Tối ưu hóa nhận dạng ASR
Tiếng phương ngữ × Kỹ thuật đường ống đầy đủ
Được xây dựng trên bốn giai đoạn - đường cơ sở phương ngữ, chuyên môn phương ngữ, kỹ thuật trên thiết bị và điều chỉnh dựa trên LLM - để đẩy độ chính xác ASR của doanh nghiệp đến mức hàng đầu trong ngành: độ chính xác đa phương ngữ ≥90%, với mức tăng tổng thể thêm 5-10% trên đầu của kỹ thuật.
Những thách thức chính
- !Độ chính xác không nhất quán trên 10+ phương ngữ
- !Âm học phức tạp: tiếng ồn, tiếng vang, trường xa
- !ngành thuật ngữ / tên / viết tắt khó để bao gồm chung chung
- !Đầu ra phải có thể đọc được, có thể tìm kiếm được, có thể xử lý sau
Cách tiếp cận của chúng tôi
- ✓Phương ngữ cơ sở: bao gồm 10+ phương ngữ (Phổ thông, Quảng Đông, Tứ Xuyên, Wu, Min, Đông Bắc, vv);đào tạo chuyên dụng + bộ giải mã độc lập + phương ngữ LM; đo độ chính xác đa phương ngữ ≥90%
- ✓Chuyên môn tiếng phương ngữ: nhúng phương ngữ + đào tạo chung đa nhiệm thu hẹp khoảng cách với tiếng Quan Thoại; chung chung ASR + phương ngữ LM có thể cắm nóng, phương ngữ mới mà không cần đào tạo lại; tùy chỉnh ngành công nghiệp theo từng khách hàng
- ✓Kỹ thuật trên thiết bị: front-end AGC / AEC / ANC; Nhận thức về nội dung màn hình OCR → tiêm tên miền động-từ khóa vào bộ giải mã ASR; đường ống đầy đủ trên thiết bị, độ trễ E2E < 1s, dữ liệu không bao giờ rời khỏi cơ sở
- ✓Sửa chữa dựa trên LLM: LLM chỉnh sửa ngữ cảnh nhận thức (sửa lỗi, làm mịn, dấu chấm, chuẩn hóa số); RAG trên các thuật ngữ doanh nghiệp / kiến thức ngành / biên bản cuộc họp lịch sử; + 5-10% độ chính xác tổng thể trên đầu của kỹ thuật
Sản phẩm được đề nghị
Máy chủ doanh nghiệp VV10
10 kênh · đầy đủ triển khai tại chỗ
VV10 là một công cụ 10 kênh doanh nghiệp với NPU cạnh ở 326 TOPS và bộ nhớ băng thông cao 48G. Xử lý cục bộ đầy đủ, không có rò rỉ dữ liệu, bảng điều khiển web thống nhất - đáp ứng MLPS Cấp 3 và các yêu cầu phân loại cho chính phủ, quốc phòng, tài chính và chăm sóc sức khỏe.
Tìm hiểu thêm →Thư ký cuộc họp AI
Máy chủ họp VV05
5 kênh · cạnh NPU
VV05 là một máy chủ cuộc họp 5 kênh cấp bộ phận với một NPU cạnh ở 166 TOPS và bộ nhớ băng thông cao 24G. Xử lý cục bộ đầy đủ, không có rò rỉ dữ liệu, tổng hợp âm thanh phân phối và một bảng điều khiển web thống nhất - được xây dựng cho các trung tâm R&D, tổ chức tài chính và các trung tâm chuỗi.
Tìm hiểu thêm →phần mềm tại chỗSpeech Engine (Chỉ phần mềm)
Conformer E2E · thời gian thực trên CPU · hoàn toàn ngoại tuyến
Được xây dựng trên động cơ trong nhà của NEU NLP Lab với Conformer + CTC / Attention E2E Kiến trúc. INT8 / INT4 lượng hóa, cắt tỉa, chưng cất kiến thức, và hợp nhất vận hành cho phép ASR thời gian thực trên CPU một mình. Hỗ trợ 30 ngôn ngữ + 22 phương ngữ, dịch / tóm tắt LLM trên 100 ngôn ngữ, dịch máy ở ≥800 ký tự / giây và 10:1 tập tin phiên âm giọng nói. Hỗ trợ bản địa cho NVIDIA (T4 / L4 / A10 / A100), Ascend (310P / 910B), Cambricon (MLU370 / 590), Hygon DCU; triển khai Docker / K8s một lần nhấp chuột.
Tìm hiểu thêm →Thư ký cuộc họp AI
Thẻ giọng nói V06
Kích thước thẻ · Mang theo bất cứ nơi nào
V06 là một máy ghi âm di động có kích thước thẻ kinh doanh với thân máy nhôm CNC, mic omni kép cộng với dẫn xương. Ghi lại một lần chạm và đồng bộ hóa tự động với máy chủ đám mây hoặc tại chỗ biến các cuộc họp cá nhân thành kiến thức có thể tìm kiếm.
Tìm hiểu thêm →Tích hợp OA
VoiVision tích hợp sâu với các nền tảng văn phòng hàng đầu - biên bản cuộc họp trực tiếp vào quy trình công việc của bạn.
- ✓Độ chính xác ASR cao hơn trực tiếp cải thiện OA-đồng bộ biên bản cuộc họp
- ✓Chiết xuất chính xác hơn các quyết định / todos / chủ sở hữu
- ✓Tích hợp với WeCom / DingTalk / Feishu
Đặt một bản demo cá nhân
Hãy cho chúng tôi biết kịch bản cuộc họp và nhu cầu tuân thủ của bạn - nhận một kế hoạch phù hợp.