部分纠错示例如下：

语音识别：

云从科研团队结合声纹识别x-vector embedding以及自研multi-stream TDNNF结构的XmasNet，刷新Aishell的纪录，在测试集Aishell-test上CER指标提高到4.34%，相比于SOTA，提升了8%。这种方法结合了最新的说话人识别技术，进一步提高了语音识别在口音环境下的识别率。

值得一提的是，本次云从团队提出新模型结构，在训练数据固定（原始178小时音频）的情况下，仅通过优化模型结构，取得识别率的提升。

该结构巧妙融合了语音识别和说话人识别，提高识别率的同时，极大提升了在不同说话人场景下的鲁棒性。

x-vector embedding（上）以及XmasNet网络结构（下）

深度学习降噪：

云从科研团队提出一种基于U-Net和注意力机制attention的深度学习神经网络模型CARN模型，在DNS Challenge比赛数据集上取得了目前最好的结果。

该数据集中，亚马逊PoCoNet模型、西北工业大学和搜狗合作的DCCRN模型等在具有混响的仿真场景和真实场景下，只能得到中等品质的音频；相比之下，云从CARN模型在各类场景下均有优秀表现，无论是没有混响的仿真场景（no_reverb）、还是具有混响的仿真场景和真实场景下，都能大幅减少音频中的噪音，处理取得清晰的优质音频，提升音频的清晰度。

坚持以人为核心 共创人机协同智能体验

在人工智能行业，取得单点技术的领先实属不易，但从人工智能产业发展角度来看，经历了对计算机视觉、语音识别等单点技术的狂热追捧，客户逐渐发现自身的复杂需求难以得到快速响应。

这个时候产业开始需要多点技术的支持：客户转向寻求获取人工智能综合解决方案，以实现对全业务链条的 AI 赋能，形成行业价值闭环。

云从科技将人工智能技术整合为端到端的综合解决方案，在了解客户业务流程的基础上，将算法平台、AIoT设备和专家知识服务整合为场景化解决方案，定义和打造客户智慧化蓝图。