前沿AI技术落地录音笔 科大讯飞获国际说话人角色分离比赛冠军

1月23日，人工智能企业科大讯飞在最新一届DIHARD-3（国际说话人角色分离比赛）中摘得桂冠，证明了科大讯飞AI语音技术在复杂环境下辨别说话人角色的能力全球领先。作为说话人角色分离任务领域最“困难的”挑战赛，第三届DIHARD由美国国家标准与技术研究院（NIST）参与联合主办，参赛研究机构包括约翰霍普金斯大学、南加州大学、牛津大学等顶尖团队。

人工智能语音技术包含多个子领域，包括语音文字转译、TTS播报等等，说话人角色分离的加入让音频记录有了多一维度的价值。例如职场中常常出现的多部门多人会议，通过语音文字转译结合说话人角色分离技术，实现快速产出标注了不同说话人的文字会议记录。

科大讯飞将上述多类型的AI语音技术集成落地在讯飞智能录音笔系列产品中，内置科大讯飞转写引擎——ED新引擎，能够为用户带来更为无缝、高效、准确的多人多语言记录体验。

讯飞智能录音笔支持自动切换纯中文、纯英文识别模式，同时智能识别中英文混读场景，以及普通话与多地方言的混合场景，综合转写准确率高达98%。基于科大讯飞在语音识别领域的深厚积累，讯飞智能录音笔的转写功能支持粤语、河南话、四川话、重庆话、等12种方言转写，并支持藏语、维吾尔语2种少数民族语，同时支持中、英、日、韩、俄、法、越南、西班牙8种语言转写，更支持中英同步互译。

为让用户更高效地利用录音转写内容，科大讯飞大力投入语音识别后处理技术，在转写内容的预处理上进行了重点研发。例如针对多人交谈的会议场景，讯飞智能录音笔支持分离与ASR联合建模的说话人分离方案，说话人分离的准确率达到95%，让用户能够快速检索到各个目标说话人数据，提升内容利用效率。

转写ED新引擎为讯飞智能录音笔带来了创新的离线转写功能，支持用户在无网环境下正常使用语音实时转写功能，准确率仍旧高达95%。离线转写不仅能够保证消费者在无网环境下使用录音笔功能，更满足了部分用户对敏感机密信息的防泄露需求。

前沿技术的商用往往能够带来效率革新，此次科大讯飞联合中国科大语音及语言信息处理国家工程实验室杜俊副教授团队（USTC-NELSLIP），在DIHARD-3的四个任务排行榜上包揽所有指标第一名，领先的AI语音技术积累将通过智能录音笔等产品线为消费者提供更具价值的办公学习能力。