端到端识别、增量学习…思必驰DUI标注训练一体化平台的封神级操作？

htps://mp.weixin.qq.com/s/voKIm5upzscomihdiJeap>

如果我的中英文混合在一起，语音识别TA能理解吗？

A：不同场景、环境下的语音识别效果或多或少都会受到噪音、专业术语、多语种混合的影响。根据场景提高语音识别率，当然是正确的。

Q:持续提高场景识别率，你们有什么神技？

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。思必驰去年推出了新一代语音识别建模技术，在实现通用识别精度相对提高10%-15%的同时，还提高了模型的计算速度，满足了快速有效的语言模型的个性化。

第二,关于大规模预训练模型技术。

语音识别系统除了核心语音识别(ASR)模型部分外，语音识别的后处理模型也非常重要，直接影响识别结果的可读性。思必驰语音识别系统支持智能纠错、智能标点断句、智能口语光滑、智能语义分段、智能语义纠错等语音识别后处理技术，进一步提高语音识别的效果和可知性。模型采用大规模预训模型，结合多任务学习方法。在降低70%以上模型规模的条件下，提高模型效果，大幅提高运算效率，同时降低内存费用。

例如，在智能会议场景中，转写结果通常是章节段落，包括口语表达，通过我们的识别处理功能，可以将会议转写结果整理成格式化、易于阅读的会议记录。

第三，增量学习。

自我研究的小样本转移学习技术，可以使用少量数据快速优化场景体验。例如，使用少量带标记的文本数据，可以优化标点句型，优化传统模型，节省了83%的数据量。例如，在真正的航空质量检验场景中，通用的标点断句模型面对特殊的专业术语和断句方式，一定会不服水土。由于小样本转移学习技术，在使用少量标记文本的情况下，可以实现F值40%左右的绝对值上升，体验效果从不可用到可用的变化。最后，咳嗽。在功能水平上，我们知道不同用户的使用场景复杂多样，只有能源用户自主训练ASR模型不能满足需求。

我们！(升华来了)继承了以解决用户实际问题为中心的产品理念，开放端点检测模型自我训练、标点断句自我训练等功能，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我训练，最大限度地优化用户体验。

q:啊，不愧是人类的光。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:平台同时满足模块输出、支持UI可视界面、API输出两点，可根据业务需求灵活配置，选择使用一体化平台的所有开发者_如何学Python功能，或者只使用其中几个模块的功能。

问:能扩大使用吗？

A:当然，全场景垄断是平台的一大优势。适用于会议事务、航空通信、智能医疗、城市交通、数字商店、智能园区、在线质量检查、政务、审查等各种行业场景，可以迅速从当前项目再利用到新项目，形成规模化生产定制，满足多样化的业务需求。

问：怎么联系你们？

如有合作意向,请发邮件

Q: 好,不愧是气质不凡的你们!今天收获很丰富！

A:总结起来，我们在科学技术开放和包容的时代，和特别的Cool的人们一起做了特别的Cool的产品和事情。如果你想更了解我们，请随时交流。