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，更将全球语音识别准确率纪录提高至 96.04%（基于世界最大的免费语音识别数据库LibriSpeech）。
阿里在GitHub平台上开源了自主研发的DFSMN语音识别模型
这支平均年龄只有 30 岁的团队还宣布，即日起向全世界企业与个人开源此次打破全球语音识别纪录的 DFSMN 模型，使全球开发者都能共享这一成果，共同推进人工智能技术的发展。这也使 DFSMN有望继传统的 LSTM 模型后，成为全球语音识别领域最主要的声学识别模型之一，全球语音识别准确率也有望总体提高 10%。
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。」
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。在刚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」。
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。
Github 链接：
https://github.com/alibaba/Alibaba-MIT-Speech