這兩次研究轉(zhuǎn)錄的是Switchboard語料庫中的錄音。Switchboard語料庫包含了2400段電話對話，自上世紀90年代以來一直被研究人員作為測試語音識別系統(tǒng)的樣本。
新研究由微軟人工智能及研究事業(yè)部的一組研究人員實施，目標是在出錯率上達到一組速錄員的同等水平，后者可以反復(fù)收聽錄音樣本，了解對話語境，與其他速錄員合作。
整體來說，通過改進微軟語音識別系統(tǒng)中基于神經(jīng)網(wǎng)絡(luò)的聽覺和語言模型，實施最新研究的研究人員能夠在去年基礎(chǔ)上把出錯率降低大約12%。顯然，他們還可以讓語音識別器了解整體對話，適應(yīng)錄音樣本的語境，預(yù)測對話中很可能出現(xiàn)的下一個詞匯或短語。這正是人類在與其他人對話時的做法。
微軟的語音識別系統(tǒng)已被用于語音助手“小娜”、實時翻譯字幕功能Presentation Translator以及微軟認知服務(wù)中。
