INTERSPEECH，由世界语音通讯协会（International Speech Communication Association, ISCA）兴办，是语音处理范畴的尖端旗舰世界会议。作为全世界最大的归纳性语音处理范畴的科技盛会，历届INTERSPEECH会议都备受全球各地语音言语范畴人士的广泛重视。本届会议以“Speech and Beyond”为主题，内容包括语音辨认、语音组成、语音编码、语音增强、自然言语处理等多个范畴。奇富科技智能语音团队将受邀参加9月INTERSPEECH 2024科技盛会并宣布主题陈述，进一步同享其在语音辨认范畴的立异效果，与全球同行共探语音科技的未来。

　　“百里不同俗，十里不同音”，我国幅员辽阔，方言品种丰厚，方言的语法和语音特征差异显着，加之噪声搅扰、方言稠浊、片面感知的标示问题，以及人力标示作业的庞大和系统性缺乏，导致语音辨认技能的精确性和智能化水平受限。尤其是在金融事务场景中，市面上的通用语音辨认技能在应对方言时常常体现欠安，导致人机交互的精确性和智能性大打折扣，服务功率和质量受损。

　　为此，奇富科技引进全自研Qifusion结构模型，并将其集成到智能营销及贷后提示等事务场景中，不仅仅可以有效地处理上述难题，还在辨认精确率上得到大幅度的进步。在杂乱的通话环境中，语音辨认归纳精确率到达了93%以上，目的辨认精确率超越95%，在业界处于领先水平。

　　凭仗自身在贷后场景及方言范畴的丰厚数据样本，Qifusion结构模型在原有东北官话、胶辽官话、北京官话、冀鲁官话、华夏官话、江淮官话、兰银官话和西南官话等国内八种干流方言的基础上，精准强化了四川、重庆、山东、河南、贵州、广东、吉林、辽宁、黑龙江等用户密布区域的方言辨认才能。这使得均匀辨认精确率相对提高了25%，尤其在川渝区域，方言辨认精确率相对提高超35%。

　　Qifusion结构模型具有自动辨认不同口音的才能，并能在时刻维度上对解码成果进行口音信息批改，使方言口音的语音辨认误差率降低了30%以上，全体语音辨认字错率降低了16%以上，显着提高了使用者实在的体会。此外，在业界闻名的Kespeech 开源方言数据集功用比照测验中，Qifusion字错率改写模型最低值，到达国内顶尖水平。

　　Qifusion结构采用了立异的层自适应交融结构，能经过同享信息编码模块，更高效的提取方言信息。一起，该结构模型还支撑即说即译功用，能在无需知晓额定方言信息的前提下，对不同方言口音的音频进行实时解码，完成精准的辨认和转译。这使得Qifusion结构在事务场景中可以敏捷精确地捕捉并呼应用户需求。

　　据悉，奇富科技以继续立异为核心理念，致力于人工智能语音范畴的深入研究和自主研制。公司不仅在INTERSPEECH这一世界尖端语音学术会议上取得了显着成果，更在IEEE声学、语音与信号处理世界会议上宣布了多篇论文，如《根据多粒度Transformer的多模态心情辨认》、《根据SE模块和多标准特征学习的语音情感辨认》等，为全球智能语音技能的开展贡献了我国才智。