语音识别技术发展及应用.PDF

语音识别技术发展及应用 微信智聆语音技术中心 大纲 • 语音识别技术简史 • 微信智聆语音平台 • 微信智聆云端案例 2 语音识别简史 传统系统 2009年联姻深度学习 2014年端到端初探 ◆ 特征提取 ：MFCC ，PLP ◆ 特征提取 ：Fbank ◆ 特征提取 ：Fbank ◆ 声学模型 ：HMM/GMM模型 ，输出 ◆ 声学模型 ：HMM/ DNN ，HMM/ RNN ◆ 声学模型 ：RNN ，输出音素后验概率 HMM state似然值 输出HMM state后验概率 ◆ 词典模型 ：查表 ◆ 词典模型 ：查表 ◆ 词典模型 ：查表 ◆ 语言模型 ：Ngram模型 ◆ 语言模型 ：Ngram模型 ◆ 语言模型 ：Ngram模型 语音识别简史 2017年端到端系统之CTC ◆ 端到端模型 ：RNN ，CLDNN ；训练准 则CTC准则 ◆ 输出word后验概率 ◆ 不再需要词典 ，语言模型 微信智聆语音平台—— 团队简介 微信智聆 （WeChat iHearing ） l 微信智聆 l 论文和专利 腾讯 自主研发语音技术品牌 发表语音专业会议icassp ，interspeech等十余篇 专注于语音识别 ，语音合成 ，声纹认证等语 拥有专利40多项 成立WXG语音技术 音人工智能技术的研发 中心 ，团队30人 ， 博士 占比40% l服务对象 C端 ：各类APP、智能硬件 B端 ：政府机构、企业单位 2017 l核心价值观 WXG语音 本着踏实的精神 团队 技术组 成立 重视细节的优化 落地有用的产品 2012 2011 微信智聆语音技术——前端处理 微信智聆语音技术——基础语音识别 后处理 智能断句 禁词过滤 文本顺滑 书面语转换 微信智聆语音识别系统特点 ◆ 支持中文 ，粤语 ，英语识别 并行解码空间 在线LM重估 RNN LM 语言模型 ◆ 多种数据argument技巧 ，扩充训练数 时效更新 反馈纠错 …… 据多样性 CLDNN Deep CNN CTC ◆ 先进的深度学习架构 ：CLDNN