語音識別的出現，給我們的生活帶來了很多方便，比如微信中的語音打字、語音通話、電話通話視頻中的語音視頻，甚至是直播平臺中主播在講的音頻內容。語音識別就是對音頻的識別，也就是對說話內容的識別，可是說話內容會有很多，除了我們生活方面的內容，還會包括涉政、涉黃、涉賭還是廣告信息等。這就涉及到對語音的審核。下面萌萌客外包客服公司的小編給各位具體介紹一下。

語音在專業角度劃分為兩種：視頻與音頻

我們先來看一下視頻識別。

在視頻上，根據內容不同，如直播、短視頻、個人上傳的視頻，視頻是畫面與音頻組成的以甄別單位的畫面。對于音頻常存在暴恐、淫穢傳播、甚至是音畫不同步等問題。在視頻處理上面，通常采用截幀上傳服務器數據對比來識別。其審核模式與圖片審核相同，會判斷場景(外室外還是室內)、會判斷人臉(畫面中出現的人是否是明星或者政治)、會判斷是否色情(根據畫面圖片的裸露狀態，可為正常、性感、色情等不同唯獨)。

如抖音、映客、等以視頻流為主的APP，對視頻內容的審核往往通過機器的方式進大量的審核篩檢，畫面中存在的嚴重血腥、暴恐、色情、政治新聞等危害畫面內容會優先被查出，而那些不以直接性的畫面展示的內容機器難以審查出來，所以現在AI技術還只是輔助，很多還是需要人工審核的。

視頻識別介紹完了，我們再來看一下音頻識別。

在音頻技術識別方面，針對不同的內容有不同識別技術。針對說話內容有語音識別、關鍵詞檢索等;針對語種的判別有語種識別的技術;針對說話人的識別有聲紋識別技術;針對說話內容無關的通常采用音頻比對的技術來進行檢測。通常一般短視頻，直播或者音頻平臺，對音頻對比、聲紋的技術較為重視，是保證錄音質量及外放聲音很有效的一種運營手段，但對內容語音識別，則不太關注，畢竟語音識別技術對這些企業的應用場景不是剛需。

基于語音識別的關鍵詞檢索是將語音識別的結構構建成一個索引網絡，然后把關鍵詞從索引網絡中找出來。從上圖流程中可以看到，首先把語音進行識別處理，從里面提取索引構建索引網絡，進行關鍵詞檢索的時候，在通過關鍵詞表在網絡中進行頻率，找到概率最高的，輸出其關鍵詞匹配結果(在這一步可通過垃圾文本處理及上下語義分，對轉化的文本進行處理)。

目前音頻的識別技術能力還遠遠達不到準確階段，比如音頻出現的“嬌喘聲”單靠技術根本無法識別，或識別(轉化)出來就是一串亂字。再如在人潮擁擠的雜音中，出現的音頻，也無法準確的轉化成文字識別。遇到這種隱晦場景下的文本，通常還是需要人工去審核的。

通過萌萌客外包客服公司的小編上面的介紹，各位對語音識別應該有進一步的了解了吧。希望上面的內容可以對各位有實際的幫助。

【萌萌客:m.richlegacy2u.com】提供專業的電商在線客服外包服務、電話客服及內容審核等服務，幫您簡單客服難題。