华为HiCar的多模态拒识模块
案例介绍
双工语音助手主要流程：ASR、NLU、拒识模块、对话管理；拒识模块作用是防误闯，提高意图识别准确率。
1. 从多维度抽取音频特征，并考虑样本数据的缺陷，完成构建特征工程，独立训练多种机器学习模型，模
型准确率从 86%提升至 95%
2. 在 Android 上复现 python 的特征抽取库函数 8 个，剔除依赖的 jar 包，特征抽取时间由 500-600ms 降至
150-250ms；在 ASR 内部抽取有效音频，特征抽取时间压缩到 10-60ms.
3. 在 Android 上完成 lightgbm 的算法推理，单句指令实时在线推理时间由 7ms 减小到 1ms，将模型部署
到 Android，实现机器学习模型跨平台上线。
4. 基于 VAD 切割 7w+有效音频并清洗数据，对音频特征进行无监督聚类、XGBoost 和 Kmeans 半监督学习;
辅助音频数据分类标注，辅助拒识模块分析特征，提升模型的准确性。
华为HiCar的多模态拒识模块
案例介绍
车载语音助手系统：多模态拒识模块并上线车载轻车机
双工语音助手主要流程：ASR、NLU、拒识模块、对话管理；拒识模块作用是防误闯，提高意图识别准确率。
1. 从多维度抽取音频特征，并考虑样本数据的缺陷，完成构建特征工程，独立训练多种机器学习模型，模
型准确率从 86%提升至 95%
2. 在 Android 上复现 python 的特征抽取库函数 8 个，剔除依赖的 jar 包，特征抽取时间由 500-600ms 降至
150-250ms；在 ASR 内部抽取有效音频，特征抽取时间压缩到 10-60ms.
3. 在 Android 上完成 lightgbm 的算法推理，单句指令实时在线推理时间由 7ms 减小到 1ms，将模型部署
到 Android，实现机器学习模型跨平台上线。
4. 基于 VAD 切割 7w+有效音频并清洗数据，对音频特征进行无监督聚类、XGBoost 和 Kmeans 半监督学习;
辅助音频数据分类标注，辅助拒识模块分析特征，提升模型的准确性。
案例图片
相似案例推荐
-
多媒体平台
具体不便透露，可以单独聊，量是很大的，这是赚个兼职外块，不想
-
工业现场测厚仪器
具体不便透露，可以单独聊，量是很大的，这是赚个兼职外块，不想
-
Allflex Connect
安乐福中国(默沙东动物科学公司)基于可视耳标的RFID识别管
-
xBloom
来自美国加利福尼亚州的咖啡机生态品牌「xBloom」成立于2
-
快乐推
项目名称 :快乐推 担任角色 : 后端开发工师项目简介 :
-
变电站辅助系统检测、便携式尾气检测系统
1、变电站辅助系统检测 项目介绍: 对变电站的运行环境进行
1小时精推人才
需求方专属客服，免费梳理匹配
