【嘉勤點評】探境科技的語音識別專利，通過提取語音信號的圖像特征，使識別目標之間在時間維度上沒有重疊的部分，從而提高了算法準確率以及語音識別效果。

后疫情時代智能家居再次被一眾家電企業寄予厚望，但普及率遠不及預期，大多數企業對于家電智能化仍處于“摸著石頭過河”這一初級階段。多數家電廠商更關注家電產品本身功能的研發，對于AI語音并不在行。

近年來，隨著深度學習的熱潮再次涌起，基于深度神經網絡的語音識別系統也隨之火熱，不僅在已有的最好系統基礎上將錯誤率再次減低30％甚至更多，而且由于計算機基礎設備的發展和大數據的產生，語音識別已經成為了具有商業標準的前沿技術。雖然語音識別技術目前已經相當成熟，但是在真實場景中，由于環境噪聲、語音模糊性、口音等影響，為語音識別帶來極大的挑戰，致使識別率低。

為此，探境科技于2019年9月11日申請了一項名為“一種語音識別方法、裝置、系統及存儲介質”的發明專利（申請號:201910859397.2），申請人為北京探境科技有限公司。

圖1 語音識別方法步驟圖

圖1為本發明提出的語音識別方法的步驟圖，主要包括以下步驟：首先采集語音樣本數據集（S1）。采用拾音器對各種工作現場或社會環境中的聲音進行采集，實際操作中可根據需要采集不同分貝，不同語種的語言等。

然后獲取所述語音樣本數據集的語音特征圖像（S2）。在此之前，還包括對語音樣本數據集進行預處理，目的是消除聲音和由于采集語音信號的設備所帶來的混疊、高次諧波失真、高頻等等因素，對語音信號質量的影響。盡可能保證后續語音處理得到的信號更均勻、平滑，使提取的信號參數更優質，提高語音處理質量。

再對所述語音特征圖像進行標定（S3）。標定的識別目標包括目標語種的音素或音節或詞或短語，目標語種的類別是不同類型的語種，并標記識別目標的起始位置、終止位置以及對應的類別信息。

接下來利用訓練網絡對標定后的語音特征圖像進行訓練，得到語音識別模型（S4）。學習率作為監督學習以及深度學習中重要的超參決定著目標函數能否收斂到局部最小值以及何時收斂到最小值。合適的學習率能夠使目標函數在合適的時間內收斂到局部最小值。因此首先需要根據訓練迭代次數動態設置學習率，然后利用訓練網絡對語音特征圖像進行前向運算，再根據批量梯度下降更新模型參數，進行反向運算，最后獲取總的損失函數loss曲線，并判斷曲線是否收斂，若是則表示算法準確率滿足需求結束訓練，得到語音識別模型。

最后利用語音識別模型對待識別語音信息進行識別（S5）。在實際操作中可以將待識別語音信息輸入該語音識別模型，獲得待識別語音信息的位置和類別，進行識別。

簡而言之，探境科技的語音識別專利，通過提取語音信號的圖像特征，使識別目標之間在時間維度上沒有重疊的部分，從而提高了算法準確率以及語音識別效果。

探境是一家以終端AI處理芯片為核心產品的公司，提供芯片硬件平臺和軟件算法的整體方案，是極具創新力的AI邊緣計算芯片領導者。探境科技致力于讓人工智能在物聯網世界觸手可及。

（holly）