详解ASR语音转写场景下的应用

近几年随着ASR语音转写的出现，录音笔市场开始翻天覆地的变化，科大讯飞研发了高智能的录音笔，该录音笔提供了360°全向收音与120°指向收音，前者适合多人会议或是多人受访的场合中使用，后者则适合单人采访或是视频会议中使用。相比传统录音笔，造型无疑是非常简洁，大量按键放在机身两侧，小尺寸的屏幕也没法显示太多信息，与此同时机身内部却具备蓝牙、Wi-Fi功能，深藏了各种“武艺”，拥有强大的智能能力。

ASR就是自动语音识别技术，是一种将人的语音转换成文本的技术。

语音识别是以语音为研究对象，通过语音信号处理和模式识别让机器可以自动识别和理解出人类口述的语言。ASR语音转写就是通过理解把语音信号转变为相应的文本或命令的过程的高技术。

ASR语音转写的工作过程

预处理：

1. 首尾端的静音切除，降低干扰，静音切除的操作一般称为VAD。

2. 声音分帧，就是把声音切开成一小段一小段，每小段称为一帧，使用移动窗函数来实现，不是简单的切开，各帧之间一般是有交叠的。

特征提取：

主要算法有线性预测倒谱系数(LPCC)和Mel 倒谱系数(MFCC)，目的是把每一帧波形变成一个包含声音信息的多维向量；

声学模型(AM)：

通过对语音数据进行训练获得，输入是特征向量，输出为音素信息；

字典：

字或者词与音素的对应，简单来说，中文就是拼音和汉字的对应，英文就是音标与单词的对应；

语言模型(LM)：

通过对大量文本信息进行训练，得到单个字或者词相互关联的概率；

解码：

就是通过声学模型，字典，语言模型对提取特征后的音频数据进行文字输出。

ASR语音转写的应用场景

1、客服

企业设置的呼叫中心的智能转写功能，可实时记录客户询问问题。语音客服机器人可更好地查询和匹配来回答问题，可以有效地解决简单又重复性的工作。

2、教育培训机构

语音转写在教育培训机构中的应用包括中英文的口语评测。

3、医疗

在医疗领域中的应用主要是用于电子病历录入，医生在临床诊断时可将诊断信息实时转化成文字，自动录入医院诊疗系统，有效地提高了医生的效率。

4、金融

现阶段，已有一些银行通过运用ASR语音转写，实现了语音导航、语音交易、办理业务等基础服务。

数据标注对ASR语音转写的重要性

人工智能的发展离不开数据标注，数据标注作为人工智能发展中的基石，成为了众多重要环节之中的重中之重。要想实现人工智能，我们就需要使计算机能够理解我们的语言。数据标注就是把需要计算机识别和分辨的语音打上特征，让计算机不断的识别这些特征语音，从而最终实现计算机能够自主识别语音并转换成文本。

ASR的本质是一种模式识别系统，包括了特征提取、模式匹配、参考模式等三个基本单元。

我们首先要对输入的语音进行预处理，然后提取语音的特征，在此基础上建立语音识别所需要用到的模板。而计算机在识别过程中要根据语音识别的模型，将计算机中原先存放的语音模板与输入的语音信号的特征进行比较，根据一定的搜索和匹配策略，找出一系列最佳的与输入语音相匹配的模板。然后根据此模板的定义，通过查表就可以给出计算机的识别结果。

这种最优的结果与特征的选择、语音模型的好坏、模板是否准确都有直接的关系。而这需要大量标注数据进行不断训练才能得到。

可以说数据决定了AI的落地程度，更具前瞻性的数据集产品和高度定制化数据服务成为了行业发展的主流。

景联文科技为ASR语音转写提供数据支持

技术的发展离不开数据的支持，景联文科技作为一家专业的数据采集标注公司，采集了《20000段ASR语音转写数据集》、《200个id20000段中文唤醒词数据集》、《50800段车内录音采集数据集》等可用于研究语音识别技术的算法的数据集，可有效的提升企业的测试效率。

景联文科技作为专业的数据采集标注公司，有专业的声音数据采集录音室，拥有高度场景搭建能力，在全国52个国家中有近一万人的被采集人员储备，支持多语种、多方言、多环境的语音采集。

景联文科技还自建了数据标注平台，涵盖了绝大多数主流标注工具，支持声纹识别、ASR转写、语音工程（语音切割、ASR语音转写、语音情绪判定、声纹识别标注等）标注。

景联文科技还一直致力于采用自建数据标注基地和定制化搭建的数据采集服务，有极高的数据安全合规意识，愿为 AI 企业提供全流程一体化的高精、高质数据服务解决方案。

详解ASR语音转写场景下的应用相关推荐

字符界面运行mysql_详解linux系列之字符界面下MySQL+apache+php的源代码安装
详解linux系列之字符界面下MySQL+apache+php的源代码安装在前面介绍了linux和在字符下安装,下面我来介绍一下程序包的安装. 大家也许都知道在linux安装程序的时候后用rpm包安 ...
java语音播报源代码_详解Android 语音播报实现方案（无SDK）
本文介绍了详解Android 语音播报实现方案(无SDK),分享给大家,具体如下: 功能描述类似支付宝收款时候的语音播报功能:当别人扫描你的收款码,你收到钱之后,就会听到"支付宝到账12. ...
详解在QT中写控制台程序实例
详解在QT中写控制台程序实例在QT中写控制台程序实例是本文介绍的内容,不多说了,先来看本文内容. AD: 本文介绍的是详解在QT中写控制台程序实例,来看那内容.找到两种方法可以写控制台程序第 ...
php各种编码集详解和以及在什么情况下进行使用发布：mdxy-dxy 字体：[增加减小] 类型：转载字符是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。字符集是多个字符的集
php各种编码集详解和以及在什么情况下进行使用发布:mdxy-dxy 字体:[ 增加减小] 类型:转载字符是各种文字和符号的总称,包括各国家文字.标点符号.图形符号.数字等. 字符集是多个字符的 ...
iOS runtime 底层详解、内部原理、场景应用
前言学:位域和共用体一:isa指针--runtime之前的学习 1.1:苹果应用的按位或.按位与二:类对象信息 2.1:类对象信息:rw_t 2.2:类对象信息:方法缓存(很关键) 2.2:类对象 ...
详解基于 Cortex-M3 的任务调度（下）
文章目录工程说明实验结果代码讲解时钟节拍任务切换 task_switch() PendSV_Handler 任务的代码重要的全局变量 main() 函数代码下载在详解基于 Corte ...
android WebView详解，常见漏洞详解和安全源码（下）
上篇博客主要分析了 WebView 的详细使用,这篇来分析 WebView 的常见漏洞和使用的坑. 上篇:android WebView详解,常见漏洞详解和安全源码(上) 转载请注明出处:http ...
张赐荣 | 详解SAPI5语音转换扩展XMLTTS标记
SAPI5语音转换扩展XMLTTS标记语言详解 [作者:张赐荣] SAPI 文本语音转换(TTS)扩展标记语言(XML)标签分成几个范畴. 声音状态控制直接项插入声音上下文控制声音选择声音状态 ...
OpenCV的图像直角坐标系转极坐标系的函数warpPolar()详解,并附自己写的实现直角坐标系转极坐标系的MATLAB代码
[草稿]详解OpenCV实现图像直角坐标系转极坐标系的函数warpPolar(),并附自己写的实现直角坐标系转极坐标系的MATLAB代码有些时候我们需要把图像或矩阵从直角坐标系(笛卡尔坐标系)转换到 ...
详解DNS的常用记录（下）：DNS系列之三
详解DNS常用记录(下) 在上篇博文中我们介绍了DNS服务器中几种不可或缺的记录,包括A记录,NS记录和SOA记录.本篇博文中我们将继续为大家介绍DNS ...

详解ASR语音转写场景下的应用

详解ASR语音转写场景下的应用相关推荐

最新文章

热门文章