-Ginni Rometty
“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，語音識別技術在細分場景持續(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)術語。大多數(shù)垂直應用場景都有自身的專業(yè)術語和指代用詞，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技術拓展到了三、四線城市，智慧門店、地產售樓、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。
場景驅動，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品，提供數(shù)據標注-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，即識別結果要準。行業(yè)領域常用語、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域下的識別效果。除此以外，大會場景下，可以針對領導發(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。會議轉寫結果通常會是篇章段落，且多含有口語化表達，因此識別結果要通俗易懂，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飛行員之間、或與地面塔臺間的溝通話術，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)術語，例如，“血壓150毫米汞柱“、“推XXMg液體”。語音識別的準確性關乎診斷結果的正確輸出。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“??(lei)崗站、“東涌(chong)站”等冷門、多音字的站名，讓乘客通過咨詢機進行語音問詢、購票更自由。
數(shù)字化門店：
消費者服務更個性
在各類門店中，服務人員可佩戴著藍牙耳麥、智能錄音工牌與客戶交談，AI輔助服務行業(yè)數(shù)字化轉型。
例如在地產售樓場景中，精細化語音識別效果，強化對方言口音、“預算”、“產權”等行業(yè)關鍵詞的識別。餐飲店內，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，進行用戶畫像分析。不僅可以規(guī)范員工的服務話術，更能基于大數(shù)據洞察用戶需求，給出針對性方案提升簽單轉化率。
語音識別優(yōu)化是一個漫長的過程，伴隨海量數(shù)據不斷更新，語音識別準確率將持續(xù)提升。
智能經濟形態(tài)下，以AI為技術手段，賦能產業(yè)形態(tài)轉型升級是思必馳所愿。將自主定制的主動權交給用戶，讓智能語音交互技術持續(xù)下沉，賦予各行業(yè)投入智能化浪潮的自由權利，或許智能化故事才剛剛開始。
