中国AI又夺一冠!依图刷榜全球声纹识别挑战赛,刷新纪录,大比分夺魁

深度公司,开始频频展露广度实力

鱼羊 发自 凹非寺

量子位 出品 | 公众号 QbitAI

中国军团,继续刷新全球AI各项竞赛。

这一次,是全球声纹识别竞赛;这一次,是独角兽依图

VoxCeleb说话人识别挑战赛,简称VoxSRC,近日正式公布结果。

在这场汇聚了中外语音领域顶级高手的挑战赛中,依图(logicworld)以绝对领先优势斩获冠军。

而且挑战赛比拼内容,正是当前语音识别领域最高精尖的“声纹识别”赛道。

之前依图已经展示了视觉感知、语音识别和语义理解等方面的不俗实力。

现在,依图则进一步用一个前沿技术领域的全球冠军,展示了其技术深度之外,在广度方面的开拓。

真是依图出没,气势汹涌。

依图又夺何冠?

VoxSRC,由来自牛津大学,斯坦福国际研究院和麻省理工的学者组织举办。

参赛者包括约翰霍普金斯大学、法国国家信息与自动化研究所、日本电气(NEC)等传统豪强,也有中国的清华大学,天津大学,中山大学,依图科技,平安科技等学校企业。

选手都有备而来,比拼直接而激烈。

指纹识别,人脸识别已经被大众所熟知,但同样作为生物信息识别的一种——声纹识别(即说话人识别),目前还是技术挑战的前沿,常在科幻电影中出现,也常被语音AI公司当展望谈及。

声纹识别权威评判标准不多,但真正检验技术的,VoxCeleb说话人识别挑战赛可能算一个。

其主要考核,是运用AI技术如何能够从自然语音中识别出说话人。

比赛采用的训练数据集为VoxCeleb2,由牛津大学发起提供。这一数据集中的音频全部采集自YouTube,场景包括明星红地毯、名人演讲、真人节目访谈以及大型体育解说等,包含了5994位名人的超过一百万条语音。

这些名人涉及不同的性别,种族,口音,职业和年龄,并且音频中存在各种各样的背景噪声,包括环境突发噪声、背景人声、笑声、回声,室内噪声和录音设备噪声等等。

比赛的测试集则全部没有标注,属于“盲测”,保证了竞赛的公平与公正。

面对如此挑战,想让AI准确提取声学特征、说话人特征,并实现准确的识别匹配,并非易事。

在发表于Interspeech 2018的论文中,VoxCeleb2的作者牛津大学Visual Geometry Group实验室训练出的ResNet-50达到了3.95%的等错误率(EER),超越了当时的基线方法。

而就在这场比赛中,依图不仅大幅刷新该纪录,将EER压缩至0.98%,还超出第二名(1.42%)一个身位,以绝对优势夺冠。

毫无疑问,这是一次技术实力的肌肉展示。

但如果熟悉依图业务,就可能忍不住想得更多。

依图参与全球声纹识别竞赛,又怎会是为了刷榜而刷榜?

技术“冗余”,增强场景化落地

从声纹识别本身来说,作为生物识别技术的一种,应用前景原本就非常广阔。

在个人信息加密领域,更能发挥重要的作用。

作为一种生物识别解决方案,声纹识别在金融等对个人信息安全有高要求的行业当中,也能够提供更高的安全性,强化风控能力。

此外作为智能语音应用落地的更大挑战,声纹识别的攻坚,对于性别年龄画像、语种方言识别,进而做到真正的语音交互千人千面,都是绕不过去的核心问题。

而且随着AI在各行各业的场景化落地越来越普遍,技术冗余,针对不同问题提供不同解决方案,也在成为AI公司竞争力的核心要求。

在各项技术上有实力、有储备,才能发展、落地更全面。

也就意味着,AI公司下一阶段发展,深度和广度,都得兼备。

AI公司的深度&广度

这或许也是依图目前发展开拓的背后思路。

之前,依图被人熟知,更多是“CV四小龙”的并称,强调其在视觉领域的地位。

依图也确实在多项视觉国际比拼中斩获冠军。比如依图连续三年参加美国国家标准技术局(NIST)人脸识别供应商测试(FVRT),连续三次斩获冠军。

在安防、金融和医疗领域,依图的AI视觉能力,也赢得了真实业务场景的认可。

但2018年以来,依图开始展现出强大的“泛化”能力,开始将AI技术打通,并迅速在拓展领域取得核心突破。

在语音领域,其语音识别算法在全球最大的开源中文数据库AISHELL-2上字错率仅3.71%,大幅刷新纪录。

在NLP方面,依图联合广州妇女儿童医疗中心等机构,将自然语言处理(NLP)技术应用于儿科疾病诊断,成果登上《自然·医学》(Nature Medicine),这也创下中国AI医学的新纪录。

其后更令业界震动的是,依图低调部署研发,完成了自主AI芯片“求索”的流片、发布并商用,以“算法即芯片”理念,提出智能密度的新理论,为AI场景化落地,提供坐标参考系。

最近一次,由工信部、公安部及网信办三部委指导主办的“中国人工智能高峰论坛”上,依图AI芯片不仅获得了AI创新之星,依图也在首届多媒体信息识别竞赛中,于11个任务中,斩获10个A级,为所有参赛者中夺冠最多。

所以,依图路径、依图模式,也是时候值得更多讨论了。

这种模式在科技创业的历史中并不陌生。先有垂直深度,然后平台化迁移,打造技术更为全面、应用更加广泛的大平台。

但在AI历程中,这样既要保证深度又有兼顾广度的事情,依图之外,还无人做到。

所以声纹之冠,或许还不是依图实力的全部。

依图之路,也值得上下求索。

你说呢?

— 完 —

版权所有,未经授权不得以任何形式转载及使用,违者必究。