網(wǎng)易 AI Lab 榮獲INTERSPEECH 2020 雙料冠軍
網(wǎng)易 AI Lab 從眾多國際頂級(jí)隊(duì)伍中脫穎而出，獲文本相關(guān)聲紋識(shí)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(shí)別技 術(shù)領(lǐng)域的領(lǐng)先地位。
近日，全球最大的語音會(huì)議 INTERSPEECH 2020公布了 SdSV 聲紋識(shí)別比賽 成績，網(wǎng)易 AI Lab 從眾多國際頂級(jí)隊(duì)伍中脫穎而出，獲文本相關(guān)聲紋識(shí)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(shí)別技 術(shù)領(lǐng)域的領(lǐng)先地位。
INTERSPEECH會(huì)議是全球最大的綜合性語音信號(hào)處理領(lǐng)域的科技盛會(huì)，業(yè)內(nèi)享有極高的聲譽(yù)，對(duì)參與企業(yè)有著嚴(yán)苛的準(zhǔn)入門檻要求。本次國際聲紋識(shí)別比賽的參賽隊(duì)伍來自國際多家知名高校與企業(yè)，包括近兩年全球各項(xiàng)聲紋識(shí)別比賽中的“常勝將軍”：布爾諾工業(yè)大學(xué)、新加坡通信研究院、約翰霍普金斯大學(xué)等。
比賽采用 MinDCF（最小檢測代價(jià)）和 EER（等錯(cuò)誤率）作為評(píng)測指標(biāo)。網(wǎng)易 AI Lab 的單模型在兩個(gè)指標(biāo)均為最佳，其中 EER 達(dá)到了 1.67%，相比第二名降低了 11.6%，并遠(yuǎn)低于比賽 X-Vector 基線系統(tǒng)（EER=9.05%）。
除了在綜合指標(biāo)上的領(lǐng)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(guān)聲紋識(shí)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(shí)別， 就能夠在多語言環(huán)境下，同時(shí)完成說話人和文本內(nèi)容的驗(yàn)證。
聲紋識(shí)別技術(shù)以往多應(yīng)用于安防等場景中，而網(wǎng)易 AI Lab 則創(chuàng)新性的將聲紋識(shí)別技術(shù)與游戲場景結(jié)合，除了進(jìn)行游戲身份驗(yàn)證，還能夠針對(duì)音色對(duì)用戶進(jìn)行分類、豐富玩家畫像，從而更加精準(zhǔn)地為玩家推薦志趣相投的好友、匹配實(shí)力相當(dāng)?shù)膶?duì)手，為玩家?guī)砀玫挠螒蝮w驗(yàn)。
積極探索人工智能技術(shù)與應(yīng)用場景的結(jié)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(huì)上表示，人工智能不是技術(shù)問題，是應(yīng)用場景問題。
近幾年，網(wǎng)易結(jié)合自身業(yè)務(wù)，在計(jì)算機(jī)視覺和智能語音語言方面做了多項(xiàng)應(yīng)用場景的落地。比如，去年《一夢(mèng)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(shí)別”和“自適應(yīng)參數(shù)映射”技術(shù)，將人臉視覺特征與捏臉參數(shù)相匯通。AI捏臉不僅會(huì)保留照片原有的五官、形狀、布局，還會(huì)保留照片上例如微笑、悲傷等細(xì)節(jié)神態(tài)，使臉型傳神又真實(shí)。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(yàn)，該玩法一經(jīng)推出，便受到許多用戶歡迎。
