新火種
2024-11-15 
量身定制精準(zhǔn)識(shí)別，標(biāo)貝科技語(yǔ)音識(shí)別定制方案助力企業(yè)智慧升級(jí)
OpenAI不久前發(fā)布的GPT-4o大模型，再一次讓人們看到了AI技術(shù)的強(qiáng)大。它在極低時(shí)延、極度擬人化方面展現(xiàn)出了極其絲滑的效果。在音頻識(shí)別表現(xiàn)上，GPT-4o還顯著提高了所有語(yǔ)言的語(yǔ)音識(shí)別性能，特別是在資源較少的語(yǔ)言上表現(xiàn)尤為出色。
事實(shí)上，在人工智能的浪潮中，語(yǔ)音識(shí)別技術(shù)已經(jīng)成為連接人類與機(jī)器的橋梁。從1995年 Dragon Dictate的桌面孤立詞語(yǔ)音識(shí)別，到2011年蘋果的手機(jī)語(yǔ)音助手SIRI，再到當(dāng)下百花齊放的各種智能語(yǔ)音應(yīng)用，語(yǔ)音識(shí)別不斷創(chuàng)新，解鎖新的應(yīng)用。
大模型時(shí)代 語(yǔ)音識(shí)別場(chǎng)景化定制成趨勢(shì)
語(yǔ)音識(shí)別技術(shù)，也被稱為自動(dòng)語(yǔ)音識(shí)別Automatic Speech Recognition(ASR)，是通過計(jì)算機(jī)自動(dòng)將人類的語(yǔ)音內(nèi)容轉(zhuǎn)換為相應(yīng)文字的技術(shù)。通俗來(lái)講，語(yǔ)音識(shí)別就是機(jī)器的“耳朵”，在人與機(jī)器進(jìn)行語(yǔ)音交流的時(shí)候，讓機(jī)器聽得懂人類在說什么的前提。
大模型爆發(fā)推動(dòng)文本內(nèi)容的理解和內(nèi)容生產(chǎn)能力的提升，為語(yǔ)音識(shí)別的應(yīng)用場(chǎng)景提供了更加廣泛的可能性，交互場(chǎng)景從生活擴(kuò)展到企業(yè)應(yīng)用。據(jù)市場(chǎng)研究機(jī)構(gòu)Meticulous Market Research預(yù)測(cè)，到2030年，全球語(yǔ)音和語(yǔ)音識(shí)別市場(chǎng)將達(dá)到560.7億美元，復(fù)合年增長(zhǎng)率為19.1%。
另一方面，隨著技術(shù)的突破，語(yǔ)音識(shí)別的性能也得到了顯著提升，需求從識(shí)別的速度、精度轉(zhuǎn)移到一些更加復(fù)雜的問題，也帶來(lái)了更復(fù)雜的模型訓(xùn)練和推理任務(wù)。
但市場(chǎng)上常見的語(yǔ)音識(shí)別模型，大多只適用通用場(chǎng)景。一旦脫離特定場(chǎng)景和上下文，語(yǔ)音識(shí)別的準(zhǔn)確度會(huì)急劇下降，無(wú)法達(dá)到實(shí)用的要求。因此，針對(duì)不同的聲學(xué)環(huán)境、發(fā)言習(xí)慣和專業(yè)領(lǐng)域進(jìn)行場(chǎng)景化定制的精訓(xùn)成為語(yǔ)音識(shí)別技術(shù)發(fā)展的重要方向。
標(biāo)貝科技語(yǔ)音識(shí)別定制化方案
標(biāo)貝科技深耕智能交互領(lǐng)域多年，積累了豐富的行業(yè)經(jīng)驗(yàn)。為了提高語(yǔ)音識(shí)別在垂直場(chǎng)景的準(zhǔn)確率及穩(wěn)定性，標(biāo)貝科技聚焦應(yīng)用場(chǎng)景，推出語(yǔ)音識(shí)別定制化方案。為企業(yè)提供語(yǔ)音識(shí)別技術(shù)的模型選擇、精訓(xùn)和部署等一站式定制化服務(wù)，助力企業(yè)大模型快速落地業(yè)務(wù)場(chǎng)景。
標(biāo)貝科技語(yǔ)音識(shí)別定制方案基于conformer端到端模型結(jié)構(gòu)的基礎(chǔ)上創(chuàng)新改進(jìn)，在建模單元上引入了音節(jié)信息，將傳統(tǒng)的GMM-HMM的對(duì)齊信息引入到前期訓(xùn)練中加速收斂，實(shí)現(xiàn)了在復(fù)雜環(huán)境下?lián)碛懈玫聂敯粜院妥R(shí)別效果。針對(duì)行業(yè)專業(yè)術(shù)語(yǔ)、小區(qū)域方言、個(gè)性化語(yǔ)音習(xí)慣、口音多樣性、背景噪音和自然對(duì)話等特定場(chǎng)景，均實(shí)現(xiàn)卓越的準(zhǔn)確率。
相較于市面其他通用識(shí)別模型，標(biāo)貝科技的語(yǔ)言定制模型識(shí)別準(zhǔn)確率提升近3-5個(gè)百分點(diǎn)，熱詞糾錯(cuò)功能準(zhǔn)確率達(dá)99%以上，真正做到專注、專業(yè)。
在接入方式上，標(biāo)貝科技語(yǔ)音識(shí)別定制化方案可以支持通過標(biāo)貝開發(fā)者平臺(tái)的API接口調(diào)用，還可以支持少量服務(wù)器的輕量級(jí)多機(jī)高可用以及實(shí)現(xiàn)彈性擴(kuò)容的大規(guī)模容器集群的私有云部署，滿足不同客戶的接入需求，帶來(lái)更好的服務(wù)體驗(yàn)。
目前，標(biāo)貝科技語(yǔ)音識(shí)別定制化方案已經(jīng)開始融入各行各業(yè)，在多個(gè)應(yīng)用場(chǎng)景落地。例如，在智慧政務(wù)場(chǎng)景，標(biāo)貝科技為山東某市政機(jī)關(guān)定制帶口音普通話識(shí)別模型。通過采集大量場(chǎng)景化的當(dāng)?shù)赜脩艨谝舻囊纛l數(shù)據(jù)和政務(wù)文本數(shù)據(jù)，優(yōu)化語(yǔ)音識(shí)別引擎。在政務(wù)服務(wù)熱線、前臺(tái)接待、咨詢臺(tái)等公共事務(wù)場(chǎng)景中，客服均能秒懂帶口音的普通話，增強(qiáng)政務(wù)溝通效率和市民滿意度。
在智慧醫(yī)療領(lǐng)域，標(biāo)貝科技為某醫(yī)療機(jī)構(gòu)定制實(shí)時(shí)語(yǔ)音轉(zhuǎn)錄方案。通過引入豐富的醫(yī)療文本數(shù)據(jù)，確保專業(yè)術(shù)語(yǔ)的精確識(shí)別。同時(shí)借助熱詞更新功能，持續(xù)優(yōu)化識(shí)別模型效果，識(shí)別準(zhǔn)確率在原有基礎(chǔ)上提高了6%，極大的降低了病歷記錄錯(cuò)誤，簡(jiǎn)化醫(yī)生工作流程。
大模型時(shí)代的到來(lái)，為語(yǔ)音識(shí)別帶來(lái)了無(wú)限可能。隨著未來(lái)技術(shù)的持續(xù)進(jìn)步和應(yīng)用場(chǎng)景的不斷拓展，語(yǔ)音識(shí)別場(chǎng)景化定制能力將得到進(jìn)一步提升。標(biāo)貝科技將加大研發(fā)投入，打造具有競(jìng)爭(zhēng)力的語(yǔ)音識(shí)別產(chǎn)品和服務(wù)，滿足多語(yǔ)種、多方言、多場(chǎng)景、個(gè)性化的應(yīng)用需求，推動(dòng)各行各業(yè)數(shù)字化轉(zhuǎn)型和升級(jí)。
免責(zé)聲明：市場(chǎng)有風(fēng)險(xiǎn)，選擇需謹(jǐn)慎！此文僅供參考，不作買賣依據(jù)。
相關(guān)推薦
- 免責(zé)聲明
- 本文所包含的觀點(diǎn)僅代表作者個(gè)人看法，不代表新火種的觀點(diǎn)。在新火種上獲取的所有信息均不應(yīng)被視為投資建議。新火種對(duì)本文可能提及或鏈接的任何項(xiàng)目不表示認(rèn)可。 交易和投資涉及高風(fēng)險(xiǎn)，讀者在采取與本文內(nèi)容相關(guān)的任何行動(dòng)之前，請(qǐng)務(wù)必進(jìn)行充分的盡職調(diào)查。最終的決策應(yīng)該基于您自己的獨(dú)立判斷。新火種不對(duì)因依賴本文觀點(diǎn)而產(chǎn)生的任何金錢損失負(fù)任何責(zé)任。
