“我要買一張去人民廣場吃炸雞的票。”

今日云棲大會上海峰會，現(xiàn)場大屏幕上，一位身著阿里云T恤的美女正在上海地鐵站購票，話音剛落，自動售票機屏幕上就跳出了支付二維碼，從開口、掃碼到取票，整個過程僅耗時十幾秒。

現(xiàn)場觀眾情緒穩(wěn)定。去年底，上海申通地鐵與阿里巴巴合作時，就曾演示過這項語音購票技術(shù)，不久前的云棲大會武漢峰會上，在AI收銀員與真人店員的PK中，機器更是在嘈雜環(huán)境下準(zhǔn)確識別了用戶的語音點單，在短短49秒內(nèi)點了34杯咖啡，大家見怪不怪了。

可是演示仍在繼續(xù)，這次工作人員沒有報具體站名，而是說“我要去一大會址參觀”，售票機自動匹配了距離最近的黃陂南路站，其余購票步驟一致?，F(xiàn)場一片嘩然，上海朋友比較激動，上海是全球首家將人工智能引入城市軌道交通的城市。

無需喚醒詞，在嘈雜環(huán)境中也能實現(xiàn)精準(zhǔn)交互，還能識別語義。自動售票機和AI收銀員的背后，都有一項叫做語音識別的核心技術(shù)，來自阿里巴巴達摩院機器智能實驗室語音識別團隊。他們推出的新一代語音識別模型——DFSMN，不僅被谷歌等國外巨頭在論文中重點引用，更將全球語音識別準(zhǔn)確率紀錄提高至96.04%（基于世界最大的免費語音識別數(shù)據(jù)庫LibriSpeech），剛剛宣布開源。

對比目前業(yè)界使用最為廣泛的LSTM模型，DFSMN模型訓(xùn)練速度更快、識別準(zhǔn)確率更高。采用全新DFSMN模型的智能音響或智能家居設(shè)備，相比前代技術(shù)深度學(xué)習(xí)訓(xùn)練速度提到了3倍，語音識別速度提高了2倍。

著名語音識別專家，西北工業(yè)大學(xué)教授謝磊表示：“阿里此次開源的DFSMN模型，在語音識別準(zhǔn)確率上的穩(wěn)定提升是突破性的。是近年來深度學(xué)習(xí)在語音識別領(lǐng)域最具代表性的成果之一。對全球?qū)W術(shù)界和AI技術(shù)應(yīng)用都有巨大影響。”

語音識別是人機交互中的核心技術(shù)，在智能音響、智能家居、機器人及自動駕駛等領(lǐng)域都有廣泛應(yīng)用。

阿里云總裁胡曉明宣布，在上海的創(chuàng)新和嘗試將在全世界推開，“我們希望未來不只是可以買票，還可以通過人臉直接進出地鐵站。”