“07---讀洞拐”
“什么是皰疹---什么是PORT”
“導航去fu南電視臺---導航去湖南電視臺”
“介個東西是我的---這個東西是我的”
人機自由交流的前景是漫長而漸進的,語音識別技術(shù)在細分場景持續(xù)落地,需要“因地制宜”提升識別效果。
01語音識別的“三大考驗”
噪聲環(huán)境。目前對語音識別效果影響最大的就是環(huán)境雜音或噪音,在公共場所中,來自四面八方的聲音會讓識別系統(tǒng)不知所措,實驗室環(huán)境下的優(yōu)異表現(xiàn)可能在實際應用場景中被“吊打”。例如在高鐵、地鐵、公交等交通場景下,多種混合噪聲降低了識別效果,進而影響用戶在詢路、購票、換乘過程中的交互體驗。
專業(yè)術(shù)語。大多數(shù)垂直應用場景都有自身的專業(yè)術(shù)語和指代用詞,例如醫(yī)療場景中病癥、醫(yī)藥名,門店銷售場景中的奢侈品牌名稱、型號,公安審訊場景中的敏感詞匯,會議場景中的人名、地名等等,要求語音系統(tǒng)適應各種領(lǐng)域,還能準確識別特殊用詞不是件容易事。
多語言混合識別。“你好小馳,hu(福)建今天天氣怎么樣?那fu(湖)南呢?”識別方言口音在生活中隨處可見,伴隨著AI技術(shù)拓展到了三、四線城市,智慧門店、地產(chǎn)售樓、汽車4S店等場景的應用都重在“入鄉(xiāng)隨俗”。此外,中英混雜、多語種等語言習慣也影響著識別效果。
02場景驅(qū)動,定制模型提升識別率
思必馳推出DUI標注訓練一體化平臺是集成語音標注、模型自訓練、識別測試、服務部署和團隊管理于一體的一站式產(chǎn)品,提供數(shù)據(jù)標注-模型優(yōu)化-測試評估-服務部署完整鏈路語音識別自主優(yōu)化能力,支持私有化部署,協(xié)助企業(yè)在短期內(nèi)實現(xiàn)識別效果“不可用->可用”的提升,實現(xiàn)快速更新響應,持續(xù)提升場景識別效果。
目前,思必馳DUI標注訓練一體化平臺,已在醫(yī)療、政務、航空等多個行業(yè)領(lǐng)域得到應用。平臺支持私有云一鍵化部署,未來也將以公有云的形式對外開放,用于語音識別優(yōu)化。注冊用戶可全流程自主掌握,后續(xù)規(guī)模化的拓展也將觸類旁通。
會議場景:會議記錄更細致
會議發(fā)言的實時轉(zhuǎn)寫、糾錯與記錄是現(xiàn)代辦公的強需求。會議場景下的需求可以歸納為兩方面:
1. 準確度高,即識別結(jié)果要準。行業(yè)領(lǐng)域常用語、專有名詞、中英文混雜、人名職位等各種詞匯篇章表述需要盡可能準確。借助平臺進行語言和熱詞模型的訓練,訓練后的模型在會議真實場景下的識別率提升至95%以上。另外,使用語言模型增量訓練模式,通過反復迭代,可以增強在某一個細分場景或領(lǐng)域下的識別效果。除此以外,大會場景下,可以針對領(lǐng)導發(fā)言人的用語習慣進行聲學定制,系統(tǒng)持續(xù)自我“進化”,模型將越用越智能。
2. 閱讀性強,即識別出的文本易于閱讀,可懂度高。會議轉(zhuǎn)寫結(jié)果通常會是篇章段落,且多含有口語化表達,因此識別結(jié)果要通俗易懂,尤其在標點斷句上要“通人性”。通過平臺的標點、順滑、斷句模型訓練可以輸出符合眾人閱讀習慣的文本。
航空通訊場景:語音質(zhì)檢更安全
航空通訊比通用場景復雜,除存在諸多QNH(海平面氣壓)類似的縮寫詞匯、專業(yè)術(shù)語外,斷句、發(fā)音方式1(幺)、2(兩)、7(拐)、0(洞)等,也比較特殊。只有精準識別座艙內(nèi)飛行員之間、或與地面塔臺間的溝通話術(shù),才可有效確保飛行安全。用戶通過DUI標注訓練一體化平臺可進行語言+聲學+標點的自訓練,實現(xiàn)標點斷句自動化全量質(zhì)檢,降低了人工成本,提升溝通效率,保障飛行安全。在已有落地案例中,實現(xiàn)了識別準確率相對提升40%。
醫(yī)療場景:專業(yè)術(shù)語更精準
醫(yī)療場景的應用不僅面臨器械噪聲、候診人群說話聲等背景噪聲,還面臨著專業(yè)科室、專家名、病癥等專業(yè)術(shù)語,例如,“血壓150毫米汞柱“、“推 XX Mg液體”。語音識別的準確性關(guān)乎診斷結(jié)果的正確輸出。DUI標注訓練一體化平臺模型在對詞匯、語句、發(fā)音優(yōu)化后,實現(xiàn)識別準確率相對提升40%,在醫(yī)療垂直領(lǐng)域下的效果更佳。平臺的私有化部署,可將患者隱私存儲在醫(yī)院自建機房中,確保數(shù)據(jù)安全。
城市交通:風暴降噪更清晰
風噪、路噪、發(fā)動機噪聲等多重環(huán)境噪音是城市交通場景應用的一大難題。DUI標注訓練一體化平臺通過思必馳VDCNN自研算法降噪,針對交通場景深度學習,在嘈雜環(huán)境下也能耳聽八方。同時,支持普通話/中英混合/英語/粵川滬等多語種及方言的識別,“入鄉(xiāng)隨俗”準確識別“
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
