“07---读洞拐”
“什么是疱疹---什么是PORT”
“导航去fu南电视台---导航去湖南电视台”
“介个东西是我的---这个东西是我的”
人机自由交流的前景是漫长而渐进的,语音识别技术在细分场景持续落地,需要“因地制宜”提升识别效果。
01语音识别的“三大考验”
噪声环境。目前对语音识别效果影响最大的就是环境杂音或噪音,在公共场所中,来自四面八方的声音会让识别系统不知所措,实验室环境下的优异表现可能在实际应用场景中被“吊打”。例如在高铁、地铁、公交等交通场景下,多种混合噪声降低了识别效果,进而影响用户在询路、购票、换乘过程中的交互体验。
专业术语。大多数垂直应用场景都有自身的专业术语和指代用词,例如医疗场景中病症、医药名,门店销售场景中的奢侈品牌名称、型号,公安审讯场景中的敏感词汇,会议场景中的人名、地名等等,要求语音系统适应各种领域,还能准确识别特殊用词不是件容易事。
多语言混合识别。“你好小驰,hu(福)建今天天气怎么样?那fu(湖)南呢?”识别方言口音在生活中随处可见,伴随着AI技术拓展到了三、四线城市,智慧门店、地产售楼、汽车4S店等场景的应用都重在“入乡随俗”。此外,中英混杂、多语种等语言习惯也影响着识别效果。
02场景驱动,定制模型提升识别率
思必驰推出DUI标注训练一体化平台是集成语音标注、模型自训练、识别测试、服务部署和团队管理于一体的一站式产品,提供数据标注-模型优化-测试评估-服务部署完整链路语音识别自主优化能力,支持私有化部署,协助企业在短期内实现识别效果“不可用->可用”的提升,实现快速更新响应,持续提升场景识别效果。
目前,思必驰DUI标注训练一体化平台,已在医疗、政务、航空等多个行业领域得到应用。平台支持私有云一键化部署,未来也将以公有云的形式对外开放,用于语音识别优化。注册用户可全流程自主掌握,后续规模化的拓展也将触类旁通。
会议场景:会议记录更细致
会议发言的实时转写、纠错与记录是现代办公的强需求。会议场景下的需求可以归纳为两方面:
1. 准确度高,即识别结果要准。行业领域常用语、专有名词、中英文混杂、人名职位等各种词汇篇章表述需要尽可能准确。借助平台进行语言和热词模型的训练,训练后的模型在会议真实场景下的识别率提升至95%以上。另外,使用语言模型增量训练模式,通过反复迭代,可以增强在某一个细分场景或领域下的识别效果。除此以外,大会场景下,可以针对领导发言人的用语习惯进行声学定制,系统持续自我“进化”,模型将越用越智能。
2. 阅读性强,即识别出的文本易于阅读,可懂度高。会议转写结果通常会是篇章段落,且多含有口语化表达,因此识别结果要通俗易懂,尤其在标点断句上要“通人性”。通过平台的标点、顺滑、断句模型训练可以输出符合众人阅读习惯的文本。
航空通讯场景:语音质检更安全
航空通讯比通用场景复杂,除存在诸多QNH(海平面气压)类似的缩写词汇、专业术语外,断句、发音方式1(幺)、2(两)、7(拐)、0(洞)等,也比较特殊。只有精准识别座舱内飞行员之间、或与地面塔台间的沟通话术,才可有效确保飞行安全。用户通过DUI标注训练一体化平台可进行语言+声学+标点的自训练,实现标点断句自动化全量质检,降低了人工成本,提升沟通效率,保障飞行安全。在已有落地案例中,实现了识别准确率相对提升40%。
医疗场景:专业术语更精准
医疗场景的应用不仅面临器械噪声、候诊人群说话声等背景噪声,还面临着专业科室、专家名、病症等专业术语,例如,“血压150毫米汞柱“、“推 XX Mg液体”。语音识别的准确性关乎诊断结果的正确输出。DUI标注训练一体化平台模型在对词汇、语句、发音优化后,实现识别准确率相对提升40%,在医疗垂直领域下的效果更佳。平台的私有化部署,可将患者隐私存储在医院自建机房中,确保数据安全。
城市交通:风暴降噪更清晰
风噪、路噪、发动机噪声等多重环境噪音是城市交通场景应用的一大难题。DUI标注训练一体化平台通过思必驰VDCNN自研算法降噪,针对交通场景深度学习,在嘈杂环境下也能耳听八方。同时,支持普通话/中英混合/英语/粤川沪等多语种及方言的识别,“入乡随俗”准确识别“
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
