今天，依图科技宣布在中文开源数据库AISHELL-2中，短语音听写的字错率（CER）仅为3.71%，还联合微软、华为发布了语音开放平台。
据悉，在基于全球最大中文开源数据库的AISHELL-2的测试中，依图短语音听写的字错率为3.71%，官方称领先原业内领先者科大讯飞约20%。在若干近场、混响、噪声等公开测试集上，依图平均字错率 6.39%，领先讯飞 11%。加入电话、口音、语音节目、远场演讲等依图内部暂无法公开的测试集后（全部测试集共 50小时、60万汉字），依图平均字错率 8.27%，讯飞是9.30%，依图仍然领先讯飞 11% 左右。
此外，依图与微软宣布进一步深化合作，联合推出依图语音开放平台。该平台将基于微软Azure云，将语音识别技术能力开放给第三方应用开发者，共建AI生态。与此同时，依图还和华为联合发布了“智能语音联合解决方案”，该方案基于依图语音开放平台及华为全栈全场景昇腾（Ascend）系列芯片和面向数据中心侧的Atlas 300 AI加速卡。
在发布会现场，依图方面预计，未来6个月到12个月，语音识别技术的算法性能将呈指数级增长，更多的场景将被解锁。
确实，这个时间点进入语音行业挑战重重，一则先发优势不再，二则市场拥挤，科大讯飞、BAT大厂纷纷入局，从技术上升到平台生态，市场空间看似余地不多。
对此，依图科技首席创新官吕昊博士表示：依图团队对国内现有的语音识别技术都做了调研，发现在不少场景下，语音识别效果并不理想，例如通话过程中的声音转写准确率低、远距离的声音采集识别效果差、语料数据积累不足等。因此，依图会从这些可优化空间入手，对模型算法进行打磨，提升识别率，降低字错率。
其实，如果想实现真正意义上的语音交互，语音只是一部分，更重要的则是对语义的理解。
吕昊表示：虽然此次是从语音切入，但是团队一直是语音、语义两线并行。2017年时，依图就曾将自然语言处理（NLP)技术用于AI+医疗解决方案，结合自建的临床中文知识图谱，对医学文本等多模态数据进行解析和信息提取。今年，依图的论文更入选NLP顶会EMNLP 2018，针对计算机语言学核心问题之一的指代理解提出全新数据集PreCo并对外开放。
此前，在视觉领域，依图已经在安防、医疗、金融、零售等领域有了产品化、商业化积累。对于是否会将语音技术迁移于这些领域，吕昊回应：这一阶段仍旧以技术积累为主，依图在开放平台上提供了自有的API和模型算法，一方面可以经由市场验证算法质量，另一方面可以由此接近不同行业和场景。
在未来，依图计划陆续开放长语音转写API、实时语音转写API等。正如吕昊所说：希望为第三方应用开发者在语音领域提供多一个语音技术选择。
