学习笔记：语音识别 === 杂记

这篇笔记，是语音方面的大杂烩，主要用于记录当前的状况，然后就是各种学习的资源整合

语音识别技术近年进展

2017 年 3 月，IBM 结合了 LSTM 模型和带有 3 个强声学模型的 WaveNet 语言模型。「集中扩展深度学习应用技术终于取得了 5.5% 错词率的突破」。相对应的是去年 5 月的 6.9%。

2017 年 8 月，微软发布新的里程碑，通过改进微软语音识别系统中基于神经网络的听觉和语言模型，在去年基础上降低了大约 12% 的出错率，错词率为 5.1%，声称超过专业速记员。相对应的是去年 10 月的 5.9%，声称超过人类。

2017 年 12 月，谷歌发布全新端到端语音识别系统（State-of-the-art Speech Recognition With Sequence-to-Sequence Models），错词率降低至 5.6%。相对于强大的传统系统有 16% 的性能提升。

2018 年 6 月，阿里巴巴达摩院推出了新一代语音识别模型 DFSMN，将全球语音识别准确率纪录提高至 96.04%，错词率降低至 3.96%。

2018 年 10 月，云从科技发布全新 Pyramidal-FSMN 语音识别模型，将错词率（Worderrorrate，WER）降低至 2.97%，较之前提升了 25%。

数据集：

Librispeech 是当前衡量语音识别技术的最权威主流的开源数据集 ，http://www.openslr.org/12/