如何提高语音识别模型的准确率？如何提高语音识别模型的准确率？
“智能客服+人工坐席”的新型客户服务模式，通过自动化的语音识别技术，降低客服中心的人力成本，提升客服中心的运营效
率。
应用场景：客服质检、机器人外呼、语音导航应用场景：客服质检、机器人外呼、语音导航
智能客服和领域非常相关，不同领域的话题各不相同，还有大量的领域词汇，所以需要根据不同领域来训练相应的语音识别模
型。
客服语音识别的技术挑战：客服语音识别的技术挑战：
1、有些客户普通话口音重：不同地域有不同的口音特点
2、自然风格说话：语速快、吐字不清、抢话叠字
3、电话信道、领域术语多：电话信道8Kh采样，音质差。不同行业有自己独特的领域术语
4、有些客户讲方言：中国有七大方言区、数十种方言
语音数据训练测试实验：语音数据训练测试实验：
一、全领域客服测试一、全领域客服测试
测试数据：涵盖金融、电信、教育、电商、房产等领域的客服语音
ASR1： “普通话朗读数据”训练所得模型
ASR1+2： ASR1基础上，增加“重口音普通话数据”
ASR1+2+3： ASR1+2基础上，增加“普通话自然对话数据”
ASR1+2+3+4： 在ASR1+2+3基础上，增加“实网客服语音数据”
结论：
只使用数据堂普通话朗读数据训练后，识别模型的字错率是54.8%，在叠加数据堂重口音普通话、普通话自然对话、实网客服
语音后，字错率降到了12.5%.
二、金融领域客服测试二、金融领域客服测试
测试数据：金融领域的客服语音
ASR1： “普通话朗读数据”训练所得模型
ASR1+2： ASR1基础上，增加“重口音普通话数据”
ASR1+2+3： ASR1+2基础上，增加“普通话自然对话数据”
ASR1+2+3+4： 在ASR1+2+3基础上，增加“实网客服语音数据”
结论：
只使用数据堂普通话朗读数据训练后，识别模型的字错率是54.8%，在叠加数据堂重口音普通话、普通话自然对话、实网客服
语音后，字错率降到了12.5%.
相关实验数据：相关实验数据：
一、普通话朗读语音一、普通话朗读语音
1505小时普通话手机采集语音数据小时普通话手机采集语音数据
下载后可阅读完整内容，剩余3页未读，立即下载
weixin_38685857
- 粉丝: 5
- 资源: 890
我的内容管理
展开
最新资源
- 批量文件重命名神器：HaoZipRename使用技巧
- 简洁注册登录界面设计与代码实现
- 掌握Python字符串处理与正则表达式技巧
- YOLOv5模块改进 - C3与RFAConv融合增强空间特征
- 基于EasyX的C语言打字小游戏开发教程
- 前端项目作业资源包：完整可复现的开发经验分享
- 三菱PLC与组态王实现加热炉温度智能控制
- 使用Go语言通过Consul实现Prometheus监控服务自动注册
- 深入解析Python进程与线程的并发机制
- 小波神经网络均衡算法：MATLAB仿真及信道模型对比
- PHP 8.3 中文版官方手册(CHM格式)
- SSM框架+Layuimini的酒店管理系统开发教程
- 基于SpringBoot和Vue的招聘平台完整设计与实现教程
- 移动商品推荐系统：APP设计与实现
- JAVA代码生成器：一站式后台系统快速搭建解决方案
- JSP驾校预约管理系统设计与SSM框架结合案例解析
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
