王瑋

（貴州省廣播電視監(jiān)測中心，貴州 貴陽 550002）

一、前言

廣播電臺是一種重要的傳統(tǒng)媒體，在宣傳黨和政府的相關思想、政策方面發(fā)揮著重要作用，廣播電臺播出的內(nèi)容日益呈現(xiàn)出多樣化、開放性的特點，這就給其安全性帶來了很大的隱患，如果在節(jié)目播出過程中出現(xiàn)違規(guī)不良信息、導向偏差、低俗化娛樂化傾向等問題，勢必會在廣大收聽人群中產(chǎn)生不良反應，造成惡劣的社會影響。

目前，貴州省每年全省廣播節(jié)目播出時長約22 萬小時，平均每天播出廣播節(jié)目約600 小時。節(jié)目量大、覆蓋面廣、內(nèi)容繁雜，個別廣播節(jié)目存在“三俗”現(xiàn)象；違規(guī)醫(yī)藥、金融廣告等夸張?zhí)摷傩麄?；違規(guī)傳播不法政治傾向、淫穢色情等內(nèi)容的現(xiàn)象時有發(fā)生。因此，貴州省廣播電視監(jiān)測中心也意識到自己的職責所在，提出利用先進的科學技術，加強對廣播節(jié)目內(nèi)容和質(zhì)量的監(jiān)督，積極從多個方面采取有效措施加強安全保障，防止在廣播播出過程中出現(xiàn)問題節(jié)目，促進廣播電臺的健康、穩(wěn)定發(fā)展，保障廣播電臺的安全播出，引導社會大眾形成正確的價值觀和道德觀。

二、語音識別技術概述及發(fā)展

語音識別技術，也被稱為自動語音識別（automatic speech recognition，ASR），其目標是將人類的語音詞匯內(nèi)容轉(zhuǎn)換為計算機可讀的輸入，例如按鍵、二進制編碼或者字符序列。通俗地說就是讓機器通過識別和理解過程把語音信號轉(zhuǎn)變?yōu)橄鄳奈谋净蛎畹募夹g,也就是讓機器聽懂人類的語言。

語音識別技術發(fā)展至今，共4 個階段。第一階段是萌芽階段源于AT&T貝爾實驗室的Andry 系統(tǒng),它可實現(xiàn)十個英文數(shù)字的識別。第二階段是技術突破階段（20 世紀80 年代），HMM 模型在語音識別中的成功應用及人工神經(jīng)網(wǎng)絡在語音識別中的研究進一步推動了語音識別研究工作。第三階段是產(chǎn)業(yè)化階段（20 世紀90 年代到21 世紀初），微軟利用基于上下文相關的深度神經(jīng)網(wǎng)絡-隱馬爾科夫模型對大詞匯量語音識別的研究成果,對語音識別系統(tǒng)的原有技術框架進行了徹底改造,語音識別技術進入新時代。第四個階段是快速應用階段（2010年至今），如今語音識別技術已經(jīng)運用于各類通信、生活服務終端,國外微軟、谷歌、蘋果公司研發(fā)投入各自的移動終端虛擬語音助手;國內(nèi)百度、搜狗、訊飛等均聲稱的語音識別系統(tǒng)性能達到97%。這些均標志著語音識別技術已經(jīng)成熟。

三、智能語音識別技術應用

（一）現(xiàn)狀分析

監(jiān)測中心已有一套廣播內(nèi)容監(jiān)審系統(tǒng)，但該系統(tǒng)并沒有利用人工智能技術對廣播節(jié)目內(nèi)容進行監(jiān)管，導致絕大部分監(jiān)聽監(jiān)測工作需要人工的參與。目前，監(jiān)測中心已將貴州省市（州）級以上主要自辦廣播節(jié)目25 套（省臺7 套，市州18 套）納入監(jiān)聽監(jiān)測范圍，對各級播出單位廣播節(jié)目每天近600小時數(shù)據(jù)量進行監(jiān)聽監(jiān)測，要及時發(fā)現(xiàn)問題，找出違規(guī)內(nèi)容，這個工作量對于監(jiān)測中心有限的工作人員來說，是一個不可能及時完成的任務。我們急需一個高效可靠的解決方案。

（二）解決方案

無論是從監(jiān)審的質(zhì)量還是速度上來看，監(jiān)測中心當前的監(jiān)聽監(jiān)測效率都有待提高。因此急需在監(jiān)測工作中應用智能語音識別技術建立完善的監(jiān)管體系，系統(tǒng)的覆蓋本地資源，自動完成分析、分解工作，工作人員可在系統(tǒng)內(nèi)查看與審查敏感詞，整個過程與原始音頻關聯(lián)，同時，系統(tǒng)基于預設的告警信息，自動對音頻流進行監(jiān)控報警，不僅提高監(jiān)管的質(zhì)量，更加提高效率。

（三）關鍵技術分析

語音轉(zhuǎn)寫與說話人無關，為自助語音終端提供連續(xù)語音識別功能。針對語音識別應用中面臨的方言口音、背景噪聲等問題，基于實際業(yè)務系統(tǒng)中所收集的涵蓋不同方言和不同類型背景噪聲的海量語音數(shù)據(jù)，通過先進的區(qū)分性訓練方法進行語音建模，使語音識別在復雜應用環(huán)境下均有良好的效果表現(xiàn)。

語音轉(zhuǎn)寫系統(tǒng)應具備的特性：

1.支持常見語句聽寫

語音識別對于日常使用的常用對話有著很高的識別準確率，包含短信類、生活、交通、娛樂、科技、數(shù)字數(shù)值、名人、互聯(lián)網(wǎng)熱詞、新聞等領域；

2.支持中文標點智能預測

語音識別使用超大規(guī)模的語言模型，對識別結果語句智能預測其對話語境，提供智能斷句和標點符號的預測；

3.端點檢測

端點檢測是對輸入的音頻流進行分析，確定用戶說話的起始和終止的處理過程。一旦檢測到用戶開始說話，語音開始流向識別引擎，直到檢測到用戶說話結束。這種方式使識別引擎在用戶在說話的同時即開始進行識別處理；

4.噪音消除

在實際應用中，背景噪聲對于語音識別應用是一個現(xiàn)實的挑戰(zhàn)，即便說話人處于安靜的辦公室環(huán)境，在語音中也難以避免會有一定的噪聲。語音識別系統(tǒng)應具備高效的噪音消除能力，以適應用戶在千差萬別的環(huán)境中應用的要求；

5.大詞匯量、獨立于說話人的健壯識別功能

滿足大詞匯量、與說話人無關的識別要求。產(chǎn)品可以支持數(shù)萬條語法規(guī)模的詞匯量；并能適應不同年齡、不同地域、不同人群、不同終端和不同噪聲環(huán)境的應用環(huán)境；

6.置信度輸出

置信度反映了識別結果的可信程度。語音識別引擎可以在返回識別結果時會攜帶該識別結果的置信度，應用程序可以通過置信度的值進行分析和后續(xù)處理；

7.針對識別結果能夠進行二遍智能糾正

針對語音識別第一次識別錯誤的結果，能夠根據(jù)陳述人后面說話的識別結果對第一次的錯誤結果進行糾正，從而表明系統(tǒng)具備自主學習的能力；

8.效果優(yōu)化

為保障識別效果，在語音轉(zhuǎn)寫服務自身識別能力基礎上，通過采集到的數(shù)據(jù)資料，利用學習服務不斷迭代優(yōu)化行業(yè)模型，進行語音模型庫的更新，用于提升語音轉(zhuǎn)寫引擎的整體效果。通過統(tǒng)一采集、收集智能語音轉(zhuǎn)寫服務存儲上的非結構化和結構化數(shù)據(jù)，分析和篩選出其中特定或有特色文本數(shù)據(jù)，通過用戶判斷學習內(nèi)容自動提取特征并輔助專業(yè)化工具標注，以調(diào)整語音識別和語音合成的模型參數(shù)，使其獲得更好地語音識別效果。通過訓練的音頻、語料等數(shù)據(jù)，不斷完善擴大訓練數(shù)據(jù)，根據(jù)業(yè)務系統(tǒng)的識別模型資源需求，提供相應模型資源。

四、智能語音識別方案實施

（一）廣播內(nèi)容監(jiān)審系統(tǒng)在系統(tǒng)架構上分為5 個層次，分別為：

1.基礎支撐層,包含:計算資源、存儲資源、網(wǎng)絡資源、安全資源。

2.核心能力層,包含:中文離線轉(zhuǎn)寫、智能斷句、標點預判、噪聲消除、端點檢測、文本篇章級優(yōu)化配置、語氣詞過濾配置。

3.平臺層,包含:統(tǒng)一身份認證、統(tǒng)一用戶管理、用戶中心。

4.應用層,包含:節(jié)目管理、自動拆條、影視頻轉(zhuǎn)碼、語音轉(zhuǎn)寫、機器研判、人工復審、評議管理、信息檢索、報表管理、日志管理、敏感庫管理、消息推送。

5.用戶層,包含:廣播監(jiān)測部門人員、其他部門人員。

廣播內(nèi)容監(jiān)審系統(tǒng)是基于AI 智慧媒體云平臺建立的，整個云平臺為一個整體基礎服務框架，作為語音轉(zhuǎn)寫等能力的調(diào)用基礎。對外提供穩(wěn)定高效的服務，并具備擴展性、可伸縮性和高可用性。

（二）本項目的網(wǎng)絡拓撲圖如下圖所示

從部署架構上看，系統(tǒng)分為智能監(jiān)審系統(tǒng)服務器、代理服務器、統(tǒng)一管理平臺服務器、數(shù)據(jù)庫服務器四個部分，各部分功能描述如下：

1.智能監(jiān)審系統(tǒng)服務器：包含兩臺中文離線轉(zhuǎn)寫引擎服務器，主要用于部署中文離線轉(zhuǎn)寫引擎。

2.代理服務器：提供安全服務功能。

3.統(tǒng)一管理平臺服務器：用于對統(tǒng)一身份認證、系統(tǒng)管理等功能進行服務。

4.數(shù)據(jù)庫服務器：主要用于對監(jiān)審結果進行存儲。

貴州省廣播節(jié)目監(jiān)管系統(tǒng)核心功能就是利用中文離線語音轉(zhuǎn)寫技術對廣播節(jié)目中的語音部分內(nèi)容進行處理，將音頻信息轉(zhuǎn)換成文字信息，并利用敏感庫對轉(zhuǎn)換后的文字信息做機器研判處理。

廣播內(nèi)容監(jiān)審系統(tǒng)主要包含以下幾大模塊：廣播節(jié)目管理模塊、研判監(jiān)管模塊、評議管理模塊、信息檢索模塊、報表管理模塊以及系統(tǒng)管理模塊。系統(tǒng)可支持對監(jiān)測中心所監(jiān)管的廣播數(shù)據(jù)的監(jiān)審，可支持機器自動化研判結果，可支持人工審核，可支持周期性自動化出具分析報告。

五、經(jīng)濟和社會效益

系統(tǒng)建成后通過語音轉(zhuǎn)寫、敏感詞比對等技術，幾小時的節(jié)目數(shù)據(jù)在人工智能技術的輔助下僅需十幾分鐘即可提供研判分析結果，工作效率提升數(shù)倍，極大地提高了監(jiān)測中心對廣播節(jié)目的監(jiān)管效率，也不需要額外再增加人員進行人工監(jiān)聽，為單位節(jié)省了不必要的開支。

對貴州省廣播電視監(jiān)測中心從更廣闊的層面來看，也提升了社會效益。首先，系統(tǒng)能夠加快推進工作方式的改造提升，保障廣播節(jié)目安全播出，響應國家廣電總局關于進一步強化安全播出責任意識的要求。其次，隨著社會經(jīng)濟發(fā)展，人民群眾日益增長的多層次、多樣化的文化生活需要，對廣播傳播內(nèi)容提出了更高要求，廣播節(jié)目必須承擔起社會責任，著眼于受眾的需求，用優(yōu)秀的節(jié)目去引導大眾。同時要求各級播出機構也要恪守節(jié)目內(nèi)容必須始終堅持正確的政治方向，牢牢把握正確的輿論導向，堅持團結穩(wěn)定鼓勁、正面宣傳為主的方針。發(fā)揮主流媒體的引領作用，努力構建一個純凈、和諧的播出環(huán)境，打造立體多樣、豐富生動的廣播節(jié)目創(chuàng)新集群，為新時代新征程營造良好輿論氛圍，實現(xiàn)經(jīng)濟效益與社會效益的雙贏。