基于行业词表的自动语音转写后优化技术

摘要：

自动语音识别(ASR)技术目前已发展得较为成熟,通用ASR引擎已经广泛应用于交通、医疗、通信等行业.但是,由于行业专有词汇在大规模训练语料库中呈非独立同态分布,通用ASR引擎在各细分行业转写时存在对行业专有词汇识别准确率低的问题.相较于互联网环境的16 kHz音频采样率,电话呼叫中心语音为窄带低采样(采样率8 kHz),转写后精度下降尤为明显.为了提高行业词汇的语音转写准确率,文中提出一种基于行业词表的ASR转写后优化技术.首先,对语料库文本数据分别采用卷积神经网络模型和深度神经网络BERT模型进行预测分词,生成行业纠错词表.随后,在生产环境中,使用通用ASR引擎对电话呼叫语音数据进行初始转写.然后,对一次转写后的文本,通过Soft-Masked BERT模型结合纠错词表实现文本数据的纠错,从而提高语音识别准确率.使用广州12345热线客服通话语音数据进行训练和测试,结果表明,使用文中的转写后优化技术可以将通用ASR引擎的行业用词转写准确率提高约10个百分点,且纠错速度较快,具有良好的适用性.

关键词：文本纠错、语音识别、客服通话、行业纠错词表、卷积神经网络

所属期刊栏目：51

分类号：TP391.1(计算技术、计算机技术)

在线出版日期：2023-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：118-125