技术解读思必驰DUI标注训练一体化平台,语音识别全场景覆盖


    
    坊间总会流传些他们的段子
    格子衫、双肩包、沉默且不苟言笑
    当然,还有岌岌可危的发量(没有,不是我说的)
    那只能说,这些都是表象
    堪称新时代的中流砥柱
    每天家住回龙观,征战新中关
    浑身散发出高级又内敛的气质
    究竟是什么塑造的?
    (一切为了工作 挣钱)
    小驰捕捉到一位思必驰程序员小哥哥
    今天去看看
    他日常的那些“封神级”操作!
    
    Q:一句话形容你正在做的事情?
    A:人类之光…在宇宙中心呼唤AI…反正很Cool就对了
    Q:最近有什么新成果吗?
    A:你光顾着关注我们发际线,不关注我们的精神成果,扣鸡腿…
    最近发布了DUI标注训练一体化平台,具体干啥的,来补课!↓↓↓
    DUI标注训练一体化平台全场景应用,识别体验持续提升!
    思必驰DUI标注训练一体化平台,让服务赋能走向能力赋能:
    Q:如果我中英文掺着说,语音识别TA能听懂吗?
    A:不同场景、环境下的语音识别效果多少会受噪声、专业术语、多语言混合影响。契合场景来提升语音识别率,自然就能准确许多。
    Q:让场景识别率能持续提升,你们有什么“神技”傍身?
    A:我们融进了最新的「端到端识别技术」来提升识别准确率,通过大规模预训练模型技术提升语音识别后处理效果。结合「增量学习」、「主动学习」、「联邦学习」和「小样本迁移」等技术手段,提升用户体验。同时开放「端点检测模型自训练」、「标点断句自训练」等功能,让用户自己拥有自主权,来解决实际问题。
    Q:呃…
    A:好,说点你能听懂的
    高能,划重点!
    
    第一,关于端到端识别技术。
    过往严格意义上的端到端识别技术,如基于LAS的端到端系统,虽然可以较明显地提升通用语音识别的准确率,但受限于计算复杂、自定制语言模型技术不成熟等原因,不能大规模的商用。思必驰去年推出新一代端到端语音识别建模技术,在实现通用识别准确率相对提升10%-15% 的同时,也提升了模型计算速度,更可以满足快速有效的语言模型自定制。
    
    第二,关于大规模预训练模型技术。
    要知道,语音识别系统中除了核心的语音识别(ASR)模型部分,语音识别的后处理模型也是十分重要的,它直接影响到识别结果的可读性。思必驰语音识别系统支持「智能纠错」、「智能标点断句」、「智能口语顺滑」、「智能语义分段」、「智能语义纠错」等语音识别后处理技术,能进一步提升语音识别的效果与可懂度。模型采用大规模预训练模型,结合多任务学习(Multi-Task Learning)和知识蒸馏(Knowledge Distillation)方法。在降低70%以上模型规模的条件下,提升了模型效果,运算效率大幅提升同时降低了内存开销。
    例如在智能会议场景中,通常转写结果是篇章段落,且多含有口语化的表达,通过我们的识别后处理功能,可以将会议转写结果整理成格式化,易读易懂的会议记录。
    第三,增量学习。
    受限于深度神经网络技术中的灾难性遗忘问题,采用深度学习方法的ASR建模在权衡“既要保障模型原有识别效果,又要提升新的目标场景识别效果”时,通常采用基于新旧数据混合训练的方法。弊端是,该方法增长了模型优化的周期,又会带来数据安全隐患。基于思必驰自研的KDF-IL增量学习方法,在语音识别优化时,可以仅用新增数据进行模型训练,缩短开发周期同时,也有效保障数据安全。 第四,小样本学习。
    自研的小样本迁移学习技术,使用少量数据就可快速实现场景体验优化。例如使用少量带标注的文本数据,即可对标点断句模型进行优化,相对传统模式调优,节省了83%的数据量。例如,在真实的航空质检场景中,通用的标点断句模型面对特殊的专业术语和断句方式,一定会水土不服。得益于小样本迁移学习技术,在使用少量的标注文本情况下,即可实现F值40%左右的绝对值提升,完成体验效果从不可用到可用的转变。 最后,咳咳….(这个氛围是不是该升华了)在功能层面,我们深知不同用户的使用场景复杂多样,单靠赋能用户自主训练ASR模型不能满足需求。
    我们!(升华来了)秉承以解决用户实际问题为核心的产品理念,开放端点检测模型自训练、标点断句自训练等功能,使得用户可以通过我们的产品,完成识别系统中几乎所有模块功能的自训练,最大程度优化用户体验。
    Q:啊,真不愧是“人类之光”。求问,没经验可以用吗?
    A:平台建立的出发点就是降低 AI 使用门槛,只要企业有数智化转型的需求,我们就能匹配提供高可用定制的模型。平台的私有化部署能力,也能将自主权交给企业自己,非AI专家都能使用,”零“学习成本。
    Q:怎么合作呢?
    A:平台同时满足「模块化输出」+「支持 UI可视化界面 /API输出」这两点,可以根据业务需求灵活配置,选择使用一体化平台的全部功能,或者只使用其中几个模块的功能。
    Q:可以拓展使用吗?
    A:当然可以,「全场景覆盖」是平台的一大优点。适用于各类行业场景,如会议办公、航空通讯、智慧医疗、城市交通、数字化门店、智慧园区、线下质检、政务、庭审等等,可以快速从当前项目复用到新项目中,形成规模化生产定制,满足多样化的业务需求。
    Q:怎么联系你们呢?
    如有合作意向,请发邮件
    Q: 好,不愧是气质不凡的你们!今天收获颇丰!
    A:总结下,就是我们在一个科技开放和包容的时代,和一群特别Cool的人,做了些特别Cool的产品和事情。如果你想更了解我们,欢迎随时交流。