优云网络10年专注于石家庄网站建设网络推广微信小程序制作等服务。成熟团队,经验丰富。联系电话/微信:18830108130
关于我们 | 联系我们
优云网络红包功能上线,吸粉利器!
学习营销找优云网络
微商城+微分销,全网营销解决方案
优云网络红包功能上线,吸粉利器!
学习营销找优云网络
微商城+微分销,全网营销解决方案
当前位置:优云网站建设首页 >> 资讯中心 >> 语音识别类产品的分类及应用场景

语音识别类产品的分类及应用场景

作者:优云网络 发布时间:2018-11-29 10:30:39 点击:

  本文主要针对人工智能中的感知智能展开分享,聊聊其中的“语音识别类产品”。


  媒体和AI巨头们乐于给大众描绘一幅幅精彩的未来生活蓝图:人工智能可以化身为你的爱车,在沙漠、森林或小巷中风驰电掣;可以是智慧公正的交警,控制红绿灯、缓解交通的拥挤;还可以是给人以贴心照顾的小助理,熟悉你生活中的每一处小怪癖。


  在看到这些美妙的畅想之后,作为一个严谨认真的AI产品经理,我不禁想去探索上述美好未来的实现路径;今天,让我们从人工智能中的感知智能开始——聊聊“语音识别类产品”。


  一、定义


  语音识别是将人类的声音信号转化为文字的过程。


  语音识别、人脸识别和OCR等都属于人工智能中的感知智能,其核心功能是将物理世界的信息转化成可供计算机处理的信息,为后续的认知智能提供基础。


  二、语音识别能满足或支撑的需求层次


  1、人与人之间的信息同步


  转化成文字的语音信息,由于少了时间轴的约束,在同等量级的情况下,人类使用眼睛获取的速度远远快于耳朵。当然,确实也损失掉了一些信息,比如情绪。


  2、检索 & 语义抽取


  利用语义建模,对某些业务场景中比较关注的词/语义进行检索,或者将其抽取出来并进行结构化记录。


  3、人机交互


  使用更自然的方式与机器/虚拟助理进行交互,实现拟人对话、对设备的操控或者问题答案的获取。


  4、数据挖掘


  通过对数据的聚类或者与各维度数据体系打通,可以对个人/人群/特定领域的语义数据进行价值挖掘。


  下面,我将以语音识别需求场景之“人机交互”为例,对业界的语音识别产品进行归类和说明。如果大家比较感兴趣,我后续文章可以再对其他的几类需求层次进行进一步的分析。


  三、分类


  1、封闭域识别


  识别范围为预先指定的字/词集合。


  即,算法只在开发者预先设定的封闭域识别词的集合内进行语音识别,对范围之外的语音会拒识。因此,可将其声学模型和语言模型进行裁剪,使得识别引擎的运算量变小;并且,可将引擎封到嵌入式芯片或者本地化的SDK中,从而使识别过程完全脱离云端,摆脱对网络的依赖,并且不会影响识别率。


  业界厂商提供的引擎部署方式包括云端和本地化(如:芯片,模块和纯软件SDK)。


  产品形态:流式传输-同步获取


  典型的应用场景:不涉及到多轮交互和多种语义说法的场景。


  比如,对于简单指令交互的智能家居和电视盒子,语音控制指令一般只有“打开窗帘”、“打开中央台”等;或者语音唤醒功能“Alexa”。但是,一旦涉及到程序猿大大们在后台配置识别词集合之外的命令,如“给小编来一块钱打赏呗”,识别系统将拒识这段语音,不会返回相应的文字结果,更不会做相应的回复或者指令动作。


  2、开放域识别


  无需预先指定识别词集合,算法将在整个语言大集合范围中进行识别。为适应此类场景,声学模型和语音模型一般都比较大,引擎运算量也较大。如果将其封装到嵌入式芯片或者本地化的SDK中,耗能较高并且影响识别效果。


  因此,业界厂商基本上都只以云端形式提供(云端包括公有云形式和私有云形式)。至于本地化形式,只提供带服务器级别计算能力的嵌入式系统(如会议字幕系统)。


  产品形态,按照音频录入和结果获取方式可分为3种:


  1)产品形态1:流式上传-同步获取,应用/软件会对说话人的语音进行自动录制,并将其连续上传至云端,说话人在说完话的同时能实时地看到返回的文字。


  语音云服务厂商的产品接口中,会提供音频录制接口和格式编码算法,供客户端边录制边上传,并与云端建立长连接,同步监听并获取中间(或者特别终完整)的识别结果。


  对于时长的限制,由语音云服务厂商自定义,一般有<1分钟和<5小时两种,两者有石家庄网站建设,可能会采用不同的模型(时长限制<5小时的模型会采用LSTM长时相关性建模)。


  典型应用场景1:


  主要在输入场景,如输入法、会议/法院庭审时的实时字幕上屏;


  与麦克风阵列和语义结合的人机交互场景,如具备更自然交互形态的智能音响。比如用户说“转发小编这篇文章”,在无配置的情况下,识别系统也能够识别这段语音,并返回相应的文字结果。


  2)产品形态2:已录制音频文件上传-异步获取,音频时长一般<3/5小时。用户需自行调用软件接口或是硬件平台预先录制好规定格式的音频,并使用语音云服务厂商提供的接口进行音频上传,上传完成之后便可以断掉连接。用户通过轮询语音云服务器或者使用回调接口进行结果获取。


  由于长语音的计算量较大,计算时间较长,因此采取异步获取的方式可以避免由于网络问题带来的结果丢失石家庄APP开发。也因为语音转写系统通常是非实时处理的,这种工程形态也给了识别算法更多的时间进行多遍解码。而长时的语料,也给了算法使用更长时的信息进行长短期记忆网络建模。在同样的输入音频下,此类型产品形态牺牲了一部分实时率,花费了更高的资源消耗,但是却可以得到特别高的识别率。在时间允许的使用场景下,“非实时已录制音频转写”无疑是特别推荐的产品形态。


  典型应用场景2:


  A)已经录制完毕的音/视频字幕配置;


  B)实时性要求不高的客服语音质检和UGC语音内容审查场景等。


  3)产品形态3:已录制音频文件上传-同步获取,音频时长一般小于<1分钟。用户需自行预先录制好规定格式的音频,并使用语音云服务厂商提供的接口进行音频上传。此时,客户端与云端建立长连接,同步监听并一次性获取完整的识别结果。使用的模型会根据语音云厂商产品策略的不同,而跟随采用上述两/三种模型中的任意一种。


  典型应用场景3:


  作为前两者的补充,适用于无法用音频录制接口进行实时音频流上传,或者结果获取的实时性要求比较高的场景。


  四、概念厘清1、离线 VS 在线


  在较多的客户认知中,离/在线的区别在于“识别过程是否需要通过云端请求”,即“识别引擎是在云端还是本地”。而云计算中的离/在线产品的引擎都处在云端,区别在于“计算过程中,客户端是否需要与云端进行实时数据交互”,即上述所述的“流式上传-同步获取”和“已录制音频文件上传-异步获取”方式。


  两者的定义在人工智能产品领域中有较多冲突,因此并不建议使用“离/在线石家庄网站建设”概念进行相关产品定义。


  语音识别为感知智能,语义识别为认知智能,前者为后者的前提基础。语音识别将声音转化成文字,语义识别提取文字中的相关信息和相应意图,再通过云端大脑决策,使用执行模块进行相应的问题回复或者反馈动作。


  注:一般来说,为了减少不必要的理解干扰,从业者更倾向于说“自然语言处理(NLP)”等概念,极少使用“语义识别”的说法。


  结语


  特别后,结合一小丢丢NLP的人机交互场景栗子作为收尾:


  “给小编这篇文章点个赞呗”,在无后台配置的情况下,封闭域的语音识别系统会拒识这段语音,而开放域的识别系统却能够识别这段语音,返回相应的文字结果。


  不过,现阶段的开放域语义系统在大概率情况下,还是会回复得比较生硬,并且也不会自动识别出相应的意图并做出指令。按照现有比较通用的方法,这个功能需要使用封闭域的NLP,在后台预先配置相关答案,并且根据预先配置的信息抽取意图,再根据意图类别和槽位信息执行相应的动作——即调用微信的点赞接口(假设可以)进行相应的点赞操作。


  听起来好绕呀,是不是觉得还是自己手动点个赞简单粗暴省事得多了呢?


  然而,一切现代人类做起来自然而然 & 毫不费力的动作,都是建构在经过了亿万年的学习进化、兆亿次闭环重复练习的智力基因基础上的;任何人工智能技术,也需要巨量的数据训练和一定的演变周期。


  并且,在所有的科技发展进程中,率先取得突破并能在应用领域成熟的产品,往往都是在封闭域首先出现的。现在,NLP正处封闭域产品化阶段(比如Amazon Echo、Google Home等),而语音识别的产品成熟化已经走过了封闭域、到达了开放域,正在向各行各业的应用场景输送自己的洪荒之力!石家庄APP开发


  附:脑图:语音识别类产品的分类及应用场景


  下一篇:AI能识别小偷的肢体语言和动作 上一篇:复盘总结:短视频持续爆发的这两年





----------------------------------------------------------------------分隔线----------------------------------------------------------------------

版权说明:如果您觉得本文不错,请转载分享给您的好友,并留下出处!谢谢!
本文链接地址:http://www.youyuncn.com/news_2687.html


----------------------------------------------------------------------分隔线----------------------------------------------------------------------

优云网络从事网站建设多年,积累多年行业经验,是石家庄专业的微信小程序制作优秀品牌!
如果您有【网站建设】需求,和【微信小程序】加盟意向,都可以随时与我们在线取得联系!
优云网络24小时客户服务热线:188-3010-8130(微信同号 何经理)




Copyright 2008 - 2018 优云网络 版权所有 违者必究 / All Rights Reserved
手机/微信:18830108130 QQ:81810632 公司地址:石家庄裕华区建华南大街蓝山国际A座1506室
工信部备案:冀ICP备15005251号-1 技术支持:优云网络
石家庄优云网络公司10年专注于石家庄网站建设服务,石家庄网站制作石家庄网站设计团队。服务满意客户近百家,欢迎来电洽谈合作!
亲,扫一扫
关注微信公众号
亲,扫一扫
添加微信好友