网易 AI Lab 荣获INTERSPEECH 2020 双料冠军

近日，全球最大的语音会议 INTERSPEECH 2020 公布了 SdSV 声纹识别比赛成绩，网易 AI Lab 从众多国际顶级队伍中脱颖而出，获文本相关声纹识别赛道综合排名第一、单模型第一的双料冠军。此次获奖，彰显了网易 AI Lab 在语音声纹识别技术领域的领先地位。

INTERSPEECH会议是全球最大的综合性语音信号处理领域的科技盛会，业内享有极高的声誉，对参与企业有着严苛的准入门槛要求。本次国际声纹识别比赛的参赛队伍来自国际多家知名高校与企业，包括近两年全球各项声纹识别比赛中的“常胜将军”：布尔诺工业大学、新加坡通信研究院、约翰霍普金斯大学等。

比赛采用 MinDCF（最小检测代价）和 EER（等错误率）作为评测指标。网易 AI Lab 的单模型在两个指标均为最佳，其中 EER 达到了 1.67%，相比第二名降低了 11.6%，并远低于比赛 X-Vector 基线系统（EER=9.05%）。

除了在综合指标上的领先外，网易 AI Lab 基于常见的 X-Vector 和 PLDA 算法，创新地提出了一种 ASR-free 的文本相关声纹识别算法。相比传统的 Deep Speaker Embedding 方法，该算法不需要依赖语音识别， 就能够在多语言环境下，同时完成说话人和文本内容的验证。

声纹识别技术以往多应用于安防等场景中，而网易 AI Lab 则创新性的将声纹识别技术与游戏场景结合，除了进行游戏身份验证，还能够针对音色对用户进行分类、丰富玩家画像，从而更加精准地为玩家推荐志趣相投的好友、匹配实力相当的对手，为玩家带来更好的游戏体验。

积极探索人工智能技术与应用场景的结合，是网易布局人工智能的重要方向之一。近日，网易CEO丁磊也在2020世界人工智能大会上表示，人工智能不是技术问题，是应用场景问题。

近几年，网易结合自身业务，在计算机视觉和智能语音语言方面做了多项应用场景的落地。比如，去年《一梦江湖》与网易互娱AIlab合作推出全新功能——AI智能捏脸。该功能通过人脸特征的映射采用“人脸属性识别”和“自适应参数映射”技术，将人脸视觉特征与捏脸参数相汇通。AI捏脸不仅会保留照片原有的五官、形状、布局，还会保留照片上例如微笑、悲伤等细节神态，使脸型传神又真实。用户只需上传一张真人照片，就可以获得便捷、智能、多元化的捏脸体验，该玩法一经推出，便受到许多用户欢迎。