滴滴出行場景中語音識別模型的自學習平臺化實踐

{"type":"doc","content":[{"type":"heading","attrs":{"align":null,"level":2},"content":[{"type":"text","text":"1. 業務背景"}]},{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null}},{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null},"content":[{"type":"text","text":"隨着數據量增加、計算能力增強以及深度學習理論技術的發展，語音識別準確率不斷提升，應用領域不斷拓寬。在滴滴，語音識別的應用有交互式的，如搭載在車機\/手機上的語音助手，通過語音識別把用戶的語音轉換爲機器能夠理解的文字，使得機器執行對應任務並給予反饋，實現一種自然的人機交流。在一些國家，由於法律法規禁止在駕駛過程中操作手機，語音甚至成爲車載場景中駕駛員與手機交互的唯一一種方式。此外還有非交互式的應用，例如通過行程錄音保障司乘安全，以及在客服質檢、智能外呼等領域上的應用。"}]},{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null}},{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null},"content":[{"type":"text","text":"以交互產品爲例，語音識別的準確率基本可以達到95%的字準水平。但是這並不能滿足日新月異的業務需求。尤其是對於細分領域新增的專有詞彙，如英文詞、地名、專業用語，如果不針對性的調優模型，任何一家廠商的語音識別模型都難以滿足業務要求。由於業務的優化週期一般可達幾周甚至幾月，多條業務線時間存在交疊，偶爾也會出現緊急需求，完全依靠有限的語音工程師處理，並不能及時響應，影響業務推進和用戶體驗。"}]},{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null}}]}