-Ginni Rometty
“07---讀洞拐”
“什么是皰疹---什么是PORT”
“導(dǎo)航去fu南電視臺---導(dǎo)航去湖南電視臺”
“介個東西是我的---這個東西是我的”
人機(jī)自由交流的前景是漫長而漸進(jìn)的，語音識別技術(shù)在細(xì)分場景持續(xù)落地，需要“因地制宜”提升識別效果。
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(yīng)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(jìn)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(yīng)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(yīng)各種領(lǐng)域，還能準(zhǔn)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(yīng)用都重在“入鄉(xiāng)隨俗”。此外，中英混雜、多語種等語言習(xí)慣也影響著識別效果。
場景驅(qū)動，定制模型提升識別率
思必馳推出DUI標(biāo)注訓(xùn)練一體化平臺是集成語音標(biāo)注、模型自訓(xùn)練、識別測試、服務(wù)部署和團(tuán)隊管理于一體的一站式產(chǎn)品，提供數(shù)據(jù)標(biāo)注-模型優(yōu)化-測試評估-服務(wù)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(yīng)，持續(xù)提升場景識別效果。
目前，思必馳DUI標(biāo)注訓(xùn)練一體化平臺，已在醫(yī)療、政務(wù)、航空等多個行業(yè)領(lǐng)域得到應(yīng)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(xì)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(qiáng)需求。會議場景下的需求可以歸納為兩方面：
1.準(zhǔn)確度高，即識別結(jié)果要準(zhǔn)。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(zhǔn)確。借助平臺進(jìn)行語言和熱詞模型的訓(xùn)練，訓(xùn)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(xùn)練模式，通過反復(fù)迭代，可以增強(qiáng)在某一個細(xì)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(dǎo)發(fā)言人的用語習(xí)慣進(jìn)行聲學(xué)定制，系統(tǒng)持續(xù)自我“進(jìn)化”，模型將越用越智能。
2.閱讀性強(qiáng)，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(dá)，因此識別結(jié)果要通俗易懂，尤其在標(biāo)點斷句上要“通人性”。通過平臺的標(biāo)點、順滑、斷句模型訓(xùn)練可以輸出符合眾人閱讀習(xí)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(fù)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(zhǔn)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(biāo)注訓(xùn)練一體化平臺可進(jìn)行語言+聲學(xué)+標(biāo)點的自訓(xùn)練，實現(xiàn)標(biāo)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(zhǔn)確率相對提升40%。
醫(yī)療場景：
專業(yè)術(shù)語更精準(zhǔn)
醫(yī)療場景的應(yīng)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XXMg液體”。語音識別的準(zhǔn)確性關(guān)乎診斷結(jié)果的正確輸出。DUI標(biāo)注訓(xùn)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(zhǔn)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(jī)房中，確保數(shù)據(jù)安全。
城市交通：
風(fēng)暴降噪更清晰
風(fēng)噪、路噪、發(fā)動機(jī)噪聲等多重環(huán)境噪音是城市交通場景應(yīng)用的一大難題。DUI標(biāo)注訓(xùn)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(xué)習(xí)，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(zhǔn)確識別“??(lei)崗站、“東涌(chong)站”等冷門、多音字的站名，讓乘客通過咨詢機(jī)進(jìn)行語音問詢、購票更自由。
數(shù)字化門店：
消費者服務(wù)更個性
在各類門店中，服務(wù)人員可佩戴著藍(lán)牙耳麥、智能錄音工牌與客戶交談，AI輔助服務(wù)行業(yè)數(shù)字化轉(zhuǎn)型。
例如在地產(chǎn)售樓場景中，精細(xì)化語音識別效果，強(qiáng)化對方言口音、“預(yù)算”、“產(chǎn)權(quán)”等行業(yè)關(guān)鍵詞的識別。餐飲店內(nèi)，記錄下最受歡迎的“菜品名”。汽車4S店中，通過對“排放量”、“品牌名”、等高頻詞匯識別，進(jìn)行用戶畫像分析。不僅可以規(guī)范員工的服務(wù)話術(shù)，更能基于大數(shù)據(jù)洞察用戶需求，給出針對性方案提升簽單轉(zhuǎn)化率。
語音識別優(yōu)化是一個漫長的過程，伴隨海量數(shù)據(jù)不斷更新，語音識別準(zhǔn)確率將持續(xù)提升。
智能經(jīng)濟(jì)形態(tài)下，以AI為技術(shù)手段，賦能產(chǎn)業(yè)形態(tài)轉(zhuǎn)型升級是思必馳所愿。將自主定制的主動權(quán)交給用戶，讓智能語音交互技術(shù)持續(xù)下沉，賦予各行業(yè)投入智能化浪潮的自由權(quán)利，或許智能化故事才剛剛開始。
