網(wǎng)易 AI Lab 榮獲INTERSPEECH 2020 雙料冠軍

量子位的朋友們 2020-07-23 16:13:18 來源：量子位

近日，全球最大的語音會議 INTERSPEECH 2020公布了 SdSV 聲紋識別比賽 成績，網(wǎng)易 AI Lab 從眾多國際頂級隊伍中脫穎而出，獲文本相關聲紋識別賽道 綜合排名第一、單模型第一的雙料冠軍。彰顯了網(wǎng)易 AI Lab 在語音聲紋識別技 術領域的領先地位。

INTERSPEECH會議是全球最大的綜合性語音信號處理領域的科技盛會，業(yè)內享有極高的聲譽，對參與企業(yè)有著嚴苛的準入門檻要求。本次國際聲紋識別比賽的參賽隊伍來自國際多家知名高校與企業(yè)，包括近兩年全球各項聲紋識別比賽中的“常勝將軍”：布爾諾工業(yè)大學、新加坡通信研究院、約翰霍普金斯大學等。

比賽采用 MinDCF（最小檢測代價）和 EER（等錯誤率）作為評測指標。網(wǎng)易 AI Lab 的單模型在兩個指標均為最佳，其中 EER 達到了 1.67%，相比第二名降低了 11.6%，并遠低于比賽 X-Vector 基線系統(tǒng)（EER=9.05%）。

除了在綜合指標上的領先外，網(wǎng)易 AI Lab 基于常見的 X-Vector 和 PLDA 算法，創(chuàng)新地提出了一種 ASR-free 的文本相關聲紋識別算法。相比傳統(tǒng)的 Deep Speaker Embedding 方法，該算法不需要依賴語音識別， 就能夠在多語言環(huán)境下，同時完成說話人和文本內容的驗證。

聲紋識別技術以往多應用于安防等場景中，而網(wǎng)易 AI Lab 則創(chuàng)新性的將聲紋識別技術與游戲場景結合，除了進行游戲身份驗證，還能夠針對音色對用戶進行分類、豐富玩家畫像，從而更加精準地為玩家推薦志趣相投的好友、匹配實力相當?shù)膶κ?，為玩家?guī)砀玫挠螒蝮w驗。

積極探索人工智能技術與應用場景的結合，是網(wǎng)易布局人工智能的重要方向之一。近日，網(wǎng)易CEO丁磊也在2020世界人工智能大會上表示，人工智能不是技術問題，是應用場景問題。

近幾年，網(wǎng)易結合自身業(yè)務，在計算機視覺和智能語音語言方面做了多項應用場景的落地。比如，去年《一夢江湖》與網(wǎng)易互娛AIlab合作推出全新功能——AI智能捏臉。該功能通過人臉特征的映射采用“人臉屬性識別”和“自適應參數(shù)映射”技術，將人臉視覺特征與捏臉參數(shù)相匯通。AI捏臉不僅會保留照片原有的五官、形狀、布局，還會保留照片上例如微笑、悲傷等細節(jié)神態(tài)，使臉型傳神又真實。用戶只需上傳一張真人照片，就可以獲得便捷、智能、多元化的捏臉體驗，該玩法一經(jīng)推出，便受到許多用戶歡迎。