近日，奇富科技受邀出席了在希臘舉辦的國際語音通信與信號處理頂級會議——INTERSPEECH 2024，并發(fā)表了題為Qifusion-Net: Layer-adapted Stream/Non-stream Model for End-to-End Multi-Accent Speech Recognition的主旨演講，全面展示了其在語音識別技術(shù)領(lǐng)域的成就，為中國語音技術(shù)走向世界、參與全球競爭樹立了新的標(biāo)桿。

INTERSPEECH作為全球語音科學(xué)界最負(fù)盛名的年度會議之一，匯聚了來自世界各地的頂尖學(xué)者、研究人員及行業(yè)領(lǐng)袖，共同探討語音技術(shù)的最新進展、挑戰(zhàn)與未來趨勢。這一平臺不僅代表了語音技術(shù)領(lǐng)域的最高學(xué)術(shù)水平，也是新技術(shù)、新理念交流與碰撞的絕佳場所，其權(quán)威性和影響力在業(yè)界無出其右。

圖1：奇富科技在INTERSPEECH 2024會議做主旨演講

在演講中，奇富科技介紹了可同時支持20多種方言的新一代奇富語音識別系統(tǒng)“QiFree”，這是國內(nèi)金融行業(yè)內(nèi)字錯率最低的中文語音識別系統(tǒng)。在中文口音與方言語音識別領(lǐng)域的權(quán)威測試集KeSpeech的對比中，奇富科技憑借其在自動語音識別（Automatic Speech Recognition, ASR）領(lǐng)域的深厚積累，實現(xiàn)了方言口音分類準(zhǔn)確率的顯著提升，達到了79.10%，遠超KeSpeech的基線水平61.13%，這一數(shù)據(jù)直觀反映了奇富科技在語音識別準(zhǔn)確性上的卓越表現(xiàn)。同時，在衡量識別錯誤率的關(guān)鍵指標(biāo)——CER（Character Error Rate, 字符錯誤率）上，奇富科技更是以8.08%的成績，遠優(yōu)于KeSpeech的10.38%，展現(xiàn)了其在中文方言識別領(lǐng)域的高效與精準(zhǔn)。

表1：奇富科技“QiFree”性能效果與KeSpeech Baseline對比

奇富科技自研的中文語音識別系統(tǒng)“QiFree”，打破了單一模型只能識別特定單一方言的困境，通過創(chuàng)新的層自適應(yīng)融合結(jié)構(gòu)，借助共享信息編碼模塊更高效的提取方言信息，實現(xiàn)了即說即譯，進一步增強了語音機器人的實時交互能力。值得一提的是，“QiFree”不僅在普通話識別領(lǐng)域的CER上保持領(lǐng)先地位，更在冀-魯、江淮、膠-遼、蘭-銀等多個方言區(qū)域的識別性能上，相比過往最佳成績實現(xiàn)了超過15%的顯著提升。這一突破性成果得到了INTERSPEECH三位獨立審稿人的高度認(rèn)可，他們一致認(rèn)可奇富科技論文《Qifusion-Net：基于特征融合的流式/非流式端到端多口音語音識別框架》所展現(xiàn)的系統(tǒng)框架創(chuàng)新性與識別性能的卓越表現(xiàn)，并一致授予其“ACCEPT”的評定。

值得一提的是，在與國內(nèi)一流公司（如某科技巨頭及國內(nèi)影響力最大的語音識別開源社區(qū)）的對比中，奇富科技同樣展現(xiàn)出了壓倒性的優(yōu)勢。即便是在面對參數(shù)規(guī)模更大、訓(xùn)練數(shù)據(jù)量更豐富的對手時，奇富科技依然能以更低的CER（8.08% vs 15.61% vs 26.55%）脫穎而出，證明了其技術(shù)架構(gòu)的優(yōu)越性和算法優(yōu)化的高效性。此外，與全球領(lǐng)先的語音識別系統(tǒng)（如Openai-whisper v2）相比，盡管后者在通用語言識別上具有顯著優(yōu)勢，但在中文方言識別這一細分領(lǐng)域，奇富科技依然保持了顯著優(yōu)勢，這進一步印證了其在方言識別技術(shù)上的全球領(lǐng)先地位。

表2： 奇富科技“QiFree”關(guān)鍵指標(biāo)與國內(nèi)外一流科技公司對比

奇富科技在INTERSPEECH 2024上的再一次精彩亮相，不僅是對其多年來在語音識別技術(shù)領(lǐng)域深耕細作成果的一次全面展示，更是向世界宣告了中國企業(yè)在這一領(lǐng)域的強大競爭力和無限潛力。奇富科技正以其卓越的技術(shù)實力和創(chuàng)新精神，引領(lǐng)著方言識別技術(shù)的新一輪發(fā)展潮流，為全球語音通信與信號處理技術(shù)的進步貢獻著中國智慧與中國力量。