Intelligent Speech Interactionは、インテリジェントなQ&A、インテリジェントな品質検査、字幕翻訳、音声記録のトランスクリプションなど、さまざまなシナリオに適しています。Intelligent Speech Interactionは、金融、保険、電子商取引、スマートホームなど、多くの業界での適用に成功しています。また、自己学習プラットフォームを使用して音声認識精度を向上させることができ、包括的な管理コンソールと使いやすいSDKを提供します。ぜひこの機会にIntelligent Speech Interactionをご活用ください。
サービスの特徴
-
高い認識精度
Alibaba Cloud は、中国で最初に 単語レベルで LC-BLSTM および DFSMN-CTCモデルを使用したクラウドサービスプロバイダーです。 業界で従来用いられてきた CTC 方式と比較して、これらのモデルはエラー発生率が 20% 低く、音声認識の精度も大幅に向上します。
-
超高速の復号速度
Alibaba Cloud は、中国で初めて低フレームレート (LFR) 復号技術を使用したクラウドプロバイダーです。 認識精度を犠牲にすることなく、3 倍を超える復号速度の高速化により応答時間が大幅に短縮され、ユーザーエクスペリエンスが向上します。
-
新しい自己学習プラットフォーム
Intelligent Speech Interaction は、業界で初めて自己学習プラットフォームを備えたシステムです。 ホットワードを指定してビジネスに関連するデータをアップロードすることにより、認識精度を向上するための特定のモデルを構築できます。
-
幅広い業界に対応
現在、Intelligent Speech Interaction は、金融、保険、E コマース、スマートホームなど、多種多様な業界のお客様にご利用いただいています。 インテリジェントな Q&A、インテリジェントな品質検査、字幕翻訳、音声アシスタントなど、さまざまなシナリオに適しています。
製品とサービス
録音ファイル認識
ユーザーがアップロードした音声ファイルを、24 時間以内にテキストに変換します。 コールセンターの品質保証、訴訟記録、議事録の要約、診療記録など、時間的な制約が小さいシナリオに適しています。
リアルタイム音声認識
音声ストリームをリアルタイムでテキストに変換します。 インテリジェントセグメンテーションを使用して、文の開始と終了を認識します。 リアルタイム音声認識は、ライブビデオ、会議、裁判でのリアルタイム文字起こしなど、リアルタイム応答に関する要件が厳しいシナリオに適しています。
短文認識
短い音声 (1 分未満) をテキストに変換します。 音声検索、音声コマンド制御、音声ショートメッセージなどのリアルタイムシナリオに適しています。 短文認識は、さまざまなアプリケーション、スマートホーム家電、スマートアシスタントなどと統合できます。
音声合成
テキストを自然音声に変換します。 さまざまな種類の音声が用意され、スピード、イントネーション、音量を調整できます。 インテリジェントな顧客サービス、対話、オーディオブック、放送などのシナリオに適しています。
自己学習型プラットフォーム
ビジネスに関連するデータをアップロードして、特定のユーザーケースにおける認識精度を向上させることができます。現在は、言語モデルをカスタマイズするために、テキストのみをアップロードすることができます。将来的には、音響モデルをカスタマイズするために、音声データをアップロードできるようになる予定です。
シナリオ
インテリジェントな顧客サービス品質管理
インテリジェントな顧客サービス品質管理
従来の品質検査は、顧客サービスコールの録音内容を聞くもので、非効率的な労働集約型です。 インテリジェントな品質検査では、すべてのサービスプロセスがリアルタイムで検査されるため、人手不足を解消し、サービス品質を完全に管理できます。
手順とメリット
手順
録音音声がテキストに変換され、品質検査エンジンから検査結果および統計情報が
出力されます。 品質担当者は、管理コンソールを使用して報告された問題を検証
します。
メリット
1. 完全自動化：顧客からのサービスコールは自動的に検査されます。
2. リアルタイム処理：通話の終了直後に品質検査を完了でき、結果をリアルタイムで表示できます。
3. 柔軟なルール設定：多様かつ複雑なビジネスシナリオに合わせて、柔軟にルールを設定できます。
リアルタイム字幕挿入と管理
リアルタイム字幕挿入と管理
ライブスピーチおよびライブビデオの音声をリアルタイムで字幕に変換します。 ライブビデオのシナリオでは、映像コンテンツの管理も可能です。
ビジネスでの課題とメリット
ビジネスでの課題
1. 会議に出席した際、またはライブストリームを視聴する際、距離または周囲の雑音が原因でスピーチを明瞭に聞き取れない場合があります。
2. 膨大な量のビデオに字幕を追加し、管理する必要があります。 ライブストリーミングアプリケーションからは、毎日 100,000 時間を超えるビデオが生成されます。 公式イベントのライブストリーミングでは字幕の挿入が必要となり、エンターテイメントのライブ配信には管理が必要です。
メリット
1. 高精度 Apsara Conference で行われた講演の文字起こしを行い、国際速記競技会では精度の分野で優勝しました。 現在、Intelligent Speech Interaction は Apsara Conference の標準プロダクトとして使用されています。
2. 低遅延 ライブストリーミングのリアルタイム文字起こしを低遅延で実行します。
サービスコール分析
サービスコール分析
従来の仲介ビジネスでは、顧客同士が直接連絡を取ることにより、仲介業者が排除される場合があります。 たとえば、家主がテナントに対して直接取引を持ち掛けた場合、仲介業者には損失が発生します。 このような行為は、両当事者が電話で行う場合が多く見受けられます。 Alibaba Cloud の音声認識サービスを利用することにより、前述のような問題をすばやく把握し、損失を回避できます。
手順とメリット
手順
サービスコール分析システムが顧客との通話録音内容を受信し、リアルタイムで処理を実行し、結果を出力します。 出力されたテキストの分析と問題の認識には、品質検査システムまたは自社所有システムのいずれかを使用できます。
メリット
1. 人手の介入を必要としないため、人件費を削減できます。
2. 優れたリアルタイムパフォーマンスで、問題をすばやく認識できます。
