四六级算啥，思必驰语音识别如何听懂方言的？

　　不论是＂勒是雾都＂的重庆，还是遍地＂靓女靓仔＂的广东，＂吴侬软语＂的江浙，方言都是各地极具特色文化名片。一方面，方言附着极大的亲切感，另一方面，方言也承载着各地强烈的情感认同与文化价值。
　　科技发展中的语言交流，不能遮蔽地方性的文化和知识。
　　考虑方言识别存在文化保护的更高立意，同时也在将老年、弱势群体并入科技生活。 思必驰放大全链路语音系统应用在方言的识别、理解、合成上， 在家居、银行大厅等应用场景落地，形成了能听懂＂方言＂的医疗陪伴音箱、智能客服机器人等多样化的产品，可识别粤语、四川话等多种方言。 语音识别的＂软肋＂-口音、方言
　　语音识别好比机器的＂听觉系统＂，让机器通过识别、理解，将语音信号转变为可理解的文本。汉语语音识别的研究起始于70年代，经历四十余年发展，得益于技术的演进和海量数据的积累，一般场景下普通话识别都能达到较好的识别效果。但＂口音、方言＂仍是全球诸多人机交互公司共同面对的挑战。
　　为了探究方言、口音对语音识别系统的影响，2018 年华盛顿邮报，Globalme 、Pulse Labs （语音研究公司）合作，对市场主流智能音箱进行测试，事实证明智能音箱不能对方言＂通吃＂。
　　方言识别究竟难在哪？
　　多音多义，使用情境各不同。 以中文为例，不仅是在文字使用习惯上（例如，＂老后悔了＂），读音上也存在差异性（＂插＂读＂擦＂，＂胡＂读＂福＂）。标准普通话由21个声母和39个韵母组成，上海方言中却包含34个声母和54个韵母，不同方言就是不同数量的声韵母组合。同时，语音识别是一个强场景关联的技术，不同使用情境，方言识别效果存有差异。针对性的声学模型+语言模型训练是一个长期的过程。
　　需要丰富的语料用以训练。 可以理解为机器的＂词汇量＂，思必驰基于多年语音交互领域的研究，积累了大量基于场景化的数据，铢积寸累地汲取方言语料，不断更新、完善语音数据资源库的建设。
　　需要持续地研究文化、语素、音素， 专业人士、方言专家的参与，会让方言识别效果事半功倍。 低资源环境，如何保证识别准确率？
　　面对低资源环境，如何提升语音识别准确率？思必驰研发了多种跨语言预训练、联合学习、迁移学习的技术，使用较少的数据，来实现方言识别效果的提升。
　　跨语言预训练模型
　　跨语言预训练， 简言之，就是利用大量的有监督或无监督文本，例如用普通话来作为它的基底得到通用的预训练模型，在此基础上叠加少量的方言数据进行模型训练。伴随后期积累起来的方言、垂直场景数据。＂炼丹炉＂就可以不断提高模型性能表现，从而提升识别率。
　　多语言联合学习， 例如考虑到贵州、四川地理位置上的接近性，因而语言近似性较高。在方言数据样本低资源下，思必驰将近似性语言进行联合学习，从而降低模型的识别难度。
　　自研的小样本迁移学习技术， 用较少的数据量，可以快速实现场景体验优化。例如使用少量带标注的文本数据，即可对标点断句进行优化，相对传统模式调优，节省了83%的数据量。
　　使用联合学习和迁移学习的识别后处理技术
　　在实际应用中，满足大规模快速自定制的模型，是企业方的切实需求，一是低门槛快速定制，二是能拥有足够的自主权。 思必驰方言识别技术，同时具备快速高效的场景化定制能力。 通过数据的快速收集和场景模拟，结合自主研发的识别模型自训练系统，短时间内显著提升方言识别模型在应用领域的效果，满足业务需求。
　　对于有多语言混合需求的集成商，思必驰运用多混合识别模型，在完成识别特定方言的同时，还可识别普通话，最多支持十多种方言的识别。例如，中川混读模型可以同时识别四川话和普通话。
　　目前，思必驰提供基于云+端混合引擎的连续语音识别， 支持四川话、粤语、上海话、闽南语、陕西话、山东话等十几种方言识别。
　　轻松识别方言，让交互更有温度
　　探索人机交互的自然、流畅发展，语言的交流一定要足够人性化。
　　重庆农商行客服机器人刷屏朋友圈，TA能听懂四川话，顺畅完成余额查询、转账等操作，面对说惯了四川话的老一辈人们，这个功能太友好。
　　基于广泛的生活场景，思必驰与合作伙伴一起将人性化交互的主动权交给用户，聆听更多＂新声＂。
　　在家里，美的空调/热水器烤箱等产品均支持多种方言（粤语，四川话，山东话，上海话）识别，方言转普通话等模式，各色乡音无缝交流。思必驰智能医疗音箱亦能听懂方言、重口音普通话，充当家庭医生安心相伴。
　　汽车里，支持四川话的语音识别服务，导航都略带一丝＂麻辣味＂。某城市地铁站内，自助售票机支持普通话/中英混合/英语/粤川沪等多语种及方言的识别，准确识别＂(lei)岗站、＂东涌(chong)站＂等冷门、多音字的站名，乘客语音问询、购票更自由。
　　会议室里，语音识别入乡随俗，用＂方言＂的特技展现出出色的工作能力。
　　伴随AI语音技术普惠式发展并逐渐下沉，让不会拼音、不会普通话，只会方言的老年人，可以通过方言识别实现无障碍交流，这是可见的事实。广袤的华夏大地，科技反哺传统，正守护着多彩语言文化的灿烂文明。
　　当下来讲，加强对＂方言字词＂、＂方言音标＂标准化建设，让TA更懂人们的声音。未来随着语音识别自适应能力越强，不受特定人、口音、方言的影响的识别技术将指日可待。