图灵汇官网

阿里达摩院近期发布了一款全新的语音识别模型——Paraformer，这款模型被认为是他们的王牌之作。

Paraformer不仅在多个权威数据集上取得了最佳识别效果，其推理效率相比传统模型也有显著提升，最高可达10倍。此外，Paraformer已经开源，适用于多种场景，如语音输入法、智能客服、车载导航和会议纪要等。

那么，Paraformer是如何实现这些突破的呢？

Paraformer采用了非自回归模型，解决了端到端语音识别中识别效果与效率难以兼顾的问题。相较于传统的自回归模型，非自回归模型虽然在预测目标文字数量方面表现较好，但在替换错误方面存在不足。Paraformer通过创新的方法，有效缓解了这些问题。

具体来说，Paraformer包含以下几个关键组件：

1. Predictor模块：通过连续积分放电（CIF）机制预测语音中的目标文字数量，并提取相应的声学特征向量。
2. Sampler模块：基于Glancing语言模型（GLM），通过采样将声学特征向量转换为包含语义信息的特征向量，配合双向解码器增强模型的上下文建模能力。
3. 基于负样本采样的最大期望误差（MWER）训练准则：引入负样本以提高模型的区分度。

在实际测试中，Paraformer在中文语音识别任务中表现出色。例如，在AISHELL-1数据集上，Paraformer-large模型的识别准确率远超其他公开论文中的模型。在专业的第三方评测中，Paraformer-large的识别准确率超过了98%，成为目前最准确的中文语音识别模型之一。

此外，Paraformer在使用GPU进行推理时，推理效率可以提升5至10倍。为了进一步提高效率，Paraformer采用了低帧率建模方案，将计算量降低了近6倍，从而支持大模型的高效推理。

欢迎各位开发者下载Paraformer并分享使用体验。量子位还提供了阿里研发的会议纪要产品“听悟”的特邀用户年度权益卡，每天可使用离线语音/视频转写10小时，实时转写8小时，价值超过万元。

访问链接获取更多信息： - Paraformer模型页面 - 论文地址

— 完 —

希望以上内容符合您的需求。