（文章來源：華夏模具網(wǎng)）

您可能已經(jīng)注意到，語音識別技術(shù)在最近幾年取得了穩(wěn)定和肯定的進(jìn)步 -所有大型技術(shù)公司都希望在這一領(lǐng)域取得長足進(jìn)步，即使只是為了改善從Cortana到Siri 的數(shù)字助理也是如此-但是Mozilla希望更加努力，并且更廣泛地說，在這方面，開源語音識別模型已經(jīng)發(fā)布。

根據(jù)Mozilla機(jī)器學(xué)習(xí)團(tuán)隊所做的工作，此自動語音識別引擎的最初版本剛剛發(fā)布。該引擎以百度發(fā)表的“深度演講”論文為模型，該論文詳細(xì)介紹了可訓(xùn)練的多層深度神經(jīng)網(wǎng)絡(luò)。Mozilla說，其項目最初的目標(biāo)是使“單詞錯誤率”低于10%。然而，該公司表示，LibriSpeech的測試清潔套件上的引擎字詞錯誤率現(xiàn)在為6.5%，明顯超過了這一目標(biāo)，并達(dá)到了接近人類水平的圣杯(據(jù)Deep報道，該比率約為5.8%)演講2論文)。

Mozilla一直在努力使用“監(jiān)督學(xué)習(xí)”和數(shù)千小時的帶標(biāo)記音頻的巨大數(shù)據(jù)集來訓(xùn)練語音識別模型，該數(shù)據(jù)集來自包括免費(TED-LIUM和LibriSpeech)和付費(Fisher和Switchboard)語音在內(nèi)的各種方式語料庫。

帶有標(biāo)簽的語音數(shù)據(jù)進(jìn)一步從大學(xué)，公共電視臺和廣播電臺的語言學(xué)習(xí)部門等機(jī)構(gòu)中獲取，所有這些數(shù)據(jù)為磨練語音識別引擎提供了更多動力。當(dāng)然，該項目的巨大優(yōu)勢(其開源性質(zhì))意味著這種經(jīng)過磨練的技術(shù)現(xiàn)在對任何人開放用于其語音識別項目。

Mozilla進(jìn)一步指出，未來的計劃是發(fā)布一種既輕便又快速的模型，使其能夠在智能手機(jī)或Raspberry Pi等單板計算機(jī)上運行。該公司還推出了“公共語音”計劃，該計劃是一個開放的，公開可用的語音數(shù)據(jù)集，其中包含來自20,000位不同說話者的大約40萬條錄音-代表大約500個小時的語音。

正如Mozilla所說，這里的想法是“與新的語音識別模型并行運行”，構(gòu)建一個語音庫，該語料庫是免費的，開源的，并且足夠大以創(chuàng)建有意義的產(chǎn)品。微軟還在語音識別方面取得了長足的進(jìn)步，如今年夏天宣布的那樣，在Switchboard語音識別基準(zhǔn)測試中，單詞錯誤率達(dá)到了5.1%。
? ? ? （責(zé)任編輯：fqj）