大名单的语音识别

Question

我们在 C#.net 中使用了一个解决方案，在该解决方案中，某人可以拨打电话号码并先说出一个人，然后是姓氏。然后在我们网站上的来宾注册表中输入该名称。我们使用从美国人口普查中获得的包含 5,000 个名字和 89,000 个姓氏的 XML 字典文件。我们正在使用 Microsoft.Speech.Recognition 库，（也许这就是问题所在）。

我们的问题是，即使使用像 Joshua McDaniels 这样相对简单的名字，我们的失败率也只有 30%。性能（速度方面）很好，只是没有抓住大部分名称。

现在，我知道最终口语名称的质量将决定系统的性能，但对于双关语，我们希望在“实验室”条件下达到接近 99%，发音完美，没有口音，然后称其为好。但即使经过多次试验，同一个人说话、同一个名字、同一个电话、同一个环境，我们的失败率仍然是 25%。

我的问题是：有人知道更好的方法吗？我们考虑过可能会尝试使用 API，这样匹配会更加相关和最新。

Answer 1

目前的技术状态是很难识别名字，而且名字很多。您可以从电话簿（500 个条目）中识别出高质量的姓名，但对于成千上万的人来说，这非常困难。语音识别引擎当然不是为此而设计的，尤其是像 System.Speech 这样的离线引擎。

使用像 https://www.projectoxford.ai 这样的在线系统可能会获得更好的结果，这些系统使用高级 DNN 声学模型和更大的词汇表。

有很多大公司都是围绕着识别大名单的能力而建立的，例如Novauris 为此使用了专利技术。您可能会考虑使用开源引擎构建类似的东西，但无论如何这将是一项艰巨的任务。