音识别这个行业通过这样一些活动，通过我们的努力，通过一些严谨的测试把这些打通整个行业。”

除了这样的公开测试以外，依图还表示，数据集、算法api都是能够推动语音识别行业发展的重要推动因素。作为行业的一员，依图呼吁行业公开更多样的数据集，公开可重复的评测结果。依图在这样的测试中也花了很多力气对接各大厂商，因为其中不少是不免费公开的api，当然，这些测试更多针对的是现有的产品，各个厂商的能力其实可能无法完全展现。鉴于目前语音识别在用户体验上还远未到达理想的状态，技术上的限制仍未清除，依图希望通过几款产品的发布促进整个行业的竞争合作。

在谈到今年多家主攻语音识别技术的AI公司纷纷推出专用语音AI芯片的浪潮、大有语音识别下阶段竞争转向硬件大比拼之势时，依图则表示，把算法定制化到硬件中，很多时候是商业驱动的，依图不排除未来自研语音AI芯片的可能。但与之并行的是，依图也会继续提升算法的表现。

本页网址：https://www.xinzhibang.net/article_detail-14531.html

寻求报道，请

关键词

依图语音识别开放平台华为智能语音联合解决方案

分享至微信：

相关工具

Hour One

人工智能文字到视频生成

Kaiber

图片文字转视频的AI引擎

Movio

AI真人出镜视频讲解

Gencraft

AI艺术画视频生成工具

Colourlab.ai

好莱坞也在用的AI视频颜色分级工具

Runway

强大的AI视频制作工具，绿幕抠像、视频合成等

AI视频生成市场现状及相关公司分析

市场现状Pika1.0、Heygen和Runway是当前市场上比较知名的AI视频生成工具。其中，Pika1.0的文生视频和图生视频表现较好，时长目前为3s，落后于Runway。Heygen主要功能为短视频内容AI口型匹配和翻译，商业化进展较快。Runway则是性能领先行业，当前已实现商业化。除了以上

分类标签 AI视频生成市场现状相关公司分析

12-08 16:08

视频翻译工具MyHeyGen使用教程

视频翻译工具MyHeyGen使用教程近期，一款名为“视频翻译”的工具引起了广泛关注。这不是一个简单的网页应用，而是一个可以免费部署在个人电脑或服务器上的实用程序。它的强大之处在于能够翻译任意时长的视频内容。所谓的视频翻译，实际上是指同声传译。虽然这类工具并非近期才问世，市场上已有多款成熟产品，例如我

分类标签视频翻译MyHeyGen免费软件

12-08 16:07

阿里发布开源通义千问720亿参数模型，OpenAI GPT商店推迟上线，马斯克旗下GrokAI向XPremium+用户开放，阿里推出3款AI设计生态工具

阿里发布开源通义千问720亿参数模型12月1日，阿里云在北京举办通义千问新产品发布会，开源通义千问720亿参数模型Qwen-72B。据介绍，Qwen-72B在10个权威基准测评创下开源模型最优成绩，性能超越开源标杆Llama2-70B和大部分商用闭源模型，可适配企业级、科研级的高性能应用。阿里云的7

分类标签阿里开源模型OpenAIGPT商店马斯克GrokAIAI设计生态工具

12-04 16:35

一款名为“视频翻译”的工具

近期，一款名为“视频翻译”的工具引起了广泛关注。这不是一个简单的网页应用，而是一个可以免费部署在个人电脑或服务器上的实用程序。它的强大之处在于能够翻译任意时长的视频内容。所谓的视频翻译，实际上是指同声传译。虽然这类工具并非近期才问世，市场上已有多款成熟产品，例如我之前提到的heygen和rask的网

分类标签视频翻译同声传译免费软件

12-03 22:11

视频翻译工具MyHeyGen的安装与使用方法

近期，一款名为“视频翻译”的工具引起了广泛关注这不是一个简单的网页应用，而是一个可以免费部署在个人电脑或服务器上的实用程序。它的强大之处在于能够翻译任意时长的视频内容。所谓的视频翻译，实际上是指同声传译。虽然这类工具并非近期才问世，市场上已有多款成熟产品，例如我之前提到的heygen和rask的网页

分类标签视频翻译MyHeyGen安装与使用

12-03 08:34

免费视频翻译工具MyHeyGen使用教程

免费视频翻译工具MyHeyGen使用教程近期，一款名为“视频翻译”的工具引起了广泛关注。这不是一个简单的网页应用，而是一个可以免费部署在个人电脑或服务器上的实用程序。它的强大之处在于能够翻译任意时长的视频内容。所谓的视频翻译，实际上是指同声传译。虽然这类工具并非近期才问世，市场上已有多款成熟产品，例

分类标签视频翻译同声传译免费工具

12-03 02:20

视频翻译工具MyHeyGen的使用方法

视频翻译工具MyHeyGen的使用方法近期，一款名为“视频翻译”的工具引起了广泛关注。这不是一个简单的网页应用，而是一个可以免费部署在个人电脑或服务器上的实用程序。它的强大之处在于能够翻译任意时长的视频内容。所谓的视频翻译，实际上是指同声传译。虽然这类工具并非近期才问世，市场上已有多款成熟产品，例如

分类标签视频翻译MyHeyGen免费工具

12-02 16:10

免费视频翻译工具MyHeyGen的安装和使用教程

免费视频翻译工具MyHeyGen的安装和使用教程近期，一款名为“视频翻译”的工具引起了广泛关注。这不是一个简单的网页应用，而是一个可以免费部署在个人电脑或服务器上的实用程序。它的强大之处在于能够翻译任意时长的视频内容。所谓的视频翻译，实际上是指同声传译。虽然这类工具并非近期才问世，市场上已有多款成熟

分类标签视频翻译工具MyHeyGen免费工具

12-02 02:18

AI语音合成技术HeyGen：让内容创作更低成本

AI语音合成技术HeyGen：让内容创作更低成本文|Congerry、Blink162起猛了，看到一个歪果仁说中文说得贼流利，那人还是霉霉。定睛一看，好像是真的，连语调都一样，发出来让大家鉴别一下。，时长00:09嘿，这口音这叫一个地道！这视频已经在网上迅速传播，有了上千万的播放。这段看似是真的，但

分类标签 AI语音合成HeyGen

12-01 22:37

如何快速制作AI数字人视频

如何快速制作AI数字人视频最近在抖音上刷到一个贼经典的AI账号。从头到尾全都是AI制作的，仅仅用了3个月时间涨粉50万。视频内容很简单，就是一个AI数字人的英文口播。口播的内容也基本都是思维认知相关的内容，再配上中英文字幕和背景，就靠着这种视频形式短时间内疯狂吸粉。那为什么说这个账号经典呢？因为抛去

分类标签 AI数字人视频制作内容创作

12-01 22:36

ChatGPT Midjourney 文心一言文心一格 bing新必应 Stable diffusion 稿定设计墨刀AI mastergo Adobe Firefly runway