我要评论
“智能语音指令解析“ 基于nlp与语音识别的工单关键信息提取
本文将介绍如何利用 paddlespeech 的语音识别技术与 paddlenlp 的通用信息抽取技术，实现基于智能语音指令解析的关键工单信息提取。我们将通过语音交互的方式，在交通报销场景下实现智能信息抽取，以提高工作效率与质量。
1. 背景介绍
智能语音指令解析集成了语音识别（asr）与信息抽取（ie）等技术，广泛应用于智能语音填单、语音交互、手机app语音唤醒等场景，提高人机交互效率。其中，智能语音填单可通过口述记录信息，并利用算法解析口述内容中的关键信息，完成自动信息录入。
1.1 场景痛点
- 电话分析：边询问边记录，容易遗漏关键信息，例如社区疫情防控信息记录。
- 工单生成：特定场景下无法完成文字录入，如电力路线巡检工作人员在高空巡检高压电线路。
- 信息登记：重复性工作效率低易出错，例如汽车售后客服话务员每天接听大量电话。
针对以上场景，利用paddlespeech的语音识别技术和paddlenlp的信息抽取技术，可以自动识别和抽取语音中的关键信息，帮助简化记录流程，提高工作效率和质量。
1.2 方案选型
- paddlespeech语音识别模型：包含多种领先国际水平的语音算法与预训练模型，提供简单易用的语音识别功能。
- paddlenlp通用信息抽取模型（uie）：支持实体识别、关系和事件抽取、情感分析等多种信息抽取任务，具有良好的泛化效果。
2. 准备开发环境
安装paddlespeech与paddlenlp：
!pip install paddlespeech
!pip install paddlenlp
下载必要数据包与示例音频，并进行初始化设置。
3. paddlespeech 语音识别快速使用
通过paddlespeech调用语音识别方法简单易行：
from paddlespeech.cli.asr.infer import asrexecutor
asr = asrexecutor()
result = asr(audio_file="ie.wav", force_yes=true)
print(result)
4. paddlenlp 信息抽取快速使用
利用paddlenlp提供的信息抽取能力，直接调用taskflow api进行预测：
from paddlenlp import taskflow
schema = ["时间", "出发地", "目的地", "费用"]
ie = taskflow("information_extraction", schema=schema, task_path="/home/aistudio/work")
ie_result = ie(result)
print(ie_result)
5. 语音工单信息抽取核心功能实现
将语音识别与信息抽取功能进行串联，实现语音工单信息抽取的核心功能模块：
def audio_ie(audio_path):
asr_result = asr(audio_file=audio_path, force_yes=true)
ie_result = ie(asr_result)
return ie_result
audio_ie("ie.wav")
6. 语音工单信息抽取网页应用
构建网页应用，通过前后端交互实现语音工单信息抽取的服务。
6.1 网页前端
利用vue框架，结合js-audio-recorder库实现网页前端的录音功能。
6.2 网页后端
利用fastapi框架搭建后端服务，核心功能为语音信息抽取函数。
6.3 aistudio服务演示
在aistudio中，通过fastapi搭建网页应用，模拟网页调用语音工单信息提取的后端服务。
6.4 启动服务
启动fastapi服务，提供后端服务支持。
6.5 构造post请求测试
通过requests库构造post请求，模拟调用语音工单信息提取的后端服务。
通过以上步骤，你可以快速上手使用paddlespeech与paddlenlp实现语音工单信息提取的应用，提高工作效率与质量。
服务
🛠 博主提供一站式解决方案，让您的工作变得更加轻松、高效！以下是我们提供的服务：
-
代部署
🚀 为您提供快速、稳定的部署方案。无论是您的应用程序、网站还是其他软件项目，我们都可以帮助您将其部署到适当的平台上。
-
课程设计选题
📚 为您量身定制符合课程要求和学生需求的选题方案。无论是基础课程还是高级课程，我们都能够为您提供专业的建议和支持。
-
线上辅导
💻 提供线上辅导服务，为您提供个性化的指导和支持，帮助您解决在学习、工作或研究中遇到的各种问题和困难。
如有需求，请随时私信
发表评论