ASR语音采集标注（ASR语音转写）

随着人工智能的快速发展，语音识别技术已经运用到了我们的日常生活中。手机上的语音助手就是利用了语音识别技术，可以把语音转换为文字，自动驾驶汽车中也出现了语言控制的功能，这些都依靠了人机交互中的ASR语音识别技术。在语音识别技术中，最直接的数据标注类型就是语音标注。

什么是语音标注？

语音标注是数据标注行业中一种常见的标注类型，其主要工作内容就是将语音中包含的文字信息和各种声音“提取”出来，进行转写或合成，标注后的数据主要可用于人工智能机器学习，可以应用在语音识别、对话机器人等领域。相当于给计算机系统安装上了“耳朵”，使其具备“能听”的功能，使计算机能实现精准的语音识别能力。

语音标注分类：

ASR语音转写和语义切割。  语音转写主要是把语音转化为文字，现在很多标注平台都已经能够依靠机器识别出部分内容， 具备了一定的自动识别功能，最后只需按要求检查和切分就可以了。

1.ASR语音转写

ASR就是自动语音识别技术，是一种将人的语音转换成文本的技术。语音转写就是将语音数据转写成文字数据的过程，是数据标注领域比较常见的一种标注形式。转写是把一种字母表中的字符转换成另一种字母表中的字符的过程，简单来说，转写就是字符之间相对应的转换。语音转写只能相应地转换为另一个字母表中的字符，从而保证两个字母表之间能够进行完全的、无歧义的、可逆的转换。因此，转写是针对拼音文字系统之间的转换而言的。ASR语音转写就是通过和理解过程把语音信号转变为相应的文本或命令的高技术。

ASR语音转写常用于客服、教育培训机构、医疗、金融等领域。

预处理：

1. 首尾端的静音切除，降低干扰，静音切除的操作一般称为VAD。

2. 声音分帧，就是把声音切开成一小段一小段，每小段称为一帧，使用移动窗函数来实现，不是简单的切开，各帧之间一般是有交叠的。

数据标注对ASR的重要性

ASR的本质是一种模式识别系统，包括了特征提取、模式匹配、参考模式等三个基本单元。特征提取运用到属性分类的标注方法，首先要对输入的语音进行预处理，然后提取出语音的特征，在此基础上建立语音识别所需要用到的模板，再将计算机中原先存放的语音模板与输入的语音信号的特征进行比较，找出最佳的与输入语音相匹配的模板，根据此模板的定义，通过查表，就能得到计算机的最佳识别结果。这种最佳的结果与特征的选择、语音模型的好坏、模板是否准确都有着直接的关系，需要大量标注数据进行不断训练才能得到。

ASR数据支持

景联文科技采集了《1000小时成人中文语音手机采集数据》、《1200小时韩语手机采集语音数据》、《1000小时日语手机采集语音数据》、《200小时德语采集语言数据集》、《200个id20000段中文唤醒词数据集》等多个可直接用于算法研究的数据集，节约算法厂商的研发时间。

景联文科技作为专业的数据采集标注公司，现有库拥有约100T的自有版权语音数据集，包括各国人说英语的语音数据集、中文普通话数据集、各地方言数据集等，均获得采集人授权，可为语音识别算法优化提供帮助。景联文还拥有专业的语音采集录音室，拥有高度场景搭建能力，在全国内有近一万人的被采集人员储备，支持多语种、多方言、多环境的语音采集。自建有先进的数据标注平台与成熟的标注、审核、质检机制，支持语音工程包括语音切割、ASR语音转写、语音情绪判定、声纹识别标注等多类型数据标注。

景联文科技始终关注于智能驾驶、智能家居、公共安全、智慧城市、智慧医疗、智慧金融、智能教育、智能司法等人工智能场景下的各种需求，为AI技术提供底层技术支撑。

语音标注的发展方向

语音标注的主要发展方向为TTS和ASR，TTS就是语音合成，把文字智能地转化为自然语音。TTS技术对文本文件进行快速的实时转换，在其特有智能语音控制器作用下，文本输出的语音音律流畅，使得听者在听取信息时感觉自然，可以弥补机器语言输出的生硬和冷漠感。TTS是语音合成应用的一种，它将储存于电脑中的文件或者网页，转换成自然语音输出。TTS不仅能帮助有视觉障碍的人可以阅读计算机上的信息，也能增加文本文档的可读性。TTS应用包括了语音驱动的邮件以及声音敏感系统，并常与声音识别程序一起使用。

ASR就是语音识别技术，就是将声音转换为文字。语音识别是数学概率的完美表现之一，正确率高的识别系统一般对应着大数据量的人工标注数据，因此标注工作相当于将人工智慧转化为机器智慧，如果说声音点亮生活，那么标注将汇聚智慧，智慧生活。语音识别系统的性能大致决定了以下四个因素：识别词汇表的大小和语音的复杂性、语音信号的质量、单个说话人还是多个说话人、硬件。

机器想和人实现对话就要实现三步，即听懂、理解和回答，这就离不开语言识别技术。

随着科学技术的不断发展，不少业内人士认为，语音或将成为下一个重要的技术平台，语音识别（ASR）和语音合成（TTS）技术也在不断突破。虽然理论技术取得了不少进步，但是在实际应用过程中仍离不开数据标注这一话题，训练数据的准确性也很大程度上影响了算法模型的表现。