近日，阿里巴巴达摩院机器智能实验室语音识别团队，推出了新一代语音识别模型——DFSMN，不仅被谷歌等国外巨头在论文中重点引用，更将语音识别准确率纪录提升至96.04%（基于世界最大的免费语音识别数据库LibriSpeech）。此外，该团队宣布开源DFSMN模型，共享这一成果。
项目地址：https://github.com/alibaba/Alibaba-MIT-Speech
阿里在GitHub平台上开源了自主研发的DFSMN语音识别模型
语音识别是人机交互中的核心技术，在智能音响、智能家居、机器人及自动驾驶等领域都有广泛应用。2017年，微软语音识别研究团队在黄学东的带领下，将词错率降至 5.1%（基于Switchboard）。在技术研究的「最后一英里」，每 0.1 个百分点的进步都异常艰难。此次阿里巴巴开源的语音识别模型DFSMN，将语音识别准确率纪录提升至96.04%（基于语音识别数据库LibriSpeech）。
据阿里介绍，DFSMN语音识别模型，对比目前业界使用最为广泛的LSTM模型，训练速度更快、识别准确率更高。采用全新DFSMN模型的智能音响或智能家居设备，相比前代技术深度学习训练速度提到了3倍，语音识别速度提高了2倍。
著名语音识别专家，西北工业大学教授谢磊表示：“阿里此次开源的DFSMN模型，在语音识别准确率上的稳定提升是突破性的。是近年来深度学习在语音识别领域最具代表性的成果之一。对全球学术界和AI技术应用都有巨大影响。”
此外，据机器之心了解，在刚结束的云栖大会武汉峰会上，装有DFSMN语音识别模型的“AI收银员”在与真人店员的PK中，在嘈杂环境下准确识别了用户的语音点单，在短短49秒内点了34杯咖啡。此外，装备这一语音识别技术的自动售票机也已在上海地铁“上岗”。