原标题：入局语音赛道 依图科技不做“孤胆英雄”

眼下，行业巨头都在打造自己的智能语音生态系统，国外有IBM、微软、Google等，国内则有百度、阿里、科大讯飞、搜狗和云知声。

但这一次，四大AI独角兽之一的依图科技也正式拿到入场券了。

雷锋网12月11日消息，依图科技今日公布了其在中文语音识别技术上的最新突破，宣称在全球最大的中文开源数据库AISHELL-2中，依图短语音听写的字错率（CER）仅为3.71%，相比原业内领先者提升约20%，大幅刷新现有纪录。

此外，依图科技现场宣布了与微软Azure和华为的两大全新合作。

为何此时入局？

对于依图来说，从计算机视觉进入到语音识别，是一次巨大的跳跃，因为目前行业巨头林立，入局者比依图更早拿到市场份额。

但是依图首席创新官吕昊博士看来，现在的语音识别技术发展还是不够的，相较于人脸识别的准确率而言，语音识别发展目前都比较缓慢，无论是学术界还是工业界，对于语音市场都很看好，这意味着未来发挥空间十分巨大。

雷锋网也了解到，语音识别技术其实几十年前就在发展，从50年代的贝尔研究所到八九十年代美国和日本在该技术上的突破，从软件到硬件都在取得进展；我国语音识别研究起始于1958年，后来的“863计划”中语音识别成为重要课题，中国的语音识别技术开始进入了真正研究阶段。

但由于语音的场景复杂，技术突破一直处于缓慢的状态，目前应用较好的也只是特定的几个场景。目前业内一些机构已宣传识别技术达到了人类水平，但大多数情况下都来自安静、近场等受限环境下的结果。而复杂的场景诸如电话、语音节目、远场、混响、噪声、口音、语音节目等，则需要针对性地开发不同模型。

“但技术无法束缚我们的想象力。”

吕昊上任依图首席创新官近一年时间，去年年底，他辞去了在Google的工作，离开了生活十年的美国，回国加入依图。他觉得，在语音识别领域，依图科技是一名新生，但立志扮演创造行业拐点的角色。

“依图入局语音市场的初心就是源于好奇心，想用算法技术推动实际问题的解决。我们在AI领域做了那么多年，已经能深入理解和推广人工智能的应用了。”

可见，作为AI理解世界重要的组成部分，作为人人交互、人机交互最重要的入口，语音识别正在拉伸依图的AI版图。

尽管这次官方说法是“首次进入语音行业”，但实际上，依图一直都有涉猎这个领域，语音和语义的相关技术之前在其医疗的相关产品中有过展示，只是没有公布。

吕昊坦言，科大讯飞做语音技术，的确是业内领先的，但是科大讯飞的语音有多好、和其他语音的距离有多远这些方面，其实很难界定——因为不太透明。准确率上，行业水平都是98%-99%，在什么情况下测的，大家也无法评判。

实际上，入局语音市场，还有个因素，吕昊也一并告诉了雷锋网。

“工业界目前做语音识别的水平已经远远超过学术界，在一些公开数据集上有着1-3倍的性能提升。而工业界目前做语音技术的就那么几家，靠学术界去往前推进商业模式，似乎没有可选的路径，因为数据成本非常之高。干脆自己来做。”

联手巨头：有了华为和微软，语音市场的入场券拿的更快

这一次，选择新赛道，依图并非想做“孤胆英雄”。

因为华为、微软都选择和依图站在了一起。

发布会现场，依图宣布联合微软Azure推出依图语音开放平台，会向第三方开放，后续两家公司将在智能语音领域双方有新的动作。

此外，依图还联合华为发布“智能语音联合解决方案”，该方案基于依图语音开放平台及华为全栈全场景昇腾（Ascend）系列芯片和面向数据中心侧的Atlas 300 AI加速卡，也向第三方开放。

“我们始终认为，核心技术的突破，依然是当前破局中文语音识别发展的关键。”吕昊表示。

当下，AI产业链由基础层、技术层与应用层构成。同样，智能语音识别亦由这三层组成。基于大量数据的积累、深度神经网络模型的发展及算法的迭代优化，近年，语音识别准确率取得了不断的提升，外界也在各个巨头的测试结果中观察到了“媲美人类”、“与人相似”等字眼。

但语音识别领域一直存在两条红线：3%和15%。