AI产业链地图

ASR

又名 Automatic Speech Recognition · 自动语音识别 · 语音识别

ASR 将声波信号经过特征提取(MFCC / Mel-Spectrogram)、声学建模、语言模型后输出文字。当前主流是端到端深度学习(Conformer / Whisper)

首次提出1952关键参与方科大讯飞 · 容联云 · 天润云

ASR

Automatic Speech Recognition,自动语音识别 — 将人类语音转为文字的技术。AI 客服语音渠道的入口,与 TTS / NLU 组成完整语音对话能力。

技术演进

  • GMM-HMM 时代(1990s-2010s):混合高斯模型 + 隐马尔可夫
  • DNN-HMM 混合(2010s):深度神经网络替换 GMM
  • 端到端时代(2020+):CTC / Attention / Conformer
  • 大模型时代(2022+):Whisper / 阿里 Paraformer

在 AI 客服中的应用

  • 电话客服将客户来电转文字
  • 方言支持粤语 / 川话 / 闽南语
  • 多语言20+ 种语言(智齿科技 等)
  • 实时性流式 ASR,毫秒级延迟

主要玩家

在 AI 产业链中的角色

上游 · 谁给它供货1 个环节
科大讯飞 · Whisper
下游 · 谁在采购1 个环节
NLU · → 业务执行

相关概念