最近，全球最大的语音领域顶级会议INTERSPEECH，

把SdSV 声纹识别比赛的冠军荣誉颁给了一支来自中国的队伍——网易互娱AI Lab。

而且还是双料第一：文本相关声纹识别赛道综合排名第一、单模型第一。

网易互娱AI Lab获得冠军的过程异常艰难。

对手异常强劲，本次声纹识别比赛的参赛队伍来自于全球多所知名高校与企业，包括了最近几年国际声纹识别大赛的冠亚军获得者。而成立于2017年底的互娱AI Lab，可以说是参赛队伍中背景最为年轻的，第一次参赛就拿下了冠军。

成功的背后少不了升级打怪。除了长期深耕于游戏场景的技术落地，网易互娱AI Lab研发团队在过去也曾参与过一些文本、图像、语音的比赛。通过参加与业务相关的算法比赛，既能验证现有技术储备的行业水平，吸取最先进的技术不断提升性能，也能为相关的产品背书。这次比赛关于声纹识别的算法，我们前期在这方面就已经有一定的技术研究。

真正进入比赛初期，团队又遇到了一些问题：

传统Deep speaker embedding框架在训练阶段不考虑文本信息，因此在测试阶段难以判断注册语音和测试语音的发音内容是否一致；本次比赛语音数据存在英语和波斯语两种语言，对于低资源的数据或者跨语言识别，难以构建高效的语音识别系统；测试集存在大量不同说话人发出相同文本语音的匹配样例，其相似度较为接近，对于识别效果也是一种挑战……

然而团队并没有低头，逐步分析近年来几乎所有的论文和比赛方案，从中来提取出能够采纳的点子并且一一实验论证。终于团队基于x-vector和PLDA提出了一种全新的ASR-free的文本相关声纹识别算法。新的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。

完成新的算法后，这场比赛的进度条可谓顺利推进。但随着比赛结束日期的临近，所有队伍都使出了浑身解数，每天的排名都会有所变化，整个比赛进入了白热化的阶段。哪怕一点的优化，都有可能导致排名的巨大变化。

如何从0.9到1，成为了鲤鱼化龙的关键所在。

团队尝试了非常多的优化方案，逐一去根据实验结果判定是否有效。一次两次，不断对比，不断尝试。而且这个比赛每天只有一次的提交机会，如何充分利用这个宝贵的机会，从众多模型中选取合适的提交方案，验证改进的算法是否真实有效，也是团队每天都在考虑和讨论的问题。

千淘万漉虽辛苦,吹尽狂沙始到金。整个赛程从今年2月持续到4月，经过激烈的55天角逐，结果终究不负努力，斩获了冠军。同时创新的算法也被INTERSPEECH 2020录用为论文。

冠军的结果给团队带来了欣喜和鼓舞，但团队也很快开始了冷静的复盘和总结。

“获胜的原因，一个是靠站在巨人的肩上，我们深入调研并分析了近年几乎所有声纹识别大赛的方案，抽取可以尝试的点逐一进行试验；另一个是对数据进行了认真的分析和算法上的有效创新，使得我们在单模型上远超第二名以及后面的队伍。”

网易互娱AI Lab一直关注AI技术建设，用AI技术来提供基础服务。如图像语音文本等的审核、语音驱动嘴型动画、基于强化学习的游戏AI、自动捏脸等，目前都被众多产品所应用。同时，他们希望AI技术能成为一个重要的角色，为游戏赋能。特别在资源制作，游戏体验，游戏运营，对外营销等方面能发挥作用，创造出更好的价值。

例如这次比赛的声纹技术，这项技术曾落地到语音操控的游戏玩法中。玩家可以自定义录入一段语音，对战时直接念出这段语音，相关的程序就会自动匹配语音内容和鉴定是否为本人，判断成功后在游戏中实现对应的操作。声纹技术同样可以在其他方面进行应用，譬如音色分类，性别识别，以及在游戏和直播中进行未成年人识别辅助等等。这些都为游戏行业创造了更好的服务场景。

而在面对技术如何更好的服务于产品这个问题时AI的同学说——“我们的理念是技术必须落地，不落地的技术不产生价值。”这就是一个在技术研究和产品服务上忍得住枯燥，又不断给你惊喜的团队。

——————————————————————————————

网易互娱AI Lab简介

成立于2017年底，在广州、杭州、上海均设有分部，主要运用AI黑科技为旗下各大游戏工作室助力，并赋能给更多产品。

总的来说，网易AI Lab的研究方向包括四大方面——计算机视觉和3D视觉研究、语音处理、自然语言处理以及游戏AI研究。

当前，已有不少研发技术处于行业领先地位，并接入了多款游戏。

譬如《梦幻西游》《大话西游》《天下3》《荒野行动》《阴阳师》《一梦江湖》和《第五人格》等多款游戏，

以及网易云音乐等产品中，都融入了网易互娱AI Lab的技术。

👇相关推荐👇

网易互娱AI Lab知识专题，分享游戏AI技术

《人工智能，赋予游戏无限可能》