據 venturebeat 報道，google 人工智慧研究部門在語音識別方面取得了新的進展，能從嘈雜的環境中分辨聲音，準確率高達 92%。google 人工智慧研究部門在一篇名為《fully super vised speaker diarization》的**中描述了這一新的 ai 系統，稱它「能以一種更有效的方式識別聲音」。
這套強大的 ai 系統涉及到speaker diarization 任務，需要標註出「誰」從「什麼時候」到「什麼時候」在說話，將語音樣本分割成獨特的、同構片段的過程。還能將新的演講者發音與它以前從未遇到過的語音片段關聯起來。
其核心演算法已經開源可用。它實現了乙個**二值化錯誤率(der)，在 nist sre 2000 callhome 基準上是 7.6%，這對於實時應用來說已經足夠低了，而谷歌之前使用的方法 der 為 8.8%。
谷歌研究人員的新方法是通過遞迴神經網路(rnn)模擬演講者的嵌入(如詞彙和短語的數學表示），遞迴神經網路是一種機器學習模型，它可以利用內部狀態來處理輸入序列。每個演講者都從自己的 rnn 例項開始，該例項不斷更新給定新嵌入的 rnn 狀態，使系統能夠學習發言者共享的高階知識。
研究人員在**中寫道:「由於該系統的所有元件都可以在監督環境下學習，所以在有高質量時間標記演講者標籤訓練資料的情況下，它比無監督系統更受青睞。我們的系統受到全面監督，能夠從帶有時間戳的演講者標籤例子中學習。」
在未來的工作中，研究團隊計畫改進模型，使其能夠整合上下文資訊來執行離線解碼，他們希望這將進一步減少 der。研究人員還希望能夠直接對聲學特徵進行建模，這樣整個 speaker diarization 系統就可以進行端到端訓練。
谷歌800多款開源字型
更重要的是，作為開發者，您可以通過 api，在您的網路應用中動態式地查詢有哪些字型可以使用，以及隨時調入各種字型資源，讓您的網頁和應用更加漂亮。class video iframe height 258.75 width 345 frameborder 0 allowfullscreen src s...
谷歌開源 Supersonic 查詢引擎
谷歌近日開源了其supersonic專案。據谷歌描述，supersonic是乙個超快速的 針對列儲存資料庫 column oriented dbms 的查詢引擎庫，使用c 編寫。supersonic提供了一組大量使用快取相關演算法 simd指令和向量化操作的轉換原語，並可以利用現代的超執行緒 cpu...
開源縱橫談 谷歌與開源那些事兒
本場chat內容緣起 因為工作原因，去年年底時和我的同事莊表偉聊起企業應該如何參與開源的問題，公司內外討論開源的文章有很多，但唯獨沒有看到深入分析企業是如何開源的，於是我打算以案例分析為主把工作中涉及的企業與開源的相關問題系統梳理一下。大綱寫好後，沒想到真的有人對這個選題感興趣。但原始資料的收集工作...