為了方便更多媒體記者快速整理訪談、會議新聞稿件，捷通華聲在靈云語音云上線最新ASR引擎的基礎(chǔ)上，推出黨政會議專業(yè)領(lǐng)域語言模型，面對兩會發(fā)言、政府報(bào)告、黨團(tuán)會議等相關(guān)錄音實(shí)現(xiàn)了超高的轉(zhuǎn)寫識別準(zhǔn)確率，獲得媒體記者一致好評。
黨政專業(yè)領(lǐng)域模型優(yōu)化 成就超高識別準(zhǔn)確率
“我的天！這語音云也忒牛了！本打算熬夜整理兩會錄音的，沒想到等了幾分鐘，錄音內(nèi)容就變成了文字，太省事了！”一位剛剛結(jié)束兩會工作的記者用了靈云樂識轉(zhuǎn)寫錄音后驚嘆道，“而且這準(zhǔn)確率太高了，黨政相關(guān)的專業(yè)詞匯幾乎全轉(zhuǎn)寫對了！”
兩會政府報(bào)告轉(zhuǎn)寫結(jié)果，準(zhǔn)確率近99%
近期，有不少記者使用了靈云語音云轉(zhuǎn)寫了兩會相關(guān)內(nèi)容的錄音后，紛紛表示識別準(zhǔn)確率大幅提高，像“第十三個(gè)五年規(guī)劃綱要草案”、“全面建成小康社會”、“戶籍人口城鎮(zhèn)化率”等等黨政領(lǐng)域的專業(yè)詞匯都轉(zhuǎn)寫的十分準(zhǔn)確。
如何造就變態(tài)準(zhǔn)的識別率？
本次識別準(zhǔn)確率提升明顯的良好體驗(yàn)，得益于捷通華聲針對語音云靈云樂說的語音識別技術(shù)，在核心ASR引擎的升級和語言模型的定制領(lǐng)域訓(xùn)練優(yōu)化。
語音識別系統(tǒng)結(jié)構(gòu)框圖
從語音識別原理來講，影響語音識別準(zhǔn)確率很重要的因素在于語音識別系統(tǒng)的模型，一般包括聲學(xué)模型、語言模型兩部分，捷通華聲通過領(lǐng)先的人工智能技術(shù)，在兩方面針對黨政會議的錄音均進(jìn)行了針對性的優(yōu)化。
聲學(xué)模型是從語音信號中抽取的特征到音節(jié)概率的計(jì)算。作為語音識別系統(tǒng)的重要組成部分，它占據(jù)著語音識別大部分的計(jì)算開銷，決定著語音識別系統(tǒng)的性能。捷通華聲通過將最新推出的全新一代靈云語音識別引擎，對建模單元粗粒度、模型訓(xùn)練方法、解碼幀率進(jìn)行創(chuàng)新優(yōu)化，有效提升了語音識別引擎的執(zhí)行效率、魯棒性，增強(qiáng)了口音、語速適配能力，大幅提升了聲學(xué)模型的效果，識別率得以實(shí)現(xiàn)跨越式提升。
語言模型是音節(jié)到字概率的計(jì)算。捷通華聲近期通過對語言模型進(jìn)行定制場景訓(xùn)練優(yōu)化，推出了專門針對黨政會議的語言模型，該模型將大量關(guān)于黨政會議、報(bào)告的語音及文本語料放入其中進(jìn)行了訓(xùn)練優(yōu)化，面對涉及黨政相關(guān)的領(lǐng)域詞匯，實(shí)現(xiàn)了更好的匹配度，從而面對專業(yè)領(lǐng)域的錄音，有了更好的識別效果。
除了黨政會議領(lǐng)域，靈云語音云還擁有新聞媒體、會議辦公、情感寫作、IT科技、影視娛樂、醫(yī)療保險(xiǎn)、法律法院務(wù)等多種領(lǐng)域的語言模型以供用戶選擇，滿足不同領(lǐng)域的音頻轉(zhuǎn)寫，幫助各行各業(yè)的用戶實(shí)現(xiàn)高效記錄和信息輸入。
在線轉(zhuǎn)寫編輯 邊聽邊改更高效
語音轉(zhuǎn)寫為文字后，為更好地提高文字整理效率，語音云還擁有在線分音頻節(jié)點(diǎn)編輯功能，用戶可以點(diǎn)擊任意需編輯的文字，系統(tǒng)會定位到該處文字的音頻節(jié)點(diǎn)，然后邊聽該段音頻邊即時(shí)修改文字，哪里文字轉(zhuǎn)寫不準(zhǔn)，可以隨時(shí)點(diǎn)擊定位到相應(yīng)錄音上進(jìn)行修改。
通常一段一小時(shí)的采訪錄音需要花三四個(gè)小時(shí)才能整理完，而有了這個(gè)強(qiáng)大功能，通過邊聽邊校對，一小時(shí)的錄音聽完也就整理完了。并且，完全避免了整理錄音時(shí)聽著錄音手動按下暫停，在word上敲打文字后再回來點(diǎn)擊繼續(xù)播放的復(fù)雜操作。
語音云直達(dá)鏈接
用戶可直接輸入網(wǎng)址：speech.aicloud.com即可進(jìn)入語音云網(wǎng)站，另外也可以登錄靈云平臺（www.aicloud.com）點(diǎn)擊語音云服務(wù)按鈕進(jìn)入。
