Công Nghệ Nhận Diện Giọng Nói Của Microsoft

Khoảng cuối tháng 08/2017, Microsoft công bố hệ thống nhận diện giọng nói của hãng đã đạt mức sai sót chỉ 5.1%, mức thấp nhất hiện hành.

Công nghệ nhận diện giọng nói của Microsoft đã đạt tầm cao mới, với độ chính xác ngang ngửa với những nhà sao chép chuyên nghiệp. Theo đó, độ chính xác mới của Microsoft vượt qua mức 5.9% vào năm 2016 của một nhóm nhà nghiên cứu tới từ Microsoft Artificial Intelligence and Research, và ngang ngửa với độ chính xác của những nhân viên biên chép là người thật, vốn có lợi thế hơn vì họ có thể nghe lại một đoạn hội thoại nhiều lần.

Cả 2 nghiên cứu đã thực hiện chép lại những đoạn hội thoại từ tập sao lục Switchboard, một bộ sưu tập gồm khoảng 2,400 đoạn hội thoại qua điện thoại đã được các nhà nghiên cứu dùng để kiểm tra độ chính xác của các nền tảng nhận diện giọng nói từ đầu những năm 1990.

Nghiên cứu mới được triển khai bởi nhóm nghiên cứu tại Microsoft AI and Research, với mục tiêu đạt độ chính xác ít nhất là ngang ngửa một nhóm nhà sao chép chuyên nghiệp, những người có thể nghe đoạn hội thoại nhiều lần, truy cập vào ngữ cảnh đoạn hội thoại và làm việc nhóm với các nhà sao chép khác.

Nhìn chung, các nhà nghiên cứu đã giảm tỷ lệ sai sót khoảng 12% so với năm 2016, nhờ cải thiện được mạng lưới thần kinh âm thanh cơ sở và mẫu ngôn ngữ của hệ thống nhận diện từ Microsoft. Đặc biệt, nhóm còn tập cho hệ thống sử dụng cả đoạn hội thoại, cho phép AI hiểu và nhanh chóng thích ứng với từng ngữ cảnh khác nhau, cùng với đó là khả năng dự đoán những từ hoặc cụm từ tiếp theo sẽ được nói, là cách não bộ hoạt động khi con người nói chuyện với nhau. Hệ thống nhận diện giọng nói của Microsoft được dùng trên những dịch vụ AI, chẳng hạn như Cortana, Presentation Translator và Microsoft Cognitive Services.