近日，網(wǎng)易有道在語音研究領(lǐng)域頂級峰會INTERSPEECH 2021上的兒童語音識別比賽 ETLT 2021 上榮膺英語開放賽道和封閉賽道兩項(xiàng)第一。INTERSPEECH是由國際語音通信協(xié)會ISCA組織的語音研究領(lǐng)域的頂級會議之一，是全球最大的綜合性語音信號處理領(lǐng)域的科技盛會。作為年度一次的語音界盛會，全球眾多語音領(lǐng)域以及人工智能領(lǐng)域的知名學(xué)者、企業(yè)以及研發(fā)人員都會前往出席會議。

據(jù)悉，此次競賽的賽題是解決非母語兒童語音識別問題。由于兒童語音天生的差異性，包含生理差異(如兒童聲道長度較短)、認(rèn)知差異(如語言習(xí)得水平較低，常出現(xiàn)語法邏輯錯(cuò)誤、發(fā)音前置錯(cuò)誤、發(fā)音不完整和語種混雜等情況)，以及行為差異(如兒童習(xí)慣低聲私語)等，導(dǎo)致通用語音識別模型難以適配，這就讓非母語兒童語音識別系統(tǒng)的構(gòu)建更具挑戰(zhàn)性。 另一方面則是非母語兒童語音的數(shù)據(jù)資源較為稀缺，使得常規(guī)聲學(xué)建模方法在該場景下很難奏效。

網(wǎng)易有道團(tuán)隊(duì)?wèi){借在多年對ASR（自動語音識別Automatic Speech Recognition）技術(shù)研發(fā)以及實(shí)際教育場景中積累的豐富經(jīng)驗(yàn)，充分結(jié)合兒童語音在生理特征及語言認(rèn)知方面的特殊性，獲得了英語開放賽道和封閉賽道兩項(xiàng)第一。其中，封閉賽道中的主要難題在于如何在非英語母語兒童語音數(shù)據(jù)稀缺的情況下獲得優(yōu)秀的識別效果；而開放賽道則聚焦于如何有效地將大量的成人語音數(shù)據(jù)遷移到兒童語音識別模型訓(xùn)練中。從數(shù)據(jù)中不難看出，網(wǎng)易有道能夠面對復(fù)雜的環(huán)境下有出色表現(xiàn)，在眾多競爭對手中脫穎而出獲得大獎(jiǎng)，無疑是對有道在ASR技術(shù)研發(fā)及應(yīng)用領(lǐng)域的認(rèn)可。

此次網(wǎng)易有道的獲獎(jiǎng)并不意外，在 2020 年 INTERSPEECH 口音英語語音識別挑戰(zhàn)賽中，有道研究人員提交的系統(tǒng)在口音識別任務(wù)中就排名第二。有道的吳昊、王海魏等人，僅準(zhǔn)備了十天時(shí)間就在口音種類識別和英語語音識別兩個(gè)賽道上獲得了第二名、第三名的好成績。

有業(yè)內(nèi)人士表示，相比打比賽，一項(xiàng)技術(shù)的工程落地是個(gè)長期過程。而網(wǎng)易有道的這支語音團(tuán)隊(duì)一直秉承著以技術(shù)落地為導(dǎo)向，以用戶反饋為指標(biāo)。

網(wǎng)易人工智能對語音識別技術(shù)（ASR）的研究開始于2014年。目前，網(wǎng)易有道K12教育領(lǐng)域上有諸多兒童語音識別方面的應(yīng)用，例如有道樂讀，有道精品課等。其中，有道樂讀的在線教學(xué)過程中，通過ASR技術(shù)，兒童可進(jìn)行語音互動答題，不必進(jìn)行手動選擇答案。而有道精品課在高中語文課程中，則上線了“智能背誦計(jì)劃”功能，通過AI識別語音中的錯(cuò)漏內(nèi)容，并給予完成度打分，學(xué)生可以根據(jù)自己的學(xué)習(xí)節(jié)奏進(jìn)行有效練習(xí)。經(jīng)過測試，有道語音識別技術(shù)在一些場景上識別準(zhǔn)確率超過98%，不止支持中文、英文，還支持日、韓、法、德等多種語言。

近年來，以翻譯技術(shù)起家的有道，在AI時(shí)代攻堅(jiān)神經(jīng)網(wǎng)絡(luò)翻譯技術(shù)（NMT），目前其NMT準(zhǔn)確度已達(dá)到國際領(lǐng)先水平；作為王牌技術(shù)之一的OCR識別技術(shù)，已經(jīng)能支持26種主流語言文字，是目前國內(nèi)識別語言最多的OCR識別引擎。有道在AI領(lǐng)域除了不斷更新迭代的有道詞典筆等硬件產(chǎn)品，有道精品課、有道詞典等產(chǎn)品上也應(yīng)用了語音識別、口語打分、AI作文批改等智能技術(shù)。只有有符合市場需求的技術(shù)才能在一代代產(chǎn)品的穩(wěn)定推出中，扎實(shí)生根。