科技小辛辛|在网易有道做语音算法工程师是一种怎样的体验？
鱼羊发自凹非寺量子位报道|公众号QbitAI
一个成立不到两年的团队 ， 两个初入职场的新人 ， 杀入顶会挑战赛能拿下怎样的成绩？
时限是 ， 10天 。
近日 ， 全球语音顶会INTERSPEECH2020「口音英语语音识别挑战赛」结果公布 ， 一支名叫「大耳朵图图喵喵喵」的团队摘下了两大赛道的第二名和第三名 。
参赛选手是这位：
文章图片
△大耳朵图图本喵
啊不 ， 其实来自他们当中 。
文章图片
说起网易有道与AI语音技术相关的产品 ， 大家或许都不陌生 ， 比如丁磊多次安利、上市都带着的有道词典笔……
相比在市场上取得的认可 ， 许多人可能不会想到 ， 有道AI语音背后的团队非常年轻：成立不到两年 ， 大部分都是应届生 ， 来自知名语音实验室 ， 或者海外高校深造项目 。
「参赛其实是验证技术方案」
此次拿奖的时来和HarryWu（均为花名） ， 就是今年7月刚刚加入网易有道的应届生 。
文章图片
事实上 ， 打这场比赛 ， 对于他们而言更像是一次对工作成果的「突击测验」：被通知要参赛时 ， 距离提交测试结果的截至日期只剩下10天了 。
时间紧迫 ， 两人临时组队 ， 又是代表团队第一次出征算法赛事 ， 但在心态上他们倒还真一点也不慌 。
用有道之前积累的技术去参赛 ， 10天也足够了 。
攻坚克难了这么久 ， 是时候拿出来检验一下了 。
INTERSPEECH2020「口音英语语音识别挑战赛」由中国计算机学会、西北工业大学、上海交通大学、新加坡南洋理工大学等多家重量级机构联合举办 ， 共分为两个赛道：
Track1是口音种类识别 ， 参赛者需要使用官方提供的各种口音英语训练数据 ， 训练语种分类模型 。
Track2则是口音英语语音识别 ， 参赛者需要使用规则限定的训练数据 ， 训练语音识别模型 。
文章图片
简单来说 ， 一方面是要做英语口音的分类 ， 另一方面是要做语音识别 ， 把带口音的英语语音转成文字 。
时来和Harry的工位就挨在一起 ， 两人当即一合计 ， 觉得在语音识别方面 ， 基本可以原封不动地用上现成的技术——有道词典、精品课、云笔记等一系列产品里都有ASR技术的身影 ， 平时的研发工作中 ， 早已经考虑到了复杂口音的情况 ， 识别准确率和响应速度都是经过实战检验的 。
而在口音分类这个比较新颖的任务上 ， 他们正在研究中的多语种技术方案正好能够派上用场：
原来会觉得相关的技术方案还处在实验室阶段 ， 要实际应用起来还需要学术界进一步验证 。 但既然比赛有这个机会 ， 正好可以拿这个方法试验一下 。
程序员打比赛 ， 就是直接开干 ， 效率拉满——就在工位上随时讨论 。 而事后两人回想起来 ， 印象最深的不是时间有多紧、加了多少班 ， 恰恰是设计算法、测试结果的这个过程：
一开始 ， 在口音分类这个全新的任务上 ， 两人想到这会跟说话人的特征有比较强的相关性 。 而在引入这一信息之后 ， 他们的方案还真在开发集上取得了令人惊喜的效果 。
但在测试集开放之后 ， 进一步的验证结果却差强人意 。 直到比赛结束 ， 测试集公布 ， 他们才发现测试集里说话人的数目 ， 是训练集和开发集加起来的差不多10倍 ， 即一个说话人非常复杂的场景 。
虽说碰上了这样那样的小波折 ， 但其实对于两位语音算法工程师而言 ， 这反而更加坚定了他们攻关AI语音技术的决心：语音领域技术相对成熟 ， 但远没有到「做完了」的程度 ， 现实的复杂场景、各种各样的噪音、方言口音 ， 都仍有值得钻研之处 。
推荐阅读
- 三星公司发布2021款数字座舱 集成诸多高科技
- 刚有望“出人头地”就被三大科技巨头围剿，“挺川者”新阵地下线
- 谷歌建立新AI系统 可开发甜品配方
- 柔性电子市场广阔，领头羊柔宇科技获更多关注
- 曝LG也将推出卷轴屏手机 你怎么看？
- AI战疫、真5G来了，十大最热门科技应用演绎速度与温度
- 又爆炸！联电科技传来一声巨响，或把8 英寸晶圆市场"炸"了
- 唐山四维智能科技有限公司：双臂机器人引领人机协作新纪元
- 国家超算郑州中心首批重大科技专项启动
- 青岛海科展：五年磨一剑，科技力量助力海洋强国