語(yǔ)音識(shí)別技術(shù)在上海市軌道交通領(lǐng)域的優(yōu)化和應(yīng)用

了[摘要]語(yǔ)音識(shí)別作為人工智能領(lǐng)域重要的組成技術(shù)之一，目前發(fā)展已經(jīng)較為成熟，在諸多領(lǐng)域已經(jīng)有非常廣泛的應(yīng)用。但是，語(yǔ)音識(shí)別技術(shù)與軌道交通領(lǐng)域業(yè)務(wù)場(chǎng)景的結(jié)合目前還處在探索階段，基于此，文章以上海市軌道交通業(yè)務(wù)為研究對(duì)象，探討了語(yǔ)音識(shí)別技術(shù)應(yīng)用在上海市軌道交通各業(yè)務(wù)場(chǎng)景中可能面臨的問(wèn)題、所需采取的優(yōu)化措施以及未來(lái)的發(fā)展趨勢(shì)，以供參考。[關(guān)鍵詞]人工智能；語(yǔ)音識(shí)別技術(shù)；軌道交通上海市軌道交通運(yùn)營(yíng)規(guī)模、用工規(guī)模龐大，業(yè)務(wù)場(chǎng)景繁多，業(yè)務(wù)流程復(fù)雜。語(yǔ)音識(shí)別技術(shù)解決的主要問(wèn)題就是人機(jī)語(yǔ)音交互的問(wèn)題，使機(jī)器可以“聽(tīng)得懂”人類的語(yǔ)音，正確地理解其含義，從而發(fā)揮減輕工作強(qiáng)度、提高工作效率、提升乘客體驗(yàn)友好度、降低用工成本等作用。一、人工智能與專業(yè)領(lǐng)域語(yǔ)音識(shí)別的相關(guān)概念（一）人工智能人工智能是指通過(guò)計(jì)算機(jī)程序或機(jī)器模擬、實(shí)現(xiàn)人類智能的技術(shù)和方法。它可以讓計(jì)算機(jī)具有感知、理解、判斷、推理、學(xué)習(xí)、識(shí)別、生成和交互等類人智能的能力，從而能夠執(zhí)行各種任務(wù)，甚至超越人類的智能表現(xiàn)。人工智能技術(shù)的核心是機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等算法，它們通過(guò)大量數(shù)據(jù)和訓(xùn)練，使計(jì)算機(jī)可以自動(dòng)發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律，進(jìn)行模式識(shí)別、分類及預(yù)測(cè)等操作[1]。（二）專業(yè)領(lǐng)域語(yǔ)音識(shí)別1.語(yǔ)言模型自適應(yīng)通用語(yǔ)音識(shí)別系統(tǒng)一般很難在垂直領(lǐng)域直接應(yīng)用，其中的一個(gè)重要原因就是不同領(lǐng)域都有著各自的專業(yè)詞匯和使用習(xí)慣，通用的語(yǔ)音識(shí)別系統(tǒng)很難覆蓋到該領(lǐng)域的所有專業(yè)詞匯。解決這個(gè)問(wèn)題需要定制語(yǔ)言模型，收集一定量的領(lǐng)域語(yǔ)料，可以對(duì)語(yǔ)言模型進(jìn)行自適應(yīng)訓(xùn)練，使得定制后的語(yǔ)言模型能夠表達(dá)該領(lǐng)域的語(yǔ)言現(xiàn)象，提高該領(lǐng)域內(nèi)語(yǔ)音識(shí)別的識(shí)別率[2]。2.聲學(xué)模型自適應(yīng)語(yǔ)音識(shí)別建模需要對(duì)語(yǔ)音信號(hào)和文字內(nèi)容間的關(guān)系進(jìn)行建模，體現(xiàn)在聲學(xué)模型上，要求語(yǔ)音信號(hào)能夠盡可能真實(shí)反映地內(nèi)容信息。為提高語(yǔ)音識(shí)別率，要克服語(yǔ)音信號(hào)多樣性的弊端，包括說(shuō)話人的多樣性（說(shuō)話人的語(yǔ)速、口音等）、環(huán)境的多樣性等[3]。二、語(yǔ)音識(shí)別現(xiàn)有技術(shù)的挑戰(zhàn)（一）噪聲和環(huán)境干擾在實(shí)際應(yīng)用中，語(yǔ)音識(shí)別技術(shù)面臨著諸多挑戰(zhàn)，其中之一便是噪聲和環(huán)境干擾。例如在車站站廳有來(lái)源眾多的噪聲，乘客間的對(duì)話聲、行李拖行聲、喇叭廣播聲等。噪聲能夠改變語(yǔ)音信號(hào)的頻譜特征，使得語(yǔ)音識(shí)別系統(tǒng)難以準(zhǔn)確地提取和識(shí)別關(guān)鍵的語(yǔ)音特征。背景噪聲可能掩蓋了語(yǔ)音信號(hào)中細(xì)微的特征，導(dǎo)致錯(cuò)誤的識(shí)別結(jié)果或識(shí)別率降低[4]。環(huán)境干擾會(huì)對(duì)語(yǔ)音識(shí)別系統(tǒng)的準(zhǔn)確性產(chǎn)生影響。不同環(huán)境條件下存在各異的聲學(xué)特性，如房間大小、形狀以及吸聲材料等因素，麥克風(fēng)位置和質(zhì)量等因素也會(huì)對(duì)錄入到系統(tǒng)中的語(yǔ)音信號(hào)產(chǎn)生影響。這些環(huán)境相關(guān)因素增加了額外的語(yǔ)音變異和不確定性，從而增加了語(yǔ)音識(shí)別系統(tǒng)處理的復(fù)雜性。（二）口音和方言地區(qū)之間明顯的口音和方言差異，也給語(yǔ)音識(shí)別系統(tǒng)造成了一定程度上的干擾。一方面，口音和方言的多樣化使語(yǔ)音信號(hào)變得更加復(fù)雜。例如，同一種漢語(yǔ)發(fā)音在上海話和普通話中的發(fā)音就不同，比如“人”在普通話里發(fā)音為“ren”（二聲），在上海話里發(fā)音是“ning”（二聲）。此外，還有一些特殊的發(fā)音形式，會(huì)出現(xiàn)如連讀、省略等情況。所有這些問(wèn)題都可能導(dǎo)致語(yǔ)音識(shí)別系統(tǒng)的錯(cuò)誤率相應(yīng)增高，都需要通過(guò)對(duì)算法進(jìn)行專門(mén)的大量訓(xùn)練和處理才能正確識(shí)別出來(lái)。另一方面，口音和方言的巨大差異也直接影響到語(yǔ)音數(shù)據(jù)庫(kù)的建立。目前市面上的語(yǔ)音識(shí)別系統(tǒng)主要基于機(jī)器學(xué)習(xí)模型，需要大量標(biāo)注好的語(yǔ)音數(shù)據(jù)集進(jìn)行訓(xùn)練。由于每個(gè)地區(qū)的口音和方言都不同，需要收集并標(biāo)記足夠多的當(dāng)?shù)卣Z(yǔ)音數(shù)據(jù)才能保證訓(xùn)練效果；否則，語(yǔ)音識(shí)別模型無(wú)法充分利用當(dāng)?shù)氐恼Z(yǔ)音特點(diǎn)，導(dǎo)致識(shí)別結(jié)果不準(zhǔn)確。（三）詞匯和語(yǔ)言模型的限制詞匯和語(yǔ)言模型的限制涉及詞匯量的覆蓋范圍、詞匯的歧義性以及語(yǔ)言模型的上下文理解能力等方面?，F(xiàn)有的語(yǔ)音識(shí)別系統(tǒng)需要建立龐大的詞匯表，以便準(zhǔn)確地識(shí)別和理解說(shuō)話者的語(yǔ)音輸入。但在實(shí)際落地的應(yīng)用中存在大量專業(yè)術(shù)語(yǔ)、新詞和方言詞匯等，這些詞匯可能不在詞匯表中，導(dǎo)致識(shí)別錯(cuò)誤或無(wú)法識(shí)別的情況。在語(yǔ)音識(shí)別過(guò)程中，如何處理詞匯的歧義性是一項(xiàng)非常重要的任務(wù)。由于某些詞匯在不同上下文中的發(fā)音非常接近甚至完全相同，這可能導(dǎo)致語(yǔ)音識(shí)別系統(tǒng)產(chǎn)生錯(cuò)誤。以“紅”和“洪”為例，在普通話發(fā)音上完全一樣，如果沒(méi)有足夠的上下文信息，語(yǔ)音識(shí)別系統(tǒng)可能無(wú)法正確區(qū)分它們。語(yǔ)言模型的上下文理解能力也是一個(gè)挑戰(zhàn)。語(yǔ)音識(shí)別系統(tǒng)需要能夠理解和解釋說(shuō)話者的意圖和語(yǔ)境，以便正確地識(shí)別和轉(zhuǎn)化語(yǔ)音輸入，但由于語(yǔ)言的復(fù)雜性，其中包含的豐富的上下文信息、語(yǔ)法規(guī)則和語(yǔ)義關(guān)系等，使得系統(tǒng)很難正確理解每句話的真實(shí)含義。三、語(yǔ)音識(shí)別技術(shù)的優(yōu)化措施（一）數(shù)據(jù)增強(qiáng)數(shù)據(jù)增強(qiáng)是優(yōu)化語(yǔ)音識(shí)別技術(shù)的重要方法之一。在語(yǔ)音識(shí)別模型的訓(xùn)練過(guò)程中，數(shù)據(jù)的質(zhì)量和數(shù)量對(duì)模型的性能甚至起著決定性作用。通過(guò)對(duì)原始語(yǔ)音數(shù)據(jù)進(jìn)行變換和擴(kuò)充，數(shù)據(jù)增強(qiáng)可以生成更多多樣化的訓(xùn)練樣本，提高模型的魯棒性和泛化能力。常見(jiàn)的數(shù)據(jù)增強(qiáng)方法包括速度變換、音頻剪輯、添加噪聲和語(yǔ)音增幅。借助數(shù)據(jù)增強(qiáng)可以提供更多多樣性的訓(xùn)練數(shù)據(jù)，改善模型性能；可以減少模型在未曾見(jiàn)過(guò)示例上的過(guò)擬合問(wèn)題，提升其泛化能力；通過(guò)引入不同義項(xiàng)、說(shuō)話速度及背景噪聲等因素，數(shù)據(jù)增強(qiáng)使得模型對(duì)各種環(huán)境和語(yǔ)音特征具備更好的適應(yīng)性，能提高模型在嘈雜環(huán)境下的語(yǔ)音識(shí)別準(zhǔn)確性。另外，在進(jìn)行數(shù)據(jù)增強(qiáng)時(shí)，要注意維持?jǐn)?shù)據(jù)的真實(shí)性和可靠性。過(guò)分變換和大量添加噪聲可能導(dǎo)致生成樣本與真實(shí)語(yǔ)音差異過(guò)大，進(jìn)而降低模型性能。在進(jìn)行數(shù)據(jù)增強(qiáng)時(shí)，要根據(jù)實(shí)際場(chǎng)景和應(yīng)用需求合理控制和選擇方法，確保生成樣本與實(shí)際應(yīng)用場(chǎng)景保持一定的一致性。（二）聲學(xué)建模聲學(xué)建模是優(yōu)化語(yǔ)音識(shí)別技術(shù)的重要方法之一，它在語(yǔ)音識(shí)別任務(wù)中起著關(guān)鍵作用，能夠?qū)⒄Z(yǔ)音信號(hào)與相應(yīng)的文本進(jìn)行對(duì)齊和匹配。聲學(xué)建模的目標(biāo)是通過(guò)訓(xùn)練數(shù)據(jù)學(xué)習(xí)聲學(xué)模型的參數(shù)，準(zhǔn)確估計(jì)語(yǔ)音信號(hào)的特征和文本之間的對(duì)應(yīng)關(guān)系。深度學(xué)習(xí)模型如循環(huán)神經(jīng)網(wǎng)絡(luò)（RNNs）和卷積神經(jīng)網(wǎng)絡(luò)（CNNs）相比傳統(tǒng)聲學(xué)建模領(lǐng)域常使用的高斯混合模型（GMMs）和隱馬爾可夫模型（HMMs），可以更好地學(xué)習(xí)語(yǔ)音信號(hào)的時(shí)域和頻域特征，增強(qiáng)模型對(duì)聲音的識(shí)別能力。采用深度學(xué)習(xí)模型，可以改善聲學(xué)建模過(guò)程，提高模型的準(zhǔn)確性和魯棒性。除了選擇合適的建模方法之外，優(yōu)化聲學(xué)建模還涉及訓(xùn)練數(shù)據(jù)的準(zhǔn)備和選擇。合理選擇訓(xùn)練數(shù)據(jù)對(duì)于聲學(xué)建模非常重要。通常需要使用來(lái)自不同說(shuō)話人和多種環(huán)境條件下的語(yǔ)音樣本進(jìn)行訓(xùn)練，提高模型在不同情況下的適應(yīng)性和泛化能力。此外，數(shù)據(jù)清洗、去噪和標(biāo)注也是關(guān)鍵步驟，可以提高模型對(duì)干擾、噪聲和誤標(biāo)注的一致性。（三）語(yǔ)言模型語(yǔ)言模型在優(yōu)化語(yǔ)音識(shí)別任務(wù)中起著重要作用。它主要提供了語(yǔ)音信號(hào)解碼所需的上下文信息，提高識(shí)別準(zhǔn)確性并消除歧義。該模型基于訓(xùn)練數(shù)據(jù)學(xué)習(xí)句子的概率分布和語(yǔ)言規(guī)律，使得系統(tǒng)能夠根據(jù)其指導(dǎo)選擇最可能的識(shí)別結(jié)果。針對(duì)語(yǔ)音識(shí)別任務(wù)，常用的語(yǔ)言模型包括n-gram模型和神經(jīng)網(wǎng)絡(luò)通用的神經(jīng)語(yǔ)言模型（NLM）。n-gram模型利用訓(xùn)練數(shù)據(jù)中單詞頻率和出現(xiàn)概率進(jìn)行參數(shù)估計(jì)。與之不同的是，神經(jīng)語(yǔ)言模型利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)語(yǔ)言模型參數(shù)，可以對(duì)長(zhǎng)期依賴和復(fù)雜的語(yǔ)言結(jié)構(gòu)進(jìn)行建模。引入語(yǔ)言模型后，識(shí)別系統(tǒng)能夠考慮到上下文信息，有助于更好地理解和糾正識(shí)別錯(cuò)誤。語(yǔ)言模型可以消除或減輕發(fā)音相似或混淆的詞、短語(yǔ)或句子造成的歧義，提高最終的識(shí)別準(zhǔn)確性。四、語(yǔ)音識(shí)別技術(shù)的未來(lái)發(fā)展趨勢(shì)及應(yīng)用場(chǎng)景（一）發(fā)展趨勢(shì)1.增強(qiáng)學(xué)習(xí)增強(qiáng)學(xué)習(xí)被認(rèn)為是語(yǔ)音識(shí)別技術(shù)未來(lái)發(fā)展的趨勢(shì)之一。它是一種機(jī)器學(xué)習(xí)方法，通過(guò)與環(huán)境的互動(dòng)，學(xué)習(xí)最佳行為策略，可以用于優(yōu)化模型性能。借助增強(qiáng)學(xué)習(xí)，語(yǔ)音識(shí)別系統(tǒng)能夠與環(huán)境不斷交互，根據(jù)反饋信號(hào)調(diào)整模型參數(shù)，提高識(shí)別準(zhǔn)確率，有助于系統(tǒng)自動(dòng)學(xué)習(xí)和適應(yīng)不同的語(yǔ)音特征、噪聲環(huán)境和說(shuō)話風(fēng)格。多模態(tài)語(yǔ)音識(shí)別是另一個(gè)發(fā)展趨勢(shì)，它結(jié)合了語(yǔ)音和其他傳感器數(shù)據(jù)，可以利用說(shuō)話者面部表情、手勢(shì)和其他身體語(yǔ)言信息輔助語(yǔ)音識(shí)別，更準(zhǔn)確地理解說(shuō)話者意圖。2.上下文感知未來(lái)，語(yǔ)音識(shí)別技術(shù)將注重上下文感知，利用語(yǔ)音輸入的上下文信息，提高識(shí)別準(zhǔn)確性和語(yǔ)義理解能力?？梢圆捎枚鄬哟蔚恼Z(yǔ)音識(shí)別模型。例如，在識(shí)別單個(gè)詞匯時(shí)結(jié)合前后文信息提高準(zhǔn)確率。此外，可考慮用戶對(duì)話歷史、個(gè)人資料及環(huán)境背景等多種因素綜合考慮實(shí)現(xiàn)上下文感知。這樣的系統(tǒng)能更好地理解用戶意圖和上下文，提供更準(zhǔn)確、個(gè)性化的語(yǔ)音識(shí)別結(jié)果。同時(shí)，上下文感知可以與其他技術(shù)如自然語(yǔ)言處理和機(jī)器學(xué)習(xí)相結(jié)合。通過(guò)融合自然語(yǔ)言處理技術(shù)，系統(tǒng)能更好地理解和闡釋輸入語(yǔ)音的含義；機(jī)器學(xué)習(xí)方法有助于從大量的數(shù)據(jù)中學(xué)習(xí)到關(guān)于上下文信息的模式和規(guī)律，進(jìn)一步提高識(shí)別的準(zhǔn)確性。3.跨語(yǔ)種和跨方言識(shí)別傳統(tǒng)的語(yǔ)音識(shí)別系統(tǒng)通常是針對(duì)特定語(yǔ)種和方言進(jìn)行訓(xùn)練和優(yōu)化的，對(duì)于其他語(yǔ)種和方言的識(shí)別準(zhǔn)確率較低?？缯Z(yǔ)種和跨方言識(shí)別的實(shí)現(xiàn)面臨一些挑戰(zhàn)，如不同語(yǔ)音特征、發(fā)音習(xí)慣和語(yǔ)法結(jié)構(gòu)的差異。為了應(yīng)對(duì)這些挑戰(zhàn)，需要使用更大規(guī)模的多語(yǔ)種數(shù)據(jù)集進(jìn)行訓(xùn)練，開(kāi)發(fā)更強(qiáng)大的跨語(yǔ)種模型。這些模型將能夠?qū)W習(xí)到更廣泛的語(yǔ)音特征和語(yǔ)言規(guī)律，提高跨語(yǔ)種和跨方言的識(shí)別準(zhǔn)確率。另外，跨語(yǔ)種和跨方言識(shí)別需要考慮到不同語(yǔ)言和方言之間的語(yǔ)義和文化差異，這意味著系統(tǒng)需要具備跨文化的理解能力，準(zhǔn)確理解和解釋不同語(yǔ)言和方言中隱含的意義和文化背景。（二）應(yīng)用場(chǎng)景1.乘客服務(wù)參考目前上海市及其他城市的軌道交通行業(yè)已經(jīng)實(shí)際落地的項(xiàng)目中的應(yīng)用，語(yǔ)音識(shí)別在乘客服務(wù)領(lǐng)域?qū)碛幸韵聨状髴?yīng)用場(chǎng)景。一是語(yǔ)音購(gòu)票。上海市地鐵現(xiàn)有的購(gòu)票機(jī)僅支持傳統(tǒng)的觸控操作，其科技性已遠(yuǎn)遠(yuǎn)落后于上海市“國(guó)際化大都市”的定位。觸控操作的方式容易引發(fā)交叉感染，引發(fā)乘客的不安情緒。在購(gòu)票設(shè)備中添加語(yǔ)音識(shí)別模塊，支持語(yǔ)音識(shí)別的方式購(gòu)票，可提升乘客在購(gòu)票環(huán)節(jié)的安全感，降低交叉感染的風(fēng)險(xiǎn)，可以提升乘客購(gòu)票體驗(yàn)。二是智能客服。目前上海市軌道交通行業(yè)各個(gè)車站面向乘客服務(wù)的服務(wù)主體依然是客服中心的客服工作人員，一個(gè)站點(diǎn)少則設(shè)立1至2個(gè)客服中心，多的如人民廣場(chǎng)站客服中心的數(shù)量達(dá)到了5個(gè)，每個(gè)客服中心都要有至少1個(gè)工作人員駐守，在一定程度上增加了企業(yè)的用工成本。如果由智能化設(shè)備為乘客提供異常票卡處理、出入口信息問(wèn)詢、換乘信息問(wèn)詢、站內(nèi)設(shè)施信息問(wèn)詢等服務(wù)，將在最大程度上減少人工客服中心的數(shù)量，節(jié)省大量用工成本。2.實(shí)時(shí)轉(zhuǎn)寫(xiě)在上海市軌道交通的各個(gè)業(yè)務(wù)處置過(guò)程中，存在大量人工溝通交流類的工作，此工作中留痕的主要方式是對(duì)通話內(nèi)容進(jìn)行錄音，但該方法存在一定的局限性。如站務(wù)人員與乘客的溝通內(nèi)容就很難進(jìn)行錄音保存，哪怕保存了，在事后也因?yàn)閿?shù)據(jù)量過(guò)于龐大，難以進(jìn)行有效監(jiān)督和檢查。在溝通過(guò)程中可以引入語(yǔ)音識(shí)別技術(shù)，采用電子工牌的方式，將對(duì)話除了錄音外，還同時(shí)進(jìn)行轉(zhuǎn)寫(xiě)，以文字形式保存對(duì)話內(nèi)容，并與錄音文件關(guān)聯(lián)保存。3.表單自動(dòng)化表單信息的錄入需要在雙方溝通清楚相關(guān)內(nèi)容后，再由工作人員手工轉(zhuǎn)錄進(jìn)相關(guān)表單中，相當(dāng)于對(duì)表單內(nèi)容進(jìn)行重復(fù)確認(rèn)，且手動(dòng)錄入效率相對(duì)較低。如果