本文經(jīng)AI新媒體量子位（公眾號 ID: QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

中國軍團，繼續(xù)刷新全球ＡＩ各項競賽。

這一次，是全球聲紋識別競賽；這一次，是獨角獸依圖。

ＶｏｘＣｅｌｅｂ說話人識別挑戰(zhàn)賽，簡稱ＶｏｘＳＲＣ，近日正式公布結(jié)果。

在這場匯聚了中外語音領(lǐng)域頂級高手的挑戰(zhàn)賽中，依圖（ｌｏｇｉｃｗｏｒｌｄ）以絕對領(lǐng)先優(yōu)勢斬獲冠軍。

而且挑戰(zhàn)賽比拼內(nèi)容，正是當(dāng)前語音識別領(lǐng)域最高精尖的“聲紋識別”賽道。

之前依圖已經(jīng)展示了視覺感知、語音識別和語義理解等方面的不俗實力。

現(xiàn)在，依圖則進一步用一個前沿技術(shù)領(lǐng)域的全球冠軍，展示了其技術(shù)深度之外，在廣度方面的開拓。

真是依圖出沒，氣勢洶涌。

依圖又奪何冠？

ＶｏｘＳＲＣ，由來自牛津大學(xué)，斯坦福國際研究院和麻省理工的學(xué)者組織舉辦。

參賽者包括約翰霍普金斯大學(xué)、法國國家信息與自動化研究所、日本電氣（ＮＥＣ）等傳統(tǒng)豪強，也有中國的清華大學(xué)，天津大學(xué)，中山大學(xué)，依圖科技，平安科技等學(xué)校企業(yè)。

選手都有備而來，比拼直接而激烈。

指紋識別，人臉識別已經(jīng)被大眾所熟知，但同樣作為生物信息識別的一種——聲紋識別（即說話人識別），目前還是技術(shù)挑戰(zhàn)的前沿，常在科幻電影中出現(xiàn)，也常被語音ＡＩ公司當(dāng)展望談及。

聲紋識別權(quán)威評判標準不多，但真正檢驗技術(shù)的，ＶｏｘＣｅｌｅｂ說話人識別挑戰(zhàn)賽可能算一個。

其主要考核，是運用ＡＩ技術(shù)如何能夠從自然語音中識別出說話人。

比賽采用的訓(xùn)練數(shù)據(jù)集為ＶｏｘＣｅｌｅｂ２，由牛津大學(xué)發(fā)起提供。這一數(shù)據(jù)集中的音頻全部采集自ＹｏｕＴｕｂｅ，場景包括明星紅地毯、名人演講、真人節(jié)目訪談以及大型體育解說等，包含了５９９４位名人的超過一百萬條語音。

這些名人涉及不同的性別，種族，口音，職業(yè)和年齡，并且音頻中存在各種各樣的背景噪聲，包括環(huán)境突發(fā)噪聲、背景人聲、笑聲、回聲，室內(nèi)噪聲和錄音設(shè)備噪聲等等。

比賽的測試集則全部沒有標注，屬于“盲測”，保證了競賽的公平與公正。

面對如此挑戰(zhàn)，想讓ＡＩ準確提取聲學(xué)特征、說話人特征，并實現(xiàn)準確的識別匹配，并非易事。

在發(fā)表于Ｉｎｔｅｒｓｐｅｅｃｈ?。玻埃保傅恼撐闹?，ＶｏｘＣｅｌｅｂ２的作者牛津大學(xué)Ｖｉｓｕａｌ?。牵澹铮恚澹簦颍。牵颍铮酰饘嶒炇矣?xùn)練出的ＲｅｓＮｅｔ－５０達到了３．９５％的等錯誤率（ＥＥＲ），超越了當(dāng)時的基線方法。

而就在這場比賽中，依圖不僅大幅刷新該紀錄，將ＥＥＲ壓縮至０．９８％，還超出第二名（１．４２％）一個身位，以絕對優(yōu)勢奪冠。

毫無疑問，這是一次技術(shù)實力的肌肉展示。

但如果熟悉依圖業(yè)務(wù)，就可能忍不住想得更多。

依圖參與全球聲紋識別競賽，又怎會是為了刷榜而刷榜？

技術(shù)“冗余”，增強場景化落地

從聲紋識別本身來說，作為生物識別技術(shù)的一種，應(yīng)用前景原本就非常廣闊。

在個人信息加密領(lǐng)域，更能發(fā)揮重要的作用。

作為一種生物識別解決方案，聲紋識別在金融等對個人信息安全有高要求的行業(yè)當(dāng)中，也能夠提供更高的安全性，強化風(fēng)控能力。

此外作為智能語音應(yīng)用落地的更大挑戰(zhàn)，聲紋識別的攻堅，對于性別年齡畫像、語種方言識別，進而做到真正的語音交互千人千面，都是繞不過去的核心問題。

而且隨著ＡＩ在各行各業(yè)的場景化落地越來越普遍，技術(shù)冗余，針對不同問題提供不同解決方案，也在成為ＡＩ公司競爭力的核心要求。

在各項技術(shù)上有實力、有儲備，才能發(fā)展、落地更全面。

也就意味著，ＡＩ公司下一階段發(fā)展，深度和廣度，都得兼?zhèn)洹?/span>

ＡＩ公司的深度＆廣度

這或許也是依圖目前發(fā)展開拓的背后思路。

之前，依圖被人熟知，更多是“ＣＶ四小龍”的并稱，強調(diào)其在視覺領(lǐng)域的地位。

依圖也確實在多項視覺國際比拼中斬獲冠軍。比如依圖連續(xù)三年參加美國國家標準技術(shù)局（ＮＩＳＴ）人臉識別供應(yīng)商測試（ＦＶＲＴ），連續(xù)三次斬獲冠軍。

在安防、金融和醫(yī)療領(lǐng)域，依圖的ＡＩ視覺能力，也贏得了真實業(yè)務(wù)場景的認可。

但２０１８年以來，依圖開始展現(xiàn)出強大的“泛化”能力，開始將ＡＩ技術(shù)打通，并迅速在拓展領(lǐng)域取得核心突破。

在語音領(lǐng)域，其語音識別算法在全球最大的開源中文數(shù)據(jù)庫ＡＩＳＨＥＬＬ－２上字錯率僅３．７１％，大幅刷新紀錄。

在ＮＬＰ方面，依圖聯(lián)合廣州婦女兒童醫(yī)療中心等機構(gòu)，將自然語言處理（ＮＬＰ）技術(shù)應(yīng)用于兒科疾病診斷，成果登上《自然·醫(yī)學(xué)》（Ｎａｔｕｒｅ?。停澹洌椋悖椋睿澹?，這也創(chuàng)下中國ＡＩ醫(yī)學(xué)的新紀錄。

其后更令業(yè)界震動的是，依圖低調(diào)部署研發(fā)，完成了自主ＡＩ芯片“求索”的流片、發(fā)布并商用，以“算法即芯片”理念，提出智能密度的新理論，為ＡＩ場景化落地，提供坐標參考系。

最近一次，由工信部、公安部及網(wǎng)信辦三部委指導(dǎo)主辦的“中國人工智能高峰論壇”上，依圖ＡＩ芯片不僅獲得了ＡＩ創(chuàng)新之星，依圖也在首屆多媒體信息識別競賽中，于１１個任務(wù)中，斬獲１０個Ａ級，為所有參賽者中奪冠最多。

所以，依圖路徑、依圖模式，也是時候值得更多討論了。

這種模式在科技創(chuàng)業(yè)的歷史中并不陌生。先有垂直深度，然后平臺化遷移，打造技術(shù)更為全面、應(yīng)用更加廣泛的大平臺。

但在ＡＩ歷程中，這樣既要保證深度又有兼顧廣度的事情，依圖之外，還無人做到。

所以聲紋之冠，或許還不是依圖實力的全部。

依圖之路，也值得上下求索。

你說呢？