SpeechIO Leaderboard 加入 Kaldi 开源中文模型

信息发布：[SpeechIO leaderboard] model zoo 中新加入基于 Kaldi 框架的开源中文识别模型，model_id 为 speechio_kaldi_multicn，可以在 leaderboard 中公开引用或者下载使用。

该模型由 Kaldi multicn recipe 的作者那兴宇于2020年中基于 multicn recipe 优化训练完成，由 SpeechIO 近日整理进 leaderboard model zoo，该模型基本代表了现有纯开源领域的最好性能。时至今日，开源模型无论在音频、文本语料的数据量，还是在模型尺寸上，仍与工业级系统存在数量级上的差距。

下图通过 SpeechIO 评测，展示了头部厂商中，性能较好的依图、性能较差的百度智能云、以及 [SOTA] 指标，和 Kaldi multicn 开源模型进行对比。

1. 可以看到在环境相对干净，内容不偏门的场景下，开源模型性能表现与工业系统差距不算大。

2. 但在声学条件复杂或者领域偏门的场景，开源模型与工业系统差距仍非常明显（准确率差别多至10几20个点）。

3. 本文是行业里第一次定量的对比当前最好的开源模型和工业系统，相信这里的数字比较，能给大家带来一点新鲜的感知。

最后要声明，对于此次发布的 Kaldi 开源模型，任何人都可以通过 leaderboard 里的说明进行下载使用，但因为该工作时间较久，SpeechIO和模型作者没有责任和义务进行维护或者答疑，望读者见谅。

开源生态的进展依赖数据、算法和交流，SpeechIO leaderboard 也欢迎大家能够提交自己最好的模型，来一较高下吧 : )