如何提高语音识别模型的准确率？

“智能客服+人工坐席”的新型客户服务模式，通过自动化的语音识别技术，降低客服中心的人力成本，提升客服中心的运营效率。

应用场景：客服质检、机器人外呼、语音导航

智能客服和领域非常相关，不同领域的话题各不相同，还有大量的领域词汇，所以需要根据不同领域来训练相应的语音识别模型。

客服语音识别的技术挑战：
1、有些客户普通话口音重：不同地域有不同的口音特点
2、自然风格说话：语速快、吐字不清、抢话叠字
3、电话信道、领域术语多：电话信道8Kh采样，音质差。不同行业有自己独特的领域术语
4、有些客户讲方言：中国有七大方言区、数十种方言

语音数据训练测试实验：
一、全领域客服测试
测试数据：涵盖金融、电信、教育、电商、房产等领域的客服语音
在这里插入图片描述
ASR1： “普通话朗读数据”训练所得模型
ASR1+2： ASR1基础上，增加“重口音普通话数据”
ASR1+2+3： ASR1+2基础上，增加“普通话自然对话数据”
ASR1+2+3+4：在ASR1+2+3基础上，增加“实网客服语音数据”

结论：
只使用数据堂普通话朗读数据训练后，识别模型的字错率是54.8%，在叠加数据堂重口音普通话、普通话自然对话、实网客服语音后，字错率降到了12.5%.

二、金融领域客服测试
测试数据：金融领域的客服语音
在这里插入图片描述
ASR1： “普通话朗读数据”训练所得模型
ASR1+2： ASR1基础上，增加“重口音普通话数据”
ASR1+2+3： ASR1+2基础上，增加“普通话自然对话数据”
ASR1+2+3+4：在ASR1+2+3基础上，增加“实网客服语音数据”