一站式智能语音识别方案，语音审核快准省

（文章来源：砍柴网）

全球领先的实时音视频云PaaS服务商声网Agora近日宣布其推出的“一站式智能语音识别方案”将实现升级，在新的方案中，在原有合作伙伴“数美科技”基础上，将新增依图、阿里云这两家智能语音识别服务商，通过整合行业TOP3服务商的语音识别技术优势，帮助直播、语音聊天室等互联网平台更智能、高效的识别语音中存在的涉黄、涉政、广告等不良信息，实现全面、深入的净化平台网络环境。

近年来，随着直播、短视频、语音社交等行业的快速发展，由用户创造的UGC内容成为了互联网内容生态的重要构成，并丰富了人们的互联网生活。而另一方面，随着用户UGC内容越来越多，涉黄、涉政、不良广告等违法、违规的内容也频频出现，成为了“害群之马”，给很多平台带来了风险。同时，相对于图文和视频，音频审核本身在技术上也更具难度，又增加了平台方的内容审核压力。

在去年8月，声网Agora就推出了“一站式智能语音识别方案”，为企业提供可集成实时音视频、实时录制和实时智能语音识别的一站式服务，在语音识别服务方面接入了数美科技的“天净”智能语音审核系统，通过声纹检测、语音识别等技术，智能识别语音环境中的涉黄、涉政、广告等违法违规信息，受到了很多企业的好评。

而此次升级后的“一站式智能语音识别方案”再接入了阿里云、依图科技先进、智能的语音识别技术，整合了业界 TOP3 智能语音识别服务商的技术优势以提供目前互联网行业最全面、最高效的智能语音识别技术。例如，数美科技的“天净”智能语音识别，基于深度学习语音识别技术，多维度智能实时审核。

深挖场景需求，为直播视频流、UGC短视频、FM电台、语音广场、语音直播间等各类场景提供智能内容过滤服务，通过语音识别转文本的方式，识别文本内容中涉政、广告等不良信息;业内首创的娇喘语音识别，基于基于Bi-GRU、Attention模型，精准识别声音中含有娇喘、呻吟、耳骚、喊麦等违规音频，准确率达到90%以上。声纹识别与检索对比”技术可进行声纹聚类、关联，发现线上、线下语音广告与欺诈行为等。

而依图科技在公共安全领域早已深耕多年。依靠世界级算法团队自研的语音识别、自然语言理解和声纹算法，依图的“智能语音审核”拥有准、快、省三大特点。准——凭借世界级算法能力加已有场景数据的螺旋迭代提升，依图的召回和准确率居行业前列，帮企业最大程度的降低风险。快——实时监测并在3秒内返回结果。省——同步返回高精准转写文本和违规音频片段，帮人工审核员提高效率、节省时间。

声网Agora的“一站式智能语音识别方案”可为企业提供实时音视频+实时录制+实时智能语音识别的一站式高度集成服务，也是目前唯一一家打通人工智能、实时语音识别、实时音视频三大技术解决方案的服务商。使用声网的一站式服务，企业无需部署额外 SDK、无需自己对接 CDN 厂商、更无需支付拉流成本，就可同时上线直播(实时音视频)和鉴黄(实时语音识别)功能，帮助企业大幅节省接入成本，真正做到一站式方便接入。

在智能语音识别方面，声网Agora整合了业界 TOP3 智能语音识别服务商的技术优势。而在实时音视频功能方面，声网自建的软件定义实时网SD-RTN专为实时音视频业务提供SLA/ QoS 质量保证，能为企业提供高并发、高可靠性、低延时和抗弱网等特性的实时音视频技术。

声网Agora目前在全球拥有250多个数据中心。在网络架构设计上能够应对10倍以上的负荷，具备千万级并发能力。声网的软件定义实时网SD-RTN拥有超低延时特性，可做到全球端到端延时小于400ms，延时中位数76ms，处于行业领先水平。声网还具备优秀的弱网传输和抗丢包算法，可以在60%的丢包环境下保障音视频流畅，70%的网络丢包环境下保障语音的流畅。在终端性能和适配方面，声网针对实时互联网last mile做了深度优化，目前已经适配6000多款终端设备，网络覆盖全球200多个国家和地区，即使在网络环境差的偏远山区或跨国场景中用户也能实现顺畅互动。

此外，对于语音识别中常见的噪声、背景音等音质问题，声网的一站式智能语音识别解决方案还融合声网 Agora 语音引擎与 AI 音频降噪算法，可提供去除背景音、环境音之后的高音质音频源，在原来算法的基础上将不良信息的识别率有效提高 30% 以上。

通过声网Agora的“一站式智能语音识别方案”可以帮助企业严格、有效的净化平台内容质量，降低监管风险，提升用户体验，同时还能为企业大幅节省接入成本。据了解，接下来声网还将联合更多业界知名智能语音识别服务商，为企业持续提供业界最高效、最严格的内容审核机制，促进网络生态健康发展。