“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”
文章图片
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 。
文章图片
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 。
文章图片
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“??(lei)岗站、“东涌(chong)站”等冷门、多音字的站名 ， 让乘客通过咨询机进行语音问询、购票更自由 。
数字化门店：消费者服务更个性
在各类门店中 ， 服务人员可佩戴着蓝牙耳麦、智能录音工牌与客户交谈 ， AI辅助服务行业数字化转型 。
例如在地产售楼场景中 ， 精细化语音识别效果 ， 强化对方言口音、“预算”、“产权”等行业关键词的识别 。 餐饮店内 ， 记录下最受欢迎的“菜品名” 。 汽车4S店中 ， 通过对“排放量”、“品牌名”、等高频词汇识别 ， 进行用户画像分析 。 不仅可以规范员工的服务话术 ， 更能基于大数据洞察用户需求 ， 给出针对性方案提升签单转化率 。
语音识别优化是一个漫长的过程 ， 伴随海量数据不断更新 ， 语音识别准确率将持续提升 。
【训练|DUI标注训练一体化平台全场景应用，识别体验持续提升！】智能经济形态下 ， 以AI为技术手段 ， 赋能产业形态转型升级是思必驰所愿 。 将自主定制的主动权交给用户 ， 让智能语音交互技术持续下沉 ， 赋予各行业投入智能化浪潮的自由权利 ， 或许智能化故事才刚刚开始 。
推荐阅读
- 训练|华为运动健康 Beta 新版本测试：新增健身课程分享、血压挑战计划
- 模型|神经辐射场去掉「神经」，训练速度提升100多倍，3D效果质量不减
- 蓝绿大|【前沿】蓝绿厂终于有“名分”了！vivo/OPPO完成蓝绿厂商标注册
- 训练|腾讯云副总裁吴运生：AI落地出现新变化，对细分行业需要深入理解
- 中国|航天员选拔挑战重重，未来普通人经过长时间训练也能太空旅行？
- 公司|兴图新科：公司的软件系统和相关设备可满足部队日常训练任务需求
- 函数|NeurIPS 2021 | 华为诺亚Oral论文：基于频域的二值神经网络训练方法
- 郭梅|人工智能“数据标注师” 让AI学会思考
- 模型|飞桨AI训练技术再突破 发布端到端自适应大规模分布式训练技术
- 训练|跑表那么多指标你真的会看吗？深度解读跑表数据……