科大訊飛榮獲OpenASR國際低資源多語種語音識別挑戰(zhàn)賽冠軍
來源：中金在線
?
2021-11-18 15:04:09
11月10日，由美國國家標準與技術(shù)研究院NIST發(fā)起的OpenASR挑戰(zhàn)賽落下帷幕，科大訊飛-中科大語音及語言信息處理國家工程實驗室聯(lián)合團隊參加了所有15個語種受限賽道和7個語種非受限賽道，全部取得第一。
繼前不久榮獲多語言理解評測XTREME冠軍之后，科大訊飛在多語種領(lǐng)域再次取得突破，在探索人機交互更自然、人人溝通無障礙的征程中又邁出了堅實的一步，也為中國多語種語音語言技術(shù)趕超國際先進水平、中國智能制造的全球化奠定了堅實的基礎(chǔ)。
從大語種向低資源多語種拓展
近年來，隨著深度學(xué)習(xí)技術(shù)的進步，漢語、英語等大語種語音識別技術(shù)日趨成熟，并獲得廣泛的應(yīng)用。
相比之下，小語種語音識別因其語音數(shù)據(jù)資源難以獲取、難以標注、難以評估、語言專家稀缺等原因，已經(jīng)成為世界性的研究難題，距離實用門檻仍有較大差距。
與NIST此前組織的其他賽事相比，OpenASR更加關(guān)注小語種語音技術(shù)，探索如何使用少量的數(shù)據(jù)達到較好的效果，同時考察低資源語音識別基礎(chǔ)算法在多個語種上的推廣性。自2020年啟動以來，吸引了加拿大蒙特利爾信息科技研究中心、新加坡科技研究局、清華大學(xué)、騰訊等國內(nèi)外知名研究機構(gòu)和企業(yè)參與其中。
本次比賽共包含15個語種，涵蓋受限賽道、受限附加賽道和非受限賽道。
表1：15個語種信息
其中受限賽道為各參賽單位必選項，每個語種只能使用組委會提供的10小時標注語音識別數(shù)據(jù)，受限附加賽道在受限賽道的基礎(chǔ)上允許使用開源的預(yù)訓(xùn)練模型，而非受限賽道可以使用受限數(shù)據(jù)以外的數(shù)據(jù)。
科大訊飛-中科大聯(lián)合團隊在比賽中提出了基于語音和文本統(tǒng)一空間表達的半監(jiān)督語音識別框架(UnifiedSpatialRepresentationSemi-supervisedASR，USRS-ASR)，獲此佳績也驗證了該算法良好的推廣性。
圖1：聯(lián)合團隊全部15個語種受限賽道成績
圖2：聯(lián)合團隊參加的7個語種非受限賽道成績
領(lǐng)先技術(shù)亮相國際賽場
對于低資源語種而言，除了語音數(shù)據(jù)量較小外，其發(fā)音詞典大小、語料豐富性、標注準確度都遠不及常規(guī)水平。本次比賽中各個語種數(shù)據(jù)主要來自電話信道，口語化特征十分明顯，對話風(fēng)格非常自由，也使得語音識別難上加難。
在受限賽道上，由于每個語種只有10小時語音數(shù)據(jù)，如何使用少量文本數(shù)據(jù)，利用無監(jiān)督的方法增加語音訓(xùn)練數(shù)據(jù)的多樣性至關(guān)重要。
科大訊飛-中科大聯(lián)合團隊創(chuàng)新運用Flow-TTS語音合成進行訓(xùn)練數(shù)據(jù)擴增，并使用語音屬性解耦技術(shù)保證合成語音的多樣性。結(jié)果顯示，使用上述無監(jiān)督數(shù)據(jù)擴增方案，能夠穩(wěn)定、顯著地提升低資源語音識別任務(wù)的效果。
而在非受限賽道上，雖然參賽者可以利用公開的語音數(shù)據(jù)，但數(shù)據(jù)總量仍只有數(shù)百小時，而且語音數(shù)據(jù)和文本數(shù)據(jù)的量級差距十分明顯，這對于端到端識別框架來說，弊端更為明顯。
為了在端到端統(tǒng)一框架下，充分使用少量語音數(shù)據(jù)和海量文本數(shù)據(jù)，科大訊飛-中科大聯(lián)合團隊提出了基于語音和文本統(tǒng)一空間表達的半監(jiān)督語音識別框架USRS-ASR。
首先，對于海量文本數(shù)據(jù)的使用，創(chuàng)新設(shè)計了文本掩碼語言模型任務(wù)、合成數(shù)據(jù)語音識別兩個目標，兩個任務(wù)聯(lián)合訓(xùn)練以充分利用海量無監(jiān)督文本；其次，設(shè)計了共享語言解碼模塊，實現(xiàn)了語音和文本隱層表達空間的統(tǒng)一，大大緩解了低資源語種的數(shù)據(jù)稀疏問題。
圖3：USRS-ASR框架示意圖
為全球提供多語種智能語音解決方案
就在不久前，工信部正式批復(fù)同意成立國家智能語音創(chuàng)新中心、國家高端智能化家用電器創(chuàng)新中心，科技創(chuàng)新正不斷引領(lǐng)產(chǎn)業(yè)升級。
值得注意的是，在這兩家國家級創(chuàng)新中心依托公司的股東名單中，“科大訊飛”均赫然在列。
持續(xù)致力于打造源頭技術(shù)創(chuàng)新策源地，科大訊飛正不斷追尋“頂天立地”的產(chǎn)業(yè)夢想。
多語種語音語言技術(shù)是萬物互聯(lián)時代實現(xiàn)人機交互的關(guān)鍵技術(shù)，也是實現(xiàn)“一帶一路”語言大互通的基礎(chǔ)技術(shù)。
從2014年開始，科大訊飛就一直在該方向的源頭技術(shù)創(chuàng)新及產(chǎn)業(yè)化應(yīng)用上持續(xù)投入，并不斷挑戰(zhàn)實際應(yīng)用中的技術(shù)難題。
經(jīng)過多年的技術(shù)積累，除了中英以外，科大訊飛還具備了69種語言的語音識別能力(其中35個語種準確率已超過90%)，并已在新加坡、俄羅斯、印度、日本等國家部署了海外站點，為各地開發(fā)者提供語音識別、語音合成、機器翻譯、圖文識別等語音語言服務(wù)，所有服務(wù)均在科大訊飛開放平臺開放。
多語種技術(shù)有力支撐了科大訊飛智能硬件產(chǎn)品創(chuàng)新。在翻譯終端方面，2016年11月發(fā)布的科大訊飛智能翻譯硬件，開創(chuàng)了AI翻譯機新品類；在會議同傳方面，2016年11月推出的訊飛聽見多語種字幕同傳系統(tǒng)，支持日韓法西等多國語言的同聲傳譯；在錄音筆方面，科大訊飛于2019年5月發(fā)布智能錄音筆，次年升級支持8種語言轉(zhuǎn)寫能力，2021年日本版智能錄音筆VOITER系列在日本一經(jīng)上線，就取得單月銷售破千臺的亮眼成績。
除自身產(chǎn)品以外，科大訊飛也積極為“中國制造”出海產(chǎn)品提供自主可控解決方案。
在手機、家電方面，為國內(nèi)眾多手機廠商提供包括中英在內(nèi)的多語種語音識別、語音合成能力解決方案，并聯(lián)合海爾研發(fā)多語種識別系統(tǒng)，助力其拓展東南亞市場；在車載交互方面，與上汽、長安、奇瑞等國內(nèi)主要出海汽車提供商，以及俄羅斯汽車工程研究院(NAMI)等海外車廠開展多語種項目合作，覆蓋英語、俄語、日語、泰語、西班牙語、意大利語等數(shù)十個語種。
此外，科大訊飛的多語種相關(guān)技術(shù)能力也已應(yīng)用于北京2022年冬奧會官方APP(冬奧通)，助力冬奧信息溝通無障礙。
作為人工智能國家隊，科大訊飛將繼續(xù)堅持源頭核心技術(shù)創(chuàng)新，聯(lián)合國內(nèi)眾多研究機構(gòu)與企業(yè)，構(gòu)建多語言技術(shù)的系統(tǒng)性創(chuàng)新研發(fā)生態(tài)，共同推動我國多語言技術(shù)進步與應(yīng)用落地。
