智能语音技术的应用与发展前景.docxVIP

智能语音技术的应用与发展前景 声音是人类交流中最方便有效的方式。随着科学技术的不断发展，语音不仅是人与人之间的交流工具，也成为人与机器之间的交流工具。人类可以通过语言与机器进行沟通，并传达自己的指令，使得机器根据指令去执行相应的工作。随着人工智能的飞速发展，智能语音技术可以使得终端设备具有“能听会说”的本领。政府更是发布了一系列关于人工智能的政策，为智能语音的发展创造了良好的环境。2017年7月，国务院印发《新一代人工智能发展规划》，国家科技部宣布科技公司科大讯飞成为国家新一代人工智能开放创新平台之一，智能语音技术上升至国家发展战略。 近年来，监狱信息化工作取得了快速的发展，各核心业务的信息化应用水平不断提升，逐步实现了全流程、高覆盖、信息化应用体系。但在监狱工作的特定场景，如会见、亲情电话场景、谈话笔录、网络教改场景、监区医院诊疗场景、行政管理场景等业务场景，仍然采用人工处理方式为主。智能语音技术的发展，能够提供强大的技术服务能力，较好地解决问题，优化程序，减少监狱工作的潜在风险，为基层监狱工作提供强大推力 1 智能语音技术的基本内涵 1.1 智能语音技术在教育场景中的应用 人工智能技术的高速发展，给智能语音技术的发展提供了广阔的平台。目前，国内领先的智能语音技术已经在电信业务、教育、医疗、法院等多个领域中取得了先进应用。例如，在电信业务中，智能语音技术为电信运营商的炫铃/彩铃以及各种音乐和实用信息业务提供语音搜索软件技术平台；在教育领域中，智能语音技术应用于机器阅卷、口语评测及融入语音交互的智慧课堂设备；在医疗领域中，智能语音技术应用于实时听写、医学影像、基于认知计算的辅助诊疗系统。例如，美国智能语音技术公司可以实现在5 min内将10 h的语音病历转录成文字，其医疗解决方案已经覆盖全美国72%的医疗机构，每年为超过50万名医生、1万个医疗机构提供服务。2017年2月，最高人民法院修订发布《关于人民法院庭审录音录像的若干规定》，将智能语音识别技术引入法院庭审记录，并赋予这一新技术成果的法律效力 1.2 语义理解系统 目前，基于人工智能的主流语音技术包括3大模块，即语音识别系统、语义理解系统和语音合成系统。人声语音信号经过语音识别系统进行数字信号转化、降噪处理、断点检测、反馈中断等操作，将原始语音信号转变为标准文本信息；文本信息通过语义理解系统，经过自然语言处理，使得文本信息“翻译”成机器理解的计算机信号，通过语义理解系统中特定语音数据库进行学习比对，生成标准文本或命令来反馈执行，主要进行语义识别、置信度输出的操作；最后，执行结果文本经过语音合成系统进行文本规范、音调确定等操作，通过语法分析和韵律分析转变成语音，输出到屏幕、扬声器等语音输出系统，完成整个过程 1.3 语音采集技术的应用 智能语音技术的特点：一是便捷性，在语音获取方面非常简便，手机、录音笔等设备可以高效方便地完成语音采集；二是准确性，语音是每个人都具有的生理特征，具备唯一性和稳定性，通过专业采音设备获取的语音可以准确识别，目前在相对安静的环境内，语音采集准确性可以达到98%以上；三是实时性，目前最新的语音识别设备可以实时记录说话人说的每个字，实时记录速度在每分钟300字以上，而录音文稿可以做到记录速度在每分钟2 000字以上，差错率已降到2%，在不同语言之间也可以无缝切换。在监狱工作中，罪犯的亲情电话、会见电话、狱内侦查、谈话笔录、语言服务产生的大量语音数据，需要花费大量时间精力进行管理。利用智能语音技术中的声纹识别、语音识别与合成、自然语言处理、声学事件监测、语音控制技术及时处理，从海量的语音数据中筛选有价值的信息，通过智能分析及时发现线索，从而提高工作精确度。 2 监狱工作中智能语音技术的框架结构和应用需求 2.1 底层能力架构 在监狱中引入智能语音技术，其架构基本与智能语音系统的通用架构一致，在现有的“智慧监狱”中引入主要功能模块，并嵌入具体工作流程。监狱常用的框架在逻辑结构上分为上中下3层，下层是硬件基础层，中层是数据资源层，上层是智能应用层，保证各业务子系统的独立性，使得系统具备较强的语音数据接收能力、数据信息分析能力和基础存储能力，同时兼顾业务功能的可扩展性，满足新形势下变化的应用需求。 硬件基础层。硬件基础层为整体框架的底层，架构计算机基础硬件，如计算服务器、数据服务器、硬件存储资源、网络备份存储、交换机、网络拓扑架构等，保障系统的正常运行。 数据资源层。数据资源层主要涉及监狱狱务数据信息，如亲情电话、会见电话语音数据、狱内侦查语音数据、笔录谈话语音数据、指挥调度语音数据、敏感数据等。 智能应用层。智能应用层主要完成具体的监狱工作，如在罪犯监听、声学报警、狱务办理、信息公开、监狱会议、网络帮教、辅助诊疗、智能行政各类场景下的业务功能 2.2 监