在去年的錘子發(fā)布會中，羅永浩現(xiàn)場演示了訊飛輸入法后讓用戶意識到當(dāng)下語音識別能力的強大。當(dāng)然，語音識別在安靜環(huán)境、常用字詞、發(fā)音標(biāo)準(zhǔn)情況下已非常成熟，但在復(fù)雜環(huán)境下如遠(yuǎn)場識別、帶噪聲識別等情況下仍有一定的提升空間。

2016 年語音識別領(lǐng)域有著不小的進展，其主要體現(xiàn)在模型方面的突破：

Deep CNN 模型大熱，百度把 Deep CNN 應(yīng)用于語音識別聲學(xué)建模中，將其與基于 LSTM 和 CTC 的端對端語音識別技術(shù)相結(jié)合，大大提升了語音識別能力；微軟則是把 ResNet 應(yīng)用于語音識別，在產(chǎn)業(yè)標(biāo)準(zhǔn) Switchboard 語音識別基準(zhǔn)測試中，實現(xiàn)了詞錯率(WER)低至 5.9% 的新突破；科大訊飛也推出了全新的深度全序列卷積神經(jīng)網(wǎng)絡(luò) DFCNN。

與此同時，新的深度學(xué)習(xí)開源框架層出不窮，開發(fā)者做語音識別到底是用 Kaldi 這類傳統(tǒng)框架還是用 TensorFlow 這類新型框架呢？

針對上述幾大話題，雷鋒網(wǎng)硬創(chuàng)公開課特邀供職于阿里巴巴最神秘的研究部門 iDST 的語音專家薛少飛博士，從聲學(xué)模型和算法角度深入講述 2016 年語音識別領(lǐng)域的重大突破。

嘉賓介紹

薛少飛，阿里巴巴 iDST 語音識別專家，中國科學(xué)技術(shù)大學(xué)博士?，F(xiàn)負(fù)責(zé)阿里聲學(xué)模型研究與應(yīng)用：包括語音識別聲學(xué)建模和深度學(xué)習(xí)在業(yè)務(wù)場景中的應(yīng)用。博士期間的研究方向為語音識別說話人自適應(yīng)，提出基于 Speaker Code 的模型域自適應(yīng)方法，在語音相關(guān)的會議和期刊上發(fā)表論文十余篇。

本期公開課內(nèi)容將包括但不限于：

• 語音識別領(lǐng)域的最新進展。

• 詳解阿里的聲學(xué)模型。

• Deep CNN 的原理，相比于之前的 LSTM、RNN、CTC 模型有哪些不同和優(yōu)勢。

• 介紹不同單位提出的 Deep CNN 結(jié)構(gòu)，如科大訊飛提出的深度全序列卷積神經(jīng)網(wǎng)絡(luò) DFCNN 等。

• ResNet 在語音識別中的應(yīng)用。
  

• 對比傳統(tǒng)語音識別開源框架（Kaldi、CMU Sphinx、Julius）與深度學(xué)習(xí)開源框架（CNTK、TensorFlow）

活動詳情

主題：解讀全新聲學(xué)模型與算法：2016 年語音識別的重大進步

嘉賓：薛少飛

時間：1 月 19 日周四晚上 20:00

形式：斗魚直播+微信群與嘉賓問答互動

地址：硬創(chuàng)公開課 斗魚直播間（房間號：788495）

本期雷鋒網(wǎng)硬創(chuàng)公開課將會有【斗魚直播+微信群問答】兩個環(huán)節(jié)。嘉賓直播授課分享結(jié)束后，將會在微信群與群友問答互動。

為了打造高質(zhì)量且細(xì)分的讀者交流群，我們需要您提交一些基本資料作簡單審核，而本次公開課讀者群將優(yōu)先 NLP 相關(guān)從業(yè)者和學(xué)生進入。

掃描下方海報上的二維碼，進入雷鋒網(wǎng)人工智能垂直微信公眾號【AI 科技評論】后，可獲得詳細(xì)入群方式。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。