ASR 認識最適化
方言 × フルパイプラインエンジニアリング
方言ベースライン、方言専門化、 オンデバイスエンジニアリング、 LLM ベースの訂正の 4 段階に基づいて構築され、 ASR 精度を業界トップレベルにプッシュします。マルチ方言精度 ≥ 90% 、エンジニアリングに加えて 5 〜 10% の全体的な利益が得られます。
主な課題
- !10 以上の方言で一貫性のない精度
- !複雑な音響 ： ノイズ、エコー、遠距離
- !業界用語 / 名前 / 略語一般的にカバーしにくい
- !出力は読み取り可能、検索可能、後処理可能である必要があります
弊社のアプローチ
- ✓方言ベースライン ： 10 以上の方言 （ 中国語、広東語、四川語、呉語、民、東北語など ） をカバー；専用の訓練 + 独立したデコーダ + 方言 LM； 測定されたマルチ方言の精度 ≥ 90%
- ✓方言の専門化：方言の埋め込み + マルチタスクの共同トレーニングは、中国語とのギャップを埋める。一般的な ASR + 方言 LM ホットプラグ、再訓練なしで新しい方言。顧客ごとの業界期間のカスタマイズ
- ✓オンデバイスエンジニアリング：フロントエンド AGC / AEC / ANC； OCR 画面内容認識 → 動的ドメインホットワードへのデコーダの注入； フルパイプラインオンデバイス 、 E2E レイテンシー < 1s 、データは決して敷地を出ません
- ✓LLM ベースの訂正：LLM コンテキスト認識訂正 （ エラー修正、スムージング、句読点、数値正規化 ）； エンタープライズ用語 / 業界知識 / 歴史的な議事録に関する RAG； エンジニアリングのトップの全体的な精度 + 5 — 10%
おすすめ商品
VV10 エンタープライズサーバ
10 チャンネル · フルオンプレミス導入
VV10 は、 326 TOPS のエッジ NPU と 48 G の高帯域幅メモリを備えたエンタープライズ向け 10 チャネルエンジンです。完全なローカル処理、ゼロデータ流出 、統合ウェブコンソール —MLPS レベル 3 と政府、防衛、金融、ヘルスケアの機密要件を満たします。
詳しくはこちら →AI会議秘書
VV05 ミーティングサーバ
5 チャンネル · エッジ NPU
VV05 は、 166 TOPS のエッジ NPU と 24 G の高帯域幅メモリを備えた部門グレードの 5 チャネルのミーティングサーバです。完全なローカル処理、ゼロデータ流出 、分散オーディオ集約、統合ウェブコンソール — 研究開発センター、金融機関、チェーンハブ向けに構築されました。
詳しくはこちら →オンプレミスソフト音声エンジン （ ソフトウェアのみ ）
コンフォーマー E2E · CPU 上のリアルタイム · 完全オフライン
NEU NLP Lab の社内エンジン Conformer + CTC / Attention E2E アーキテクチャを搭載。INT8 / INT4 量子化、剪定、知識蒸留、オペレータ融合により、 CPU 単独でリアルタイム ASR を実現できます。30 言語 + 22 方言、 100 言語にわたる LLM 翻訳 / 要約、 ≥ 800 文字 / 秒の機械翻訳、および 10 ： 1 ファイル音声文字起こしをサポートします。NVIDIA （ T4 / L4 / A10 / A100 ） 、 Ascend （ 310P / 910B ） 、 Cambricon （ MLU370 / 590 ） 、 Hygon DCU のネイティブサポート； Docker / K8s のワンクリック展開。
詳しくはこちら →AI会議秘書
V06 ボイスカード
カードサイズ · どこでも持ち運び
V06 は、 CNC アルミニウムボディ、デュアルオムニマイクと骨伝導を備えた名刺サイズのポータブルレコーダーです。ワンタップでの録音とクラウドまたはオンプレミスサーバーへの自動同期により、個人的なミーティングを検索可能な知識に変換します。
詳しくはこちら →OA 統合
VoiVision は、主要なオフィスプラットフォームと深く統合されています。
- ✓ASR 精度の向上により OA 同期議事録が直接向上
- ✓決定 / Todos / 所有者のより正確な抽出
- ✓WeCom / DingTalk / Feishu との統合
パーソナライズされたデモを予約
ミーティングシナリオとコンプライアンスニーズを教えてください。カスタマイズされたプランを取得します。