配置语音识别和语音合成相关流程

1、语音识别

语音识别（Automatic Speech Recognition, ASR）是一种将人类语音转换为可读文本或指令的技术，其核心是通过算法和模型理解语音信号中的语言内容

1.1、热词管理

在调用ASR模型进行录音文件识别时，如果用户所在的业务领域有一些特有词，默认识别效果差的时候使用热词管理，将这些词添加到词表，有助于改善识别效果。

1.1.1、新增热词

• 用户可点击「新增热词」，在词条列表增加一行新热词条目进行配置。

  • 热词字符数限制在2-10个字符
  • 支持设置热词权重，权重范围为“低”、“中”、“高”

1.1.2、编辑热词

• 支持修改名称以及对应权重

1.1.3、删除热词

• 点击“删除”根据提示选择“确定”确认删除。

1.2、强纠管理

在调用ASR模型进行识别时，如果用户所在的业务领域有一些专业术语/词，默认识别效果差的时候使用强纠管理，将这些词和对应的识别错的内容进行一一对应的配置，有助于改善识别效果。

1.2.1、新增强纠词

• 用户可点击「新增强纠词」，在词条列表增加一行新强纠条目进行配置。

  • 强纠词字符数限制在2-10个字符，仅支持中英文数字字符
  • 支持设置强纠正确词、错误词

1.2.2、编辑强纠词

• 支持修改强纠正确词和错误词

1.2.3、删除强纠词

• 点击“删除”根据提示选择“确定”确认删除。

2、语音合成

语音合成（Text-to-Speech, TTS）是一种将文本转换为自然流畅语音的技术，通过算法模拟人类发音过程，使机器能够“朗读”文字内容

• 发音人：可以根据业务场景需求选择音色，可以参考具体音色。
• 语速、语调、音量：根据实际业务场景可以修改音色的语速、音量、语调。
• 试听：当语音参数配置完成后，可以自定义输入一些文字进行效果测试。