5月31日消息,奇富科技智能营销及贷后提醒业务场景中,每天都能接到大量带方言口音的电话,客户口音的多样性直接影响到语音识别的准确率和业务的流畅度。为此,奇富科技宣布“QI语精灵”方言识别技术再度升级,成功将业内首个全自研Qifusion框架集成到业务场景中,不仅弥合方言识别对自身业务的影响,而且在业内知名的Kespeech 开源方言数据集性能对比测试中,字错率刷新模型最低值,达到国内顶尖水平。
图:Kespeech 开源方言数据集性能对比
据悉,QI语精灵是奇富科技全自研智能语音模型,此次升级依托自身丰富的贷后提醒及方言数据样本,不仅延续了对国内八种主流地区方言的覆盖,包括东北官话、胶辽官话、北京官话、冀鲁官话、中原官话、江淮官话、兰银官话和西南官话,还特别针对四川、重庆、山东、河南、贵州等用户分布较多的地区方言的识别能力进行了强化,平均识别准确率相对提升了25%,川渝地区方言识别准确率相对提升超35%。同时,融合方言信息提取模块,它能够自动识别不同口音,并在时间维度上对文字进行解码修正,将方言口音的语音识别误差率降低了30%以上,整体语音识别字错率降低了16%以上,显著提升了用户体验。
在模型结构上,QI语精灵依托全自研的Qifusion结构,突破传统方言识别模型受限于地区先验条件,需预先知晓方言种类才能准确识别的局限,无需方言种类的先验条件,便能直接进行精准的识别和转译。并创新采用了多任务学习方法,在复杂的通话环境下实现了超过93%的语音识别综合准确率。此外,意图识别功能同样表现出色,准确率超过95%,能够迅速而准确地识别用户需求并做出响应。
在业务应用上,基于QI语精灵提出的预训练方言信息模块及增量业务数据训练策略的结合,能大幅提升智能营销、贷后提醒、风险控制业务应用场景识别准确率。在智能电销及贷后客户沟通服务中,QI语精灵能将大量的语音转写成文字,无论是标准的普通话还是方言口音都能精准捕捉并转写,大幅减轻客服人员的工作压力。同时,能快速且准确地解析用户需求并作出响应,为用户提供精准高效的服务体验。
据介绍QI语精灵技术在实际应用中展现出的显著成效得益于奇富科技在人工智能语音领域的持续研究与开发积累。《Eden-TTS:一种简单高效的非自回归“端到端可微分”神经网络的语音合成架构》、《基于多粒度Transformer的多模态情绪识别》和《基于SE模块和多尺度特征学习的语音情感识别》等多篇论文被ICASSP和 INTERSPEECH两大顶级语音领域的国际学术会议连续收录。
5月31日消息,奇富科技智能營銷及貸後提醒業務場景中,每天都能接到大量帶方言口音的電話,客戶口音的多樣性直接影響到語音識別的準確率和業務的流暢度。爲此,奇富科技宣佈“QI語精靈”方言識別技術再度升級,成功將業內首個全自研Qifusion框架集成到業務場景中,不僅彌合方言識別對自身業務的影響,而且在業內知名的Kespeech 開源方言數據集性能對比測試中,字錯率刷新模型最低值,達到國內頂尖水平。
圖:Kespeech 開源方言數據集性能對比
據悉,QI語精靈是奇富科技全自研智能語音模型,此次升級依託自身豐富的貸後提醒及方言數據樣本,不僅延續了對國內八種主流地區方言的覆蓋,包括東北官話、膠遼官話、北京官話、冀魯官話、中原官話、江淮官話、蘭銀官話和西南官話,還特別針對四川、重慶、山東、河南、貴州等用戶分佈較多的地區方言的識別能力進行了強化,平均識別準確率相對提升了25%,川渝地區方言識別準確率相對提升超35%。同時,融合方言信息提取模塊,它能夠自動識別不同口音,並在時間維度上對文字進行解碼修正,將方言口音的語音識別誤差率降低了30%以上,整體語音識別字錯率降低了16%以上,顯著提升了用戶體驗。
在模型結構上,QI語精靈依託全自研的Qifusion結構,突破傳統方言識別模型受限於地區先驗條件,需預先知曉方言種類才能準確識別的侷限,無需方言種類的先驗條件,便能直接進行精準的識別和轉譯。並創新採用了多任務學習方法,在複雜的通話環境下實現了超過93%的語音識別綜合準確率。此外,意圖識別功能同樣表現出色,準確率超過95%,能夠迅速而準確地識別用戶需求並做出響應。
在業務應用上,基於QI語精靈提出的預訓練方言信息模塊及增量業務數據訓練策略的結合,能大幅提升智能營銷、貸後提醒、風險控制業務應用場景識別準確率。在智能電銷及貸後客戶溝通服務中,QI語精靈能將大量的語音轉寫成文字,無論是標準的普通話還是方言口音都能精準捕捉並轉寫,大幅減輕客服人員的工作壓力。同時,能快速且準確地解析用戶需求並作出響應,爲用戶提供精準高效的服務體驗。
據介紹QI語精靈技術在實際應用中展現出的顯著成效得益於奇富科技在人工智能語音領域的持續研究與開發積累。《Eden-TTS:一種簡單高效的非自回歸“端到端可微分”神經網絡的語音合成架構》、《基於多粒度Transformer的多模態情緒識別》和《基於SE模塊和多尺度特徵學習的語音情感識別》等多篇論文被ICASSP和 INTERSPEECH兩大頂級語音領域的國際學術會議連續收錄。