华南理工大学学报(自然科学版)

作者：马晓亮, 安玲玲, 邓从健, 等

单位：1.西安电子科技大学 广州研究院, 广东 广州 510555；2.中国电信股份有限公司 广州分公司, 广东 广州 510620；3.马晓亮劳模和创新工匠工作室, 广东 广州 510620；4.广州云趣信息科技有限公司, 广东 广州 510665；5.中国电信股份有限公司 广东分公司, 广东 广州 510080

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

基金：国家重点研发计划项目(2022YFB3102700);国家自然科学基金重点资助项目(62132013)

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。

来源：2023年第8期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2023年第8期