人工智能公司依图科技公布了在中文语音识别技术上的最新突破。在全球最大的中文开源数据库AISHELL-2中，依图短语音听写的字错率（CER）仅为3.71%，相比原业内领先者提升近20%，大幅刷新现有纪录。

除了傲人的成绩之外，此次依图还得到两家巨头企业的共同“点名”。其一，是与当前市值最高的企业微软Azure联合推出依图语音开放平台；其二，是携手“通信巨头”华为，发布“智能语音联合解决方案”。

依图首席创新官吕昊博士

近年来，深度学习的爆发驱动了语音识别技术的高速发展，但相较于人脸识别在准确率方面的高增速来说，语音识别的发展仍较为缓慢。尽管一些机构已宣传达到了人类水平，但大多数情况下都来自安静、近场等受限场景。对于电话、语音节目、远场等更复杂场景，理想和现实仍有较大差距。而在中文语音识别技术领域，汉语的博大精深带来的同音不同意等问题，更对语音识别的处理难度带来极大挑战。

依图首席创新官吴昊博士表示，“语音识别技术经历了漫长的发展进化，但至今都只能在受限的场景下才能达到较好的使用效果。我们认为，核心技术的突破，依然是当前破局中文语音识别发展的关键。在语音识别领域，依图科技是一名新生，但立志推动行业创新与发展，做世界最好的中文普通话语音识别技术。”

依图此次推出的中文语音识别算法，与业内原有领先者相比，不仅大幅提升了识别准确率，且在单个算法模型上，有极为出色的多场景适用性表现。在业内近期公开的AISHELL-2的三个测试子集，以及来自第三方的近场口音测试集、近场安静聊天测试集、语音节目测试集、电话测试集、远场测试集中，依图均处于业界领先水平，且字错率全部在15%以下。其中，在AISHELL2-2018A-EVAL数据集中，依图的识别准确率高达96.29%，字错率（CER）仅为3.71%，领先行业第二名约20%。通过“听写大会”微信小程序，让用户可以直观感受到语音识别技术的真实表现，在业界也属首次，公开透明的体验各类算法的水平差异。

语音识别是人人交互、人机交互最重要的入口，这也让语音识别成为是各大企业必争的互联网入口级技术。当前如火如荼的语音输入法等应用，以及智能音箱、智能机器人，以及智能家居等智能硬件，都是市场规模极为庞大的典型应用场景。据市场调研机构Tractica统计，2017年全球语音和语音识别软件市场规模达到11亿美元，而在2025年，这一数字预计将达到69亿美元。

因此，从行业巨头到新创公司，都在积极部署语音识别技术。而面对大量终端设备所产生的海量数据，在云端部署人工智能成为当下的主流方式。一方面，针对庞大的开发者需求，基于云服务来构建开放平台，才能够推动行业生态。另一方面，企业需要在云端部署高性能的服务器系统，才能够满足大量终端设备的语音处理请求。

作为目前全球市值最高的企业，微软在云端业务方面的高速增长，成为其发展的重要驱动力。在微软2019财年第一财季的财报中显示，Azure云业务的营收同比增长达76%。当前，微软也正将人工智能作为Azure发展的一大核心方向。微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋博士曾表示，“Azure是人工智能最佳的云平台，许多开发者和企业已经利用它创造出许多奇妙的应用。”

依图科技+微软联合发布依图语音开放平台

此次依图与微软深化合作，基于微软Azure云，联合推出依图语音开放平台，可以看作是在最好的人工智能云平台上，将行业领先的语音识别技术能力开放给广泛的第三方应用开发者。而在联合发布语音开放平台之后，依图与微软还将在智能语音领域展开更深层次的合作，共建AI生态。

依图与华为联合发布的“智能语音联合解决方案”，基于依图语音开放平台及华为全栈全场景昇腾（Ascend）系列芯片和面向数据中心侧的Atlas 300 AI加速卡，将双方强大的技术研发能力与生态服务能力深度结合，形成软硬件一体化的联合解决方案。借助该解决方案，第三方应用开发者可进一步提升开发效率，从业界领先的语音技术中受益。

Atlas是华为新一代智能云硬件平台，可以助力企业加速智能化进程，不仅可为AI应用带来强大的算力支持，更能提供完整的AI解决方案，真正让AI“跑在云上”。此次合作，可以透过软硬件的深度融合，加速企业对依图语音识别技术的云端部署，快速构建能够提供行业领先智能语音技术服务的基础设施。

依图科技+华为发布“智能语音联合解决方案”

语音识别是人工智能理解世界最重要的组成部分。依图预计，在未来6个月到12个月，语音识别技术的算法性能将呈指数级增长，随之带来的是对云端处理的巨大需求。此次依图与微软、华为的合作，有力推动了依图智能语音技术在云端平台的构建，形成智能语音云端联盟，为解锁新场景、赋能新应用提供坚实的基础设施，从而撬动数十亿美元的市场。