微软研究人员在期刊上发表新的语音辨识技术，号称能达到人类部分的辨识能力，在测试环境下，有人类的辨识水准。
微软这套新的语言辨识系统采用神经语言技术串连类似的文字，能够有效组织化。这套新系统的文字错误率是 5.9%，相当于一般人类的水准。
微软首席语音科学家 Xuedong Huang 说：“我们达成人类部分的辨识能力了，这可是历史性的成就。”
这项成就意味着语音辨识系统能像人类一样“听懂”人类的对话。微软打算运用这套技术到他们的语音助理 Cortana 上面，以及语音辨识软件。
微软人工智能和研究团队的执行副总裁 Harry Shum 说：“即便是 5 年前，我还很难想像我们能达成这项成就。我甚至觉得这不可能啊。”
尽管有相当好的结果，微软仍要证明在现实中，不同的语言对话情境，杂音很大的环境，像是车子里或派对上，还有不同口音下，都能达到好的辨识结果。语音辨识系统也必须能在多人对话下，“记住”对话的人。不论是不同年龄、腔调或语言能力，辨识系统都要能处理这些不同口音状况。而对 Cortana 这类语音助理来说，知道文字意思转成对应的行动，远比正确拼写出来还要重要的多啊。
微软人工智能和研究团队主管 Geoffrey Zweig 说：“下一步是从辨识到了解。”
相关连结
- Microsoft reaches ‘human parity’ with new speech recognition system
(首图来源：Flickr/Mike Mozart, CC-BY 2.0)
