時(shí)間:2019-09-02 11:51:57 作者:無(wú)名 瀏覽量:33
在由美國(guó)國(guó)家標(biāo)準(zhǔn)技術(shù)署(NIST)主辦的說(shuō)話人識(shí)別技術(shù)評(píng)測(cè)(Speaker Recognition Evaluation,SRE)公布的最新評(píng)測(cè)結(jié)果。由快商通首席科學(xué)家李海洲教授及快商通聲紋研究院領(lǐng)銜的I4U團(tuán)隊(duì)獲得綜合成績(jī)第三名的好成績(jī),在大中華區(qū)參賽團(tuán)隊(duì)中排名第一。快商通客服在線下載日益激增!
國(guó)產(chǎn)驕傲、聲紋識(shí)別排名全球前三!快商通客服在線下載日益激增!圖一
l NIST SRE:國(guó)際最權(quán)威、標(biāo)準(zhǔn)最嚴(yán)、影響力最大的聲紋識(shí)別技術(shù)評(píng)測(cè)
SRE 2018 是由NIST(National Institute of Standards and Technology,美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院,直屬美國(guó)商務(wù)部)承辦的國(guó)際上規(guī)模最大、標(biāo)準(zhǔn)最嚴(yán)、最權(quán)威的聲紋識(shí)別技術(shù)評(píng)測(cè),為全球參賽研究機(jī)構(gòu)提供了一個(gè)公平的統(tǒng)一測(cè)試平臺(tái),旨在關(guān)注聲紋識(shí)別領(lǐng)域的核心技術(shù)問(wèn)題。從1996年開(kāi)始舉辦至今,參加 NIST SRE 評(píng)測(cè)的隊(duì)伍逐年增加,今年有包括麻省理工、清華大學(xué)、聲揚(yáng)科技等在內(nèi)的25個(gè)國(guó)家、78支隊(duì)伍參賽。
近年來(lái),NIST SRE 的重點(diǎn)任務(wù)是對(duì)于現(xiàn)階段實(shí)用領(lǐng)域中,口語(yǔ)對(duì)話電話語(yǔ)音(CTS)的說(shuō)話人檢測(cè)。
國(guó)產(chǎn)驕傲、聲紋識(shí)別排名全球前三!快商通客服在線下載日益激增!圖二
今年,除了在各種手機(jī)上錄制的CTS 之外,SRE18中的開(kāi)發(fā)和測(cè)試材料還加入了IP語(yǔ)音(VOIP)數(shù)據(jù),以及視頻音頻(AfV)數(shù)據(jù)。數(shù)據(jù)庫(kù)環(huán)境的復(fù)雜程度更高、干擾因素更多,已遠(yuǎn)遠(yuǎn)超過(guò)一般的實(shí)際應(yīng)用場(chǎng)景,意味著對(duì)參評(píng)機(jī)構(gòu)的算法性能和系統(tǒng)魯棒性等提出更高的要求。
另外,由于現(xiàn)實(shí)應(yīng)用中,系統(tǒng)往往要根據(jù)不同的需求來(lái)決定閾值的選取。今年,為綜合考核參評(píng)系統(tǒng)的靈活度、實(shí)用度以及綜合實(shí)力,NIST 將C_primary(或稱為actDCF)作為首要核心指標(biāo),用于描述說(shuō)話人識(shí)別系統(tǒng)的整體辨別能力,評(píng)判標(biāo)準(zhǔn)不再僅看在某個(gè)閾值點(diǎn)的FAR/FRR或DCF,進(jìn)一步提升了競(jìng)賽的難度。
因此,NIST SRE 測(cè)評(píng)結(jié)果不僅為當(dāng)前說(shuō)話人識(shí)別的最新技術(shù)進(jìn)步水平,也代表著該技術(shù)在目前實(shí)戰(zhàn)場(chǎng)景應(yīng)用中能夠具備的最佳表現(xiàn)。
l 聲紋識(shí)別技術(shù)排名全球前三,快商通憑什么?
在眾多多場(chǎng)景測(cè)評(píng)中,快商通聲紋識(shí)別系統(tǒng)在十萬(wàn)分之一的誤報(bào)率下識(shí)別準(zhǔn)確率超過(guò)99%。是國(guó)內(nèi)聲紋識(shí)別領(lǐng)域企業(yè)中在該指標(biāo)下的最好水平,也體現(xiàn)了我國(guó)說(shuō)話人識(shí)別技術(shù)已達(dá)到世界領(lǐng)先水平。
“NIST SRE 評(píng)測(cè)挑戰(zhàn)最大的是單信道多說(shuō)話人識(shí)別。”快商通AI事業(yè)部研究員葉志堅(jiān)表示,“測(cè)試數(shù)據(jù)中,每段語(yǔ)音使用麥克風(fēng)陣列錄制用來(lái)混合測(cè)試,比如電話信道涵蓋了移動(dòng)電話,固定電話等。麥克風(fēng)類型也幾乎覆蓋實(shí)際應(yīng)用中所有類型。其次,環(huán)境噪聲也更‘廣義化’,包括環(huán)境噪聲、人聲非語(yǔ)言、彩鈴炫鈴等各種背景噪聲情況。我們的系統(tǒng)采用了經(jīng)典的DNN-ivector系統(tǒng)和基于端到端深度神經(jīng)網(wǎng)絡(luò)(DNN)的說(shuō)話人特征提取系統(tǒng),在不同語(yǔ)種中使用的結(jié)果都不錯(cuò)。”
今年,快商通聲紋研究院在單信道多說(shuō)話人識(shí)別方面取得了重大的進(jìn)展,提出“單耳語(yǔ)音分離技術(shù)”,實(shí)現(xiàn)單音頻定向人聲分離,開(kāi)創(chuàng)性解決聲紋識(shí)別中“雞尾酒會(huì)問(wèn)題”難題。經(jīng)實(shí)測(cè)、在嘈雜的環(huán)境中能夠準(zhǔn)確分辨多說(shuō)話人聲音。
這套強(qiáng)大聲紋識(shí)別系統(tǒng)出色的完成了 NIST SRE 的說(shuō)話人檢測(cè)任務(wù),特別是在降低環(huán)境“噪聲”干擾,以及同一段語(yǔ)音中多聲紋特征提取方面表現(xiàn)優(yōu)異,系統(tǒng)將語(yǔ)音樣本分割聚類成獨(dú)立的片段,準(zhǔn)確標(biāo)注出“誰(shuí)”從“什么時(shí)候”到“什么時(shí)候”在說(shuō)話。
l 美國(guó)“最嚴(yán)技術(shù)封鎖”,國(guó)產(chǎn)AI能力崛起
美國(guó)商務(wù)部工業(yè)安全署(BIS)根據(jù)出口行政規(guī)定(ExportAdministration Regulations,EAR)對(duì)軍民兩用和較為不敏感的軍品出口進(jìn)行監(jiān)管,主要甄別涉及國(guó)家安全和高技術(shù)范疇的出口。根據(jù)美國(guó)商務(wù)部文件(15 CFR Part 744 [DocketNo. 180712626–8840–01] RIN 0694–AH61 Review of Controls for Certain Emerging Technologies),從美國(guó)公布的清單中甄別篩選出的代表性產(chǎn)業(yè)類別來(lái)看,可謂條條針對(duì)中國(guó)最新計(jì)劃發(fā)展的高科技產(chǎn)業(yè)。