10 月 29 日，廣州云從信息科技有限公司(以下簡稱云從科技）宣布在語音識別技術(shù)上取得重大突破，該技術(shù)在全球最大的開源語音識別數(shù)據(jù)集 Librispeech 上刷新了世界紀錄，錯詞率（Worderrorrate，WER）降低至 2.97%，將Librispeech 的 WER 指標提升了 25%，超過微軟、谷歌、IBM、阿里、百度及約翰霍普金斯大學等企業(yè)及高校。

據(jù)介紹，云從科技核心技術(shù)閉環(huán)包括人臉識別、智能感知與智能分析三個階段，而語音識別技術(shù)是智能感知的重要部分，通過語音識別，機器可以像人類一樣理解語言，進而展開處理并進行反饋。

云從科技此次推出的語音識別模型Pyramidal-FSMN 融合圖像識別與語音識別的優(yōu)勢，將殘差卷積網(wǎng)絡和金字塔記憶模塊的序列記憶網(wǎng)絡相結(jié)合,能夠同時有效的提取空間和時間上不同粒度的信息，相比目前業(yè)界使用最為廣泛的 LSTM 模型，其訓練速度更快、識別準確率更高。

此次突破是云從科技在今年4月刷新“跨鏡追蹤技術(shù)（ReID）”三項世界紀錄后取得的又一重大成果。今年4月，云從科技跨鏡追蹤技術(shù)（ReID）技術(shù)在 Market-1501，DukeMTMC-reID，CUHK03 三個數(shù)據(jù)集刷新了世界紀錄，其中最高在 Market-1501 上的首位命中率（Rank-1 Accuracy）達到96.6%，讓跨鏡追蹤技術(shù)（ReID）技術(shù)在準確率上首次達到商用水平。