语音自训练平台技术详解，快速训练专属语音识别模型

语音自训练平台4月份公测以来，有1000多名用户创建了1600+模型，涉及医疗、金融、农业、教育、餐饮、物流、建筑、地产等多个行业，模型上线后应用到业务数据采集录入、音频关键词质检、智能语音助手、呼叫中心等多个语音识别场景上。模型在业务场景的识别率平均训练提升5-25%，真正有效解决了“垂直场景中语音识别的文字不准”“业务侧对文字后处理难度很高”“公司缺少模型训练的算法能力”等问题。

平台上线以来，也收到不少用户的反馈提问，如何正确利用语音自训练平台，提升训练效果，更好地实现业务场景上识别模型的训练优化。以下，将从自训练平台的训练原理、平台训练流程、训练建议几个方面为大家介绍如何正确使用语音自训练平台。

➣自训练平台的训练原理

一般的语音识别模型训练分为“声学模型训练 ”和“语言模型训练”两种。

●声学模型训练主要是解决音频中的说话人发音、语种、方言语调、环境噪声、声源远近、声纹（男女儿童）类型等方面的影响因素来实现声音识别准确；

●语言模型训练则主要解决声音识别为文字的过程中，根据文本训练语料中上下文文字搭配的统计概率来倾向于识别出正确的文字，例如将“hongqiaojichang”正确识别为”虹桥机场“而不是”红桥鸡场“。

自训练平台应用技术能力则是语言模型训练，通过上传词汇、固定搭配、长句文本等语料来干预模型如何识别出正确的文字，提升识别率。

➣ 自训练平台怎么用——平台使用流程介绍及训练建议

1)准备测试集：测试集主要用途为：评估基础模型准确率和训练后模型准确率。系统会自动将训练前后模型在测试集音频上识别出的文字结果和上传的标注文