站長資訊網近日,全球最大的語音會議INTERSPEECH 2020公布了SdSV聲紋識別比賽成績,網易AI Lab 從眾多國際頂級隊伍中脫穎而出,獲文本相關聲紋識別賽道綜合排名第一、單模型第一的雙料冠軍。彰顯了網
近日,全球最大的語音會議INTERSPEECH 2020公布了SdSV聲紋識別比賽成績,網易AI Lab 從眾多國際頂級隊伍中脫穎而出,獲文本相關聲紋識別賽道綜合排名第一、單模型第一的雙料冠軍。彰顯了網易AI Lab在語音聲紋識別技術領域的領先地位。
本次國際聲紋識別比賽是業界非常具備權威性的賽事,參賽隊伍來自國際多家知名高校與企業,包括近兩年全球各項聲紋識別比賽中的“常勝將軍”:布爾諾工業大學、新加坡通信研究院、約翰霍普金斯大學等。
比賽中,網易 AI Lab 基于常見的X-Vector和PLDA算法,創新地提出了一種ASR-free的文本相關聲紋識別算法。相比傳統的Deep Speaker Embedding方法,該算法不需要依賴語音識別,就能夠在多語言環境下,同時完成說話人和文本內容的驗證。
比賽采用MinDCF(最小檢測代價)和EER(等錯誤率)作為評測指標。網易AI Lab的單模型在兩個指標均為最佳,其中EER達到了1.67%,相比第二名降低了11.6%,并遠低于比賽 X-Vector基線系統(EER=9.05%)。
評估算法系統性能時常輸出ROC 曲線,用于描述FAR(誤識率)與FRR(拒識率)之間的關系。?
簡單說,在聲紋識別中,誤識率就是“把不應該匹配的聲紋當成匹配聲紋”的比例,拒識率則是“把應該匹配的聲紋當成不匹配聲紋”的比例。
在對安全要求非常高的應用場景,就會把FAR值設置得低一些,因為判斷錯一次的代價很大,但這樣做的同時會導致FRR值上升,用戶體驗度下降。
等錯誤率(EER)是系統的誤識率(FAR)和拒識率(FRR)相等時的錯誤率,即ROC曲線與45度角直線相交的點,是衡量聲紋識別算法系統綜合性能的重要指標。EER數值越小,系統性能越好。
聲紋識別是生物識別技術的一種,也稱為說話人識別,是一種通過聲音判別說話人身份的技術。
目前,人工智能主要有三個研究方向:視覺識別、智能語音、NLP自然語言處理。其中,在語音識別領域,聲紋識別屬于相對藍海市場,解決的主要是“我是我”的身份認證問題,多應用在安全驗證場景。
從近幾年的市場趨勢來看,銀行,金融服務,保險已成為聲紋識別應用的領導領域。
隨著技術的不斷成熟和融合,聲紋識別技術將逐漸融入日常生活,根據不同應用場景的特點進行針對性開發,將產生巨大的應用價值。
而網易 AI Lab 聲紋識別技術其實早已被運用于游戲場景中。除了進行游戲身份驗證,還能夠針對音色對用戶進行分類、豐富玩家畫像,從而更加精準地為玩家推薦志趣相投的好友、匹配實力相當的對手,為玩家帶來更好的游戲體驗。
特別提醒：本網內容轉載自其他媒體，目的在于傳遞更多信息，并不代表本網贊同其觀點。其原創性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網有任何內容侵犯您的權益，請及時聯系我們，本站將會在24小時內處理完畢。
