Tehnologia Microsoft de recunoaștere a vorbirii este acum mai precisă decât oricând

Tehnologia Microsoft de recunoaștere a vorbirii tocmai a atins acuratețea la nivel uman. Echipa de cercetare a companiei a anunțat că sistemul său de recunoaștere a vorbirii are acum o rată de eroare a cuvintelor (WER) de doar 5.1%. Aceasta este în scădere față de valoarea WER anterioară a sistemului de 5.9%. Redmond și-a avansat constant sistemul de recunoaștere a vorbirii de-a lungul anului și a reușit să-l reducă la 5.1% din 6.3% WER a atins-o în septembrie a anului trecut. Compania a reușit să-și reducă rata de eroare cu 12% în ultimul an.

Rapoartele anterioare au arătat că rata de eroare a cuvintelor umane este în prezent la 5,1%, ceea ce înseamnă că sistemul de recunoaștere a vorbirii Microsoft este efectiv la fel de precis ca și oamenii. Aceasta este o realizare destul de uriașă din partea Microsoft, deoarece încearcă să atingă paritatea umană în ultimii 25 de ani.

Redmond a detaliat modul în care atinge o rată de eroare mai mică folosind o combinație între o rețea neuronală convoluțională și o memorie bidirecțională pe termen lung pe o Raportul tehnic. Inginerii de la Microsoft au lucrat, de asemenea, la îmbunătățirea modelelor sale acustice și de limbaj bazate pe rețea neuronală, contribuind la rata îmbunătățită a erorilor de cuvinte. De asemenea, compania susține că investiția sa în domeniul cloud a permis un proces de instruire mai rapid pentru modelele sale acustice și lingvistice.

Tehnologia de recunoaștere a vorbirii de la Microsoft utilizată în Windows, Cortana, Office, Cognitive Services și acuratețea îmbunătățită vor beneficia probabil de aproape toți clienții săi în lunile următoare.