Rokid 语音识别

• 1.1. 语音识别
• 1.1.1. 技术简介
• 1.1.2. 主要功能
• 1.1.3. 优势亮点
• 1.1.4. 历史版本

1.1. 语音识别

语音识别（ASR，Automatic Speech Recognition），用于将语音中的文字信息转换为计算机可读的输入信息，例如按键、二进制编码或者字符序列，实现人机交互。

1.1.1. 技术简介

语音识别系统分训练和解码两阶段。训练，即通过大量标注的语音数据训练声学模型，通过大量的文本数据训练语言模型；解码，即通过声学模型和语言模型将训练集外的语音数据识别成文字。

1.1.2. 主要功能

• 支持多语种 Rokid ASR支持中文、英语、汉英混合语种的识别。

• 支持远场噪声环境的识别 支持远距离的语音识别，识别距离长达5米。同时，即使在嘈杂环境，也能精准识别。

• 支持特定句式、词汇的识别优化 支持用户自定义句式的优化识别，用于提升场景化识别指令的识别率。支持用户设置热词的优化识别，提升特定词汇的识别率。

1.1.3. 优势亮点

• 支持实时快速、精确的云端识别和远场拾音， 5米距离识别准确率高达>92%。

• 识别输出支持流式格式，能够实时地得到当前识别的结果，根据字段判断是否返回最终结果。

• 为保证用户口音和生僻字、方言的识别，针对用户粒度配置误识别较高的纠错指令，通过app端的人工干预，进行识别的纠正。

• 支持通用领域识别和垂直领域定制识别，定期增加领域数据，快速迭代，持续提升识别率。

1.1.4. 历史版本