關(guān)于實時語音轉(zhuǎn)寫技術(shù)的分析和介紹

其中，整理會議記錄絕對是最讓人無奈的加班原因之一。1個小時的講話內(nèi)容整理起來卻能耗費(fèi)3-4小時的時間，然后很多會議都是3小時起步的……

不要悲傷，不要哭泣，因為訊飛開放平臺已經(jīng)上線了訊飛聽見的明星產(chǎn)品——實時語音轉(zhuǎn)寫技術(shù)啦！

1讓信息錄入即時高效

信息爆發(fā)時代，有效率有質(zhì)量地整理視頻、音頻、文字等信息變得尤為重要。會議，培訓(xùn)，采訪等場景均需要形成完整的文字記錄材料，音視頻文件也需要配有字幕。

訊飛實時語音轉(zhuǎn)寫技術(shù)通過WebSocket協(xié)議，建立應(yīng)用與語音轉(zhuǎn)寫核心引擎的長連接，將音頻流數(shù)據(jù)實時轉(zhuǎn)換成文字流數(shù)據(jù)結(jié)果。實現(xiàn)即時對語音內(nèi)容的識別，展現(xiàn)對應(yīng)文字內(nèi)容。

同時，訊飛實時語音轉(zhuǎn)寫技術(shù)的識別引擎采用擁有科大訊飛自主研發(fā)全新推出的深度全序列卷積神經(jīng)網(wǎng)絡(luò)（DFCNN，Deep Fully Convolutional Neural Network）識別框架。使用大量的卷積層直接對整句語音信號進(jìn)行建模，更好的表達(dá)了語音的長時相關(guān)性，比學(xué)術(shù)界和工業(yè)界最好的雙向遞歸神經(jīng)網(wǎng)絡(luò)(BRNN,Bi-directional Recurrent Neural Network）的語音識別系統(tǒng)識別率提升了15%以上。同時結(jié)合訊飛的HPC平臺和多GPU并行加速技術(shù)，訓(xùn)練速度也優(yōu)于傳統(tǒng)的雙向LSTM CTC系統(tǒng)。

借助訊飛聽見實時語音轉(zhuǎn)寫技術(shù)，不僅能極大減輕開頭所說的整理會議內(nèi)容的耗時耗力問題，還能應(yīng)用在更多場景中：

學(xué)術(shù)講座：在嘈雜的現(xiàn)場，讓演講者的話可視化；

課程培訓(xùn)：重點內(nèi)容隨講隨記，幫助反應(yīng)理解；

電視直播：生成字幕，使得聽障人士可以了解畫面內(nèi)容；

客服電話：記錄客戶話語，幫助服務(wù)人員更好應(yīng)答。

2訊飛實時語音轉(zhuǎn)寫技術(shù)優(yōu)勢

在實時生成文字內(nèi)容的同時，訊飛實時語音轉(zhuǎn)寫技術(shù)還能滿足你的四個愿望：

我希望有更高的準(zhǔn)確率

實時語音轉(zhuǎn)寫基于深度全序列卷積神經(jīng)網(wǎng)絡(luò)框架，語音識別技術(shù)全球領(lǐng)先，在安靜環(huán)境，普通話標(biāo)準(zhǔn)下轉(zhuǎn)寫準(zhǔn)確率可達(dá)95%以上。

我希望轉(zhuǎn)寫結(jié)果表達(dá)清晰

訊飛實時語音轉(zhuǎn)寫技術(shù)具有上下文糾錯功能。在一句話結(jié)束之后，針對上下文進(jìn)行語義理解，將轉(zhuǎn)寫過程中的語音識別結(jié)果進(jìn)行智能糾錯，確保識別的準(zhǔn)確性。

我希望時間和數(shù)字等轉(zhuǎn)寫準(zhǔn)確

訊飛實時語音轉(zhuǎn)寫可以進(jìn)行文法格式智能轉(zhuǎn)換： 對結(jié)果中出現(xiàn)數(shù)字、日期、時間等內(nèi)容，將它們格式化成規(guī)整的文本，例如“五點三十”引擎會識別規(guī)整為“5:30”。

我希望文本斷句和加標(biāo)點更輕松

運(yùn)用超大規(guī)模的語言模型，讓訊飛實時語音轉(zhuǎn)寫技術(shù)可以智能預(yù)測語境，提供智能斷句和標(biāo)點符號的預(yù)測。

訊飛聽見APP實時語音轉(zhuǎn)寫

3訊飛實時語音轉(zhuǎn)寫技術(shù)案例

通過實時語音轉(zhuǎn)寫技術(shù)，訊飛聽見為博鰲亞洲論壇、世界制造者大會、全球INS大會等大型會議、論壇的活動內(nèi)容的記錄、整理提供了極大的支持。

訊飛聽見支持“博鰲論壇21世紀(jì)海上絲綢之路島嶼經(jīng)濟(jì)論壇”