科客點(diǎn)評：毫無疑問，開源的DFSMN模型對全球?qū)W術(shù)界和AI技術(shù)應(yīng)用都有巨大影響。

　　近日，阿里巴巴達(dá)摩院機(jī)器智能實(shí)驗(yàn)室語音識別團(tuán)隊，推出了新一代語音識別模型——DFSMN，不僅被谷歌等國外巨頭在論文中重點(diǎn)引用，更將全球語音識別準(zhǔn)確率紀(jì)錄提高至96.04%（基于世界最大的免費(fèi)語音識別數(shù)據(jù)庫LibriSpeech）。

　　這支平均年齡只有30歲的團(tuán)隊還宣布，即日起向全世界企業(yè)與個人開源此次打破全球語音識別紀(jì)錄的DFSMN模型，使全球開發(fā)者都能共享這一成果，共同推進(jìn)人工智能技術(shù)的發(fā)展。這也使DFSMN有望繼傳統(tǒng)的LSTM模型后，成為全球語音識別領(lǐng)域最主要的聲學(xué)識別模型之一，全球語音識別準(zhǔn)確率也有望總體提高10%。

　　著名語音識別專家，西北工業(yè)大學(xué)教授謝磊表示：“阿里此次開源的DFSMN模型，在語音識別準(zhǔn)確率上的穩(wěn)定提升是突破性的。是近年來深度學(xué)習(xí)在語音識別領(lǐng)域最具代表性的成果之一。對全球?qū)W術(shù)界和AI技術(shù)應(yīng)用都有巨大影響。”

　　圖片說明：阿里在GitHub平臺上開源了自主研發(fā)的DFSMN語音識別模型

　　語音識別是人機(jī)交互中的核心技術(shù)，在智能音響、智能家居、機(jī)器人及自動駕駛等領(lǐng)域都有廣泛應(yīng)用。在剛剛結(jié)束的云棲大會武漢峰會上，裝有DFSMN語音識別模型的“AI收銀員”在與真人店員的PK中，在嘈雜環(huán)境下準(zhǔn)確識別了用戶的語音點(diǎn)單，在短短49秒內(nèi)點(diǎn)了34杯咖啡。此外，裝備這一語音識別技術(shù)的自動售票機(jī)也已在上海地鐵“上崗”。

　　DFSMN語音識別模型，對比目前業(yè)界使用最為廣泛的LSTM模型，訓(xùn)練速度更快、識別準(zhǔn)確率更高。采用全新DFSMN模型的智能音響或智能家居設(shè)備，相比前代技術(shù)深度學(xué)習(xí)訓(xùn)練速度提到了3倍，語音識別速度提高了2倍。添加科客公眾號kekebat，獲取更多精彩資訊。