Teknologi pengenalan suara Microsoft kini lebih akurat dibandingkan sebelumnya

Teknologi pengenalan suara Microsoft baru saja mencapai akurasi tingkat manusia. Tim peneliti perusahaan mengumumkan bahwa sistem pengenalan ucapannya sekarang memiliki Tingkat Kesalahan Kata (WER) hanya 5.1%. Itu turun dari sistem WER sebelumnya sebesar 5.9%. Redmond terus-menerus meningkatkan sistem pengenalan ucapannya sepanjang tahun dan berhasil menurunkannya menjadi 5.1% dari 6.3% WER dicapai kembali pada bulan September tahun lalu. Perusahaan mampu mengurangi tingkat kesalahannya sebesar 12% selama setahun terakhir.

Laporan sebelumnya telah menunjukkan bahwa tingkat kesalahan kata manusia adalah saat ini di 5,1%, yang berarti sistem pengenalan suara Microsoft secara efektif seakurat manusia. Itu adalah pencapaian yang cukup besar di pihak Microsoft, karena telah berusaha mencapai kesetaraan manusia selama 25 tahun terakhir.

Redmond merinci bagaimana mencapai tingkat kesalahan yang lebih rendah menggunakan kombinasi jaringan saraf convolutional dan memori jangka pendek dua arah pada laporan teknikal. Insinyur di Microsoft juga telah bekerja untuk meningkatkan model akustik dan bahasa berbasis jaringan saraf, berkontribusi pada tingkat kesalahan kata yang lebih baik. Perusahaan juga mengklaim investasinya dalam bisnis cloud telah memungkinkan proses pelatihan yang lebih cepat untuk model akustik dan bahasanya.

Teknologi pengenalan suara Microsoft yang digunakan di Windows, Cortana, Office, Layanan Kognitif, dan akurasi yang ditingkatkan kemungkinan akan menguntungkan hampir semua pelanggannya dalam beberapa bulan mendatang.