智能语音识别系统

---

    随着人工智能时代的到来，“沟通”被重新定义。在众多的人机交互方式中，语音交互作为作为人类社会最直接、最自然的沟通方式，承载了大量的信息，自然而然成为了人工智能时代的入口。智能语音交互包括语音识别和 语音合成技术，是让机器“能听会说”的核心所在。语音识别是将语音转换为文字的技术，让机器能够“听懂”人 的声音；语音合成是从文字生成语音的技术，为机器赋予“开口说话”的能力。

    驰远科技智能语音交互私有化部署解决方案，以私有云计算为基础，具备多语种语音识别、合成能力，提供高性能集群支持、轻量级单机部署、移动端部署等多种模式，提供全渠道快速接入能力，适用于语音输入、智能家 居、有声读物、虚拟主播、智能客服、商务交流、海外出行等各种场景，为用户提供多种语音服务。

    驰远科技致力于实现一流的语音处理核心技术，让智能语音为人们带来高效、便利、安全的生活，为用户带来“锦上添花”、“雪中送炭”的定制化体验。

    语音交互行业现状：

    驰远科技智能语音交互私有化部署解决方案：

    驰远科技智能语音交互私有化部署解决方案集成了业界领先的识别、合成技术，为机器提供“能听会说”的能力，支持高性能计算、轻量级部署、移动设备部署等各种部署方案，支持国产化硬件和系统，适用于各种业务场  景。方案支持识别热词、自学习平台、多种合成音色等灵活配置，可根据用户需求快速适配业务场景。方案提供了适用于多种平台的SDK 和 API,   用户可快速接入以下服务：

    ● 实时语音识别： 对音频进行实时听写，适用于语音输入、语音控制等场景。

    ● 音频文件转写：将录音得到的音频文件进行转写和翻译，适用于会议纪要整理等场景。

    ● 语音合成：根据文字生成对应的语音，适用于有声读物、虚拟主播、智能客服等场景。

    方案优势：

 应用场景

 技术参数：

    ● 支持16kHz/8kHz 的采样率，16bit 的位深，单通道音频。不超过一分钟的音频流转成文本。可对中文普通话、英文等语种的音频文件转换成文字的功能，支持MP3、WAV、PCM、M4A、WMA、MP4、OPUS、AMR、3GP、AAC、FLAC 等丰富的音频文件格式。

    ● 支持文稿模式和字幕模式两种输出格式的文件转写。

    ● 基于语法规则和结果置信度，准确识别指令转写结果，支持语音检出（VAD）能力，能够对输入的录音文件进行分析，确定音频的起始和终止的处理过程。

    ● 提供中文、英文、日语、韩语等常用语种，并可选配藏语、维语两种少数民族语言和四川方言版本。

    ● 支持词级别的对齐结果，可以用于音字同步精确到毫秒（ms）。

    ● 通过调音台、声卡等设备采集实时音频流，并实时转写成文字。

    ● 具备高效的语音增强能力，引擎内置降噪，在复杂环境中能够降低噪音对识别的干扰。

    ● 支持逆文本标准化，将语音识别结果中的日期、数字等对象以标准化格式展示。

    ● 智能判断对识别的文本添加标点。

    ● 支持自动关键词提取和实时字幕，可以对录制的音视频语音转文字后自动生成字幕，并可对字幕进行人工微调修正，形成正确的字幕文件。

    ● 中文热词导入及编辑，涉及到特殊易错的词汇，可以作为热词直接替换并提供热词接口。

    ● 可手动配置敏感词，对敏感词进行屏蔽、标注或删除。

    ● 可手动添加语气词过滤，识别结果中自动删去匹配的语气词。

    ● 设备可根据谈话人员进行自动角色分离。