Introduction应用技术领域

  • home
  • 应用技术领域
  • 大容量连续语音识别

大容量连续语音识别 (LVCSR)

本技术通过音频和语言模式识别话者语音，由20万单词规模组成的大容量连续语音识别系统。 采用Server-Client形态分散语音识别系统，由信号处理与提取特征的前处理部和音响模块、发音词典、以及使用语言模块的导航模块与后处理模块组成。
核心算法
针对反映音韵变化的音响模块和词素分析发音列生成规则算法，词典大小，未登录口令（Out-of-Vocabulary）等因素，将使用最佳语言处理单位的语言模块变化为语音测试的技术。
前处理部分
去除杂音、提升音质
提取语音区间信息
提取语音特征参数
音响模块
根据随时间变化的语音信号特征建模
使用HMM, NN模型等
发音词典
自动生成韩文单词发音列
支持多重发音列
语言模块
针对单词间语法，聚焦识别候补的加权值，让语法无误的文章获得更高分数
参考FSN、n-gram等被识别对象词汇的数量和识别速度以及识别性能，选择语言模块
基于WFST(Weighted Finite-State Transducer)的Decoder
高速/高效内存管理
Smart convergence/ 开发基于汽车环境特殊口语体n-gram的LM(Language model)
后续处理
处理识别结果，提升识别性能或者识别结果可信度的计算模块
技术服务
应用领域
*点击图标即可确认详细技术内容。