近日，SpeechIO TIOBE評測(簡稱“評測”)第三季度結(jié)果公布，喜馬拉雅自動語音識別技術(shù)(簡稱“ASR”)在本次評測中榮獲第一名。喜馬拉雅這一技術(shù)已在喜馬拉雅App的“AI文稿功能”中廣泛應(yīng)用，為讀者帶來邊聽邊看、聽看一體的內(nèi)容消費體驗。
SpeechIO TIOBE評測是國內(nèi)較為權(quán)威的行業(yè)公開評測項目，旨在客觀評估并記錄各個公共語音識別服務(wù)在不同領(lǐng)域的識別準(zhǔn)確率，以字準(zhǔn)確率為測試指標(biāo)。該評測每個季度進行一次，喜馬拉雅ASR技術(shù)在今年第三季度的評測中脫穎而出，以2.16%的超低錯誤率榮獲冠軍。參與此次評測的其他公司還包括依圖、騰訊、Bilibili、阿里、微軟、訊飛、百度等。
喜馬拉雅ASR技術(shù)是喜馬拉雅智能語音實驗室所研發(fā)的一項重要語音技術(shù)，該技術(shù)可以對喜馬拉雅平臺中無文稿的聲音內(nèi)容進行語音轉(zhuǎn)寫，并輸出相應(yīng)的文字，從而便于聽眾更好地理解聲音內(nèi)容。隨著語音識別功能使用率的提高，細(xì)節(jié)上的極致優(yōu)化成為技術(shù)產(chǎn)品制勝的關(guān)鍵。喜馬拉雅在研發(fā)時，基于WeNet開發(fā)了自研的“端到端”語音識別框架，并在數(shù)據(jù)讀取、模型結(jié)構(gòu)、訓(xùn)練方式、熱詞增強、部署流程等全鏈路進行了深度優(yōu)化，不斷嘗試新的論文方案，融合吸收到自研框架當(dāng)中，從而有效降低了錯誤率，達到行業(yè)領(lǐng)先水平。
喜馬拉雅ASR技術(shù)現(xiàn)在已經(jīng)廣泛應(yīng)用到了喜馬拉雅App的AI文稿功能上，能有效識別無文稿聲音內(nèi)容，為無文稿聲音內(nèi)容生成文稿。同時，對于已經(jīng)有原始文稿的聲音內(nèi)容，喜馬拉雅AI文稿功能則應(yīng)用超長音頻與文本的對齊技術(shù)，將聲音與文稿進行時間戳對軌，在聲音播放的同時，對相應(yīng)文字進行同步高亮，讓用戶能更便捷地享受邊聽邊看的內(nèi)容消費體驗。
近期，喜馬拉雅即將上線全新版本的AI文稿功能，全面提升用戶體驗，大家敬請期待。
喜馬拉雅已在AI語音技術(shù)領(lǐng)域潛心鉆研多年，并在內(nèi)部專門成立了喜馬拉雅智能語音實驗室這一核心部門，長期專注于語音合成、語音識別、語音信號處理、編解碼以及智能音效的研究和開發(fā)。除了ASR技術(shù)，喜馬拉雅的TTS(語音合成)技術(shù)也處于行業(yè)前列，并已經(jīng)廣泛被運用于評書、新聞、小說等多種內(nèi)容的制作中，正助力喜馬拉雅在現(xiàn)有的“UGC+ PGC+ PUGC”內(nèi)容生態(tài)之外，進一步拓展AIGC的可能性。同時，今年喜馬拉雅自研的跨語言語音合成創(chuàng)新技術(shù)論文，以及和中國科學(xué)技術(shù)大學(xué)合作的說話人日志技術(shù)相關(guān)論文，先后兩次被國際音頻頂級會議ICASSP(International Conference on Acoustics, Speech, and Signal Processing，國際音頻、語音與信號處理會議)錄用，展現(xiàn)了喜馬拉雅在語音技術(shù)領(lǐng)域強大的實力。
未來，喜馬拉雅將繼續(xù)用科技賦能文化，提升內(nèi)容消費體驗，豐富內(nèi)容生態(tài)，用技術(shù)加持聲音、用聲音服務(wù)生活。