深度前馈序列记忆网络（DFSMN）

近日，阿里巴巴达摩院机器智能实验室开源了新一代语音识别模型DFSMN，将全球语音识别准确率纪录提高至96.04%（这一数据测试基于世界最大的免费语音识别数据库LibriSpeech）。
对比目前业界使用最为广泛的LSTM模型，DFSMN模型训练速度更快、识别准确率更高。

阿里巴巴（科大的一位博士）张世良搞

阿里巴巴达摩院机器智能技术实验室语音识别团队于即日推出了新一代语音识别模型——DFSMN，与此同时团队已将这一模型开源。

深度前馈序列记忆网络（DFSMN） 使用基于 BLSTM 的统计参数语音合成系统作为基线系统，采用广泛使用的跳跃连接技术，在执行反向传播算法时，梯度可以绕过非线性变换。而官方介绍，对比目前业界使用最为广泛的 LSTM 模型，训练速度更快、识别准确率更高。采用全新 DFSMN 模型的智能音响或智能家居设备，相比前代技术深度学习训练速度提到了 3 倍，语音识别速度提高了 2 倍。

模型

DFSMN≈TDNN+ResNet

就是一个普通的全链接模型+残差记忆模块参数特别难调

扩展阅读

• code | github
• 阿里开源自研语音识别模型DFSMN | 知乎专栏