3月25日消息，阿里巴巴聯(lián)手中科院，實(shí)現(xiàn)AI“聽(tīng)音識(shí)人”。通過(guò)訓(xùn)練AI模型，研究表情和聲音的關(guān)系。給定一段聲音和僅有一張正確人臉的若干張圖片，AI將為該聲音找到“主人”。經(jīng)驗(yàn)證明，準(zhǔn)確率達(dá)到90%。在“1對(duì)N”的匹配實(shí)驗(yàn)中，AI還能對(duì)聲音歸屬人臉的“可能性”進(jìn)行排序。

值得一提的是，在2020云棲大會(huì)上，阿里達(dá)摩院曾公布了語(yǔ)音AI技術(shù)的最新突破：端上語(yǔ)音識(shí)別和語(yǔ)音合成能力首次達(dá)到媲美云端的水平，這意味著未來(lái)個(gè)人用戶在移動(dòng)終端即可輕松體驗(yàn)逼近真人的語(yǔ)音技術(shù)。

據(jù)介紹，在語(yǔ)音識(shí)別方面，達(dá)摩院提出SAN-M網(wǎng)絡(luò)結(jié)構(gòu)及基于SCAMA的流式端到端語(yǔ)音識(shí)別框架，提升計(jì)算效率的同時(shí)，還將高難度場(chǎng)景中的語(yǔ)音識(shí)別錯(cuò)誤率降低近三成。

彼時(shí)，達(dá)摩院最新的語(yǔ)音技術(shù)已在淘寶直播、釘釘會(huì)議、高德導(dǎo)航等場(chǎng)景大規(guī)模應(yīng)用，正全面對(duì)外開(kāi)放。