在语音识别领域，全球科技企业的目标一致，那就是“想超越人类”。 以前，科研界划定了人的失误率为5.9%的界线，受过严格训练的专业速记员的失误率为3%左右，失误率(Worderrorrate，WER )是衡量语音识别技术水平的核心指标。
人类的界线在2017年被微软超越，但受过严格训练的专业速记员一直坚守着自己的底线。
但这一纪录也在今年10月被打破，2018年10月29日，中国人工智能“国家队”云从科技到语音识别技术取得重大突破。 他们融合了图像识别和语音识别的优势，推出了新的Pyramidal-FSMN语音识别模型。
在技术研究的“最后一公里”中，每0.1个百分点的进步非常困难。 全新的Pyramidal-FSMN语音识别模型在全球最大的开源语音识别数据集Librispeech上刷新了世界纪录，准确率提高到97.03%，使Librispeech的错别率(Worderrorrate，WER )达到2.03 %
DS2 :百度、ESPnet :约翰斯霍普金斯大学、DFSMN-CE :阿里
虽然云并没有将人脸识别作为唯一的“宝藏”从科技上押注，但这家从中国科学院孵化出来的企业，并不是第一次取得这样的技术突破。
2018年2月，云从科技正式在国内发布了“3D结构光脸识别技术”。 2018年4月，云从科技“交叉镜像跟踪技术”(ReID )技术的Market-1501、DukeMTMC-reID和CUHK03三个数据集刷新了世界纪录，其中最高为market-15003
语音识别技术也是智能识别的重要部分，语音识别使机器能够像人一样理解、理解、思考和反馈说话。 近年来，由于深度学习技术的发展，语音识别取得了很大的进展，并从实验室走向市场，逐渐走向实用化。 基于语音识别技术的输入法、检索、翻译等人机交互场景得到了广泛的应用。
云从科技核心技术闭环
智能感知大数据是云从科技打造核心技术闭环、人工智能行业领先的利器。
据悉，此次技术创新是云从科技打造核心技术闭环路径的重要一步。 在此之前，云从科技方面于10月12日推出了国家发改委“人工智能基础资源公共服务平台”项目。 该平台可以根据行业数据为各行业提供人工智能感知和大数据服务，中国人民银行、中国联通、中国邮政、民航局、金山云等企业和机构均与云从一开始就签约。 这个集人脸、人体、手势、红外、语音、车辆、风控、文字、大数据分析等多种方式为一体的人工智能平台，云投入了众多技术力量。
云从科技人工智能推进五步战略
在平台发布会上，云从科技创始人土豪的自行车提出了人工智能发展的五个阶段，核心技术闭环是五个阶段的重要基础。 云从科技今年开始，相继推出3D结构光脸识别技术和交叉镜跟踪技术三项世界纪录，在金融、安防、机场等优势行业建设基于智能分析的“行业大脑”，广泛加强合作伙伴范围，稳步推进从核心技术到智能生态的五步战略
目前，云从科技上看是中国银行业第一大AI供应商。 农行、建行、中行、招商总行等全国400多家银行已采用公司产品，为全国银行提供比较服务日平均2.16亿次，同时服务14.7万家社会网点。
在安全领域，公司产品已在29个省级行政区上线实战，每天超过10亿次，数据聚合总量超过千亿，协助全国公安缉拿1万多名犯罪嫌疑人。
在民航领域，已有60多个机场从产品中选择云，日本服务游客数达到6千万。
在此基础上，云从科技整合计算力、智力、数据等资源及其成果，搭建人工智能平台，进一步促进人工智能在金融、安防、交通、零售、教育等重要行业的落地。
语音识别60年来，技术突破总是困难而缓慢
语音识别的研究起源可以追溯到20世纪50年代，ATT贝尔研究所的Audry系统最初实现了10个字母数字识别。
从20世纪60年代开始，CMU的Reddy开始了连续语音识别的开创性工作。 但其间进展缓慢，贝尔实验室的鲜明承诺(John Pierce )认为语音识别几乎是不可能的。
20世纪70年代，计算机性能的提高，模式识别基础研究的发展，促进了语音识别的发展。 IBM、贝尔研究所相继发布了实时的PC端孤立词识别系统。
20世纪80年代是语音识别迅速发展的时期
，引入了隐马尔科夫模型（HMM）。此时语音识别开始从孤立词识别系统向大词汇量连续语音识别系统发展。上世纪90年代是语音识别基本成熟的时期，但是识别效果离实用化还相差甚远，语音识别的研究陷入了瓶颈。
关键突破起始于2006年。这一年俭朴的网络（Hinton）提出深度置信网络（DBN），促使了深度神经网络（Deep Neural Network，DNN）研究的复苏，掀起了深度学习的热潮。
2009年，俭朴的网络以及他的学生tdzxc（D. Mohamed）将深度神经网络应用于语音的声学建模，在小词汇量连续语音识别数据库TIMIT上获得成功。
2011年，微软研究院cxdxrk、优美的金针菇等发表深度神经网络在语音识别上的应用文章，在大词汇量连续语音识别任务上获得突破。国内外巨头大力开展语音识别研究。
2017年3月，IBM结合了 LSTM 模型和带有 3 个强声学模型的 WaveNet 语言模型。"集中扩展深度学习应用技术终于取得了 5.5% 错词率的突破"。相对应的是去年5月的6.9%。
2017年8月，微软发布新的里程碑，通过改进微软语音识别系统中基于神经网络的听觉和语言模型，在去年基础上降低了大约12%的出错率，错词率为5.1%。相对应的是去年10月的5.9%，声称超过人类。
2017年12月，谷歌发布全新端到端语音识别系统（State-of-the-art Speech Recognition With Sequence-to-Sequence Models），错词率降低至5.6%。相对于强大的传统系统有 16% 的性能提升。
2018年6月，阿里巴巴达摩院推出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%，错词率降低至3.96%。
2018年10月，云从科技发布全新Pyramidal-FSMN语音识别模型，错词率（Worderrorrate，WER）降低至2.97%，较之前提升了25%，将全球语音识别准确率纪录提高至97.03%，超过受过严格训练的专业人类速记员。