依图宣布修个“语音”双学位，出击语音领域，全球最大的中文开源数据库AISHELL-2表现优异

新知榜官方账号

2023-11-11 16:15:15

近日，AI公司依图宣布修个“语音”双学位，出击语音领域。依图联合微软Azure云推出依图语音开放平台，携手华为发布“智能语音联合解决方案”。

依图的入局成绩单源自全球最大的中文开源数据库AISHELL-2。该数据库表现中，依图短语音听写的字错率（CER）为3.71%，比之原最好成绩还好20%，大幅刷新纪录。

依图在具体表现中，主要围绕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，并拿出了字错率（CER）几乎全部在15%以下的成绩。其中，在AISHELL2-2018A-EVAL数据集中，依图的识别准确率达96.29%，字错率3.71%，比原最好成绩高出20%。

依图开启语音征程，自然而然。因为语音识别是AI理解世界最重要的组成部分，听说读写必要条件。语音识别是人人交互，人机交互最重要的入口。而且之前依图一直都有涉猎，语音和语义的相关技术之前在其医疗的相关产品中有过展示，只是没有公布。现在发布开放平台，一方面开放能力让开发者有更多选择，另一方面也是进一步探索语音业务的商业化发展。此外，除了对外，依图语音技术马上也会在医疗等产品中进一步大展拳脚。

依图此次开放的语音识别API，先从短语音听写启动，可以将时长不超过30秒的语音转写成文字，识别字错率小于3%，再用NLP辅助，进一步降低字错率。然后未来再图谋长语音转写、实时语音转写。

依图坦承，当前做语音的厂商非常多，但是目前为止都没有拿出一个特别好的语音识别产品。从技术性能来说，字错率曲线抖动越小，算法的场景通用性越好。综合各场景测试的结果，业界主流算法中，依图和讯飞的算法字错率抖动相对较小。依图认为，语音的发展需要一定的语义的把控。语音识别的真正威力，肯定要在大量语义需求后出现。

此次依图交出首份入学成绩单，但相比视觉，AI语音还远远远未达到“超越人类”。依图方面也强调，作为语音行业新生，还有很多需要学习之处，但当前一试，也给了他们极大信心。他们预计，在未来6个月到12个月，语音识别技术的算法性能将呈指数级增长，更多的场景将被解锁，为行业应用带来更大的价值。

依图语音领队此次代表依图宣布语音事宜的是依图科技首席创新官吕昊。依图是一家估值近30亿美元，涉足视觉、芯片和语音的公司。

本页网址：https://www.xinzhibang.net/article_detail-19690.html

寻求报道，请

关键词

依图语音 AI公司华为 AISHELL-2 中文开源数据库

分享至微信：

相关工具

爱创作

ZAKER新闻推出的AI写作工具

Spell.tools

高颜值AI内容营销创作工具

Magic Write

Canva旗下AI文案生成器

字符狂飙

全方位AI文档生成工具，快速生成专业文档

ContentBot

AI快速写作工具

DeepL Write

DeepL推出的AI驱动的写作助手

三个国外专业免费的调色网站

三个国外专业免费的调色网站无论制作视频、编辑图片，合适的色彩会让你的作品增加视觉冲击力，所以专业的调色技术价值非凡，一部电影或一部好的视频、图片海报，专业调色耗费少则上万，多则上百万，只是大家对专业调色这个行业知之甚少，今天网玩君就为大家分享三个国外专业免费的调色网站，记得收藏好，以后编辑视频、图片

分类标签调色网站免费

04-18 16:42

电影制作中的纹理技术

纹理在电影制作中的重要性纹理是指将详细的表面特征应用于3D模型或视觉效果元素，使其看起来更逼真。纹理对于创建视觉上引人入胜且可信的电影场景至关重要，尤其是涉及CGI、动画或特效的场景。纹理还支持叙事和讲故事，可以通过纹理设置年龄大小等属性，为故事奠定基础。纹理技术的发展历程自胶片问世以来，电影制作人

分类标签纹理电影制作CGI视觉效果微缩模型UV映射

04-18 16:42

UnrealSynth虚幻合成数据生成器-NSDT

UnrealSynth虚幻合成数据生成器-NSDTUnrealSynth基于UE5虚幻引擎开发，可用于生成合成数据集，包括图像和标注数据。可用于各种行业细分场景中目标识别任务的实施效率提高。UnrealSynth合成数据工具包内容UnrealSynth基于UE5虚幻引擎开发，目前支持YOLO系列模型

分类标签 UnrealSynth虚幻引擎数据合成YOLO模型深度学习训练数据

04-18 16:42

人工智能与音乐：谷歌的Project Magenta

谷歌的Project Magenta利用人工智能技术生成音乐和其他艺术形式，如素描、视频和笑话。该项目的目标是为人们创造新的交流方式。本文介绍了该项目的背景、发展历程和应用。在上世纪90年代中期，谷歌研究院的Douglas Eck就开始了他的人生目标：融合人工智能与音乐。二十年后，他与一支谷歌研究团

分类标签人工智能音乐谷歌

04-18 16:42

如何做好SEO优化？

如何做好SEO优化？想要做好SEO优化，得从站内优化和站外优化两个方面入手。一、站内优化1.关键词定位和分析关键词整理是SEO优化中的核心工作，一旦定下来就不建议再次去更改。站长始终要记住关键词一定要和行业、产品、领域息息相关，同时还可以参考竞争对手所做的关键词，可以利用站长工具、5118、爱站网、

分类标签 SEO优化关键词定位网站架构布局

12-11 08:19

万兴科技：营收实现稳健增长，拥抱AIGC新机遇

万兴科技：营收实现稳健增长，拥抱AIGC新机遇国元证券股份有限公司耿军军近期对万兴科技进行研究并发布了研究报告《2022年年度报告点评：营收实现稳健增长，拥抱AIGC新机遇》，本报告对万兴科技给出买入评级，当前股价为75.24元。万兴科技(300624)事件：公司于2023年4月7日收盘后发布《20

分类标签万兴科技营收增长AIGC

12-11 02:11

AI分身市场潜力巨大，万兴科技、京东等已率先布局

“AI孙燕姿”和“CarynAI”引爆市场最近，“AI孙燕姿”和“CarynAI”以以假乱真的程度引爆市场，都是通过采集本人的语音、文字、图像等素材，并通过开源的生成式训练模型进行训练而成。其中，“CarynAI”成功地借助AI技术，打造了自己的AI分身，通过付费的方式，跟AI版的自己进行交往，预计

分类标签 AI孙燕姿CarynAIAI分身AIGC技术虚拟主播数字人

12-11 02:10

万兴科技推出名师必备讲演神器“万兴智演”

万兴科技推出名师必备讲演神器“万兴智演”9月8日，万兴科技面向泛知识领域，推出名师必备讲演神器“万兴智演”。该款AI演示新品集成强大的AIGC能力、精美的行业课程模板以及动画特效素材，大大简化课件制作过程。同时，产品内置强大的录制、直播功能，通过真人实拍与演示内容相结合的形式，实现人景融合的实时演示

分类标签万兴科技万兴智演AI演示

12-11 02:09

万兴科技创始人吴太兵在2023互联网岳麓峰会上的主题演讲

万兴科技创始人吴太兵在2023互联网岳麓峰会上的主题演讲2023互联网岳麓峰会论坛上，万兴科技创始人、董事长兼总裁吴太兵进行主题演讲。红网时刻新闻记者郭雅倩甘红长沙报道十届、十年，岳麓峰会从2014年的“湖湘汇”到如今云集万人的盛会，积攒了巨大的关注度和影响力。6月19日，2023互联网岳麓峰会在长

分类标签万兴科技吴太兵岳麓峰会

12-11 02:05

樟宜机场：通过科技改变旅客体验

樟宜机场：通过科技改变旅客体验樟宜机场在智能手机上移动的小红点代表了在机场上空飞行的飞机，通过传感器的追踪获取了相关飞行轨迹。机场通过人工智能、面部识别和数据分析等技术的应用，不断提高机场运营效率，保持创新，致力于成为一个旅客体验更佳、充满活力的目的地。人工智能优化机场运营效率樟宜机场在2017年共

分类标签樟宜机场科技旅客体验

12-10 22:16