“喂，你要爪子嘛？”“嫩干啥哩？”——奇富科技智能营销及贷后提醒业务场景中，每天都能接到大量带方言口音的电话，客户口音的多样性直接影响到语音识别的准确率和业务的流畅度。然而，市面上通用语音识别技术在面对方言时往往显得力不从心，导致人机交互的准确性和智能性大打折扣，服务效率和质量受损。
为此，奇富科技“QI语精灵”方言识别技术再度升级，成功将业内首个全自研Qifusion框架集成到业务场景中，不仅弥合方言识别对自身业务的影响，而且在业内知名的Kespeech 开源方言数据集性能对比测试中，字错率刷新模型最低值，达到国内顶尖水平，为金融科技行业树立了新标杆。
图：Kespeech 开源方言数据集性能对比
QI语精灵是奇富科技全自研智能语音模型，此次升级依托自身丰富的贷后提醒及方言数据样本，不仅延续了对国内八种主流地区方言的覆盖，包括东北官话、胶辽官话、北京官话、冀鲁官话、中原官话、江淮官话、兰银官话和西南官话，还特别针对四川、重庆、山东、河南、贵州等用户分布较多的地区方言的识别能力进行了强化，平均识别准确率相对提升了25%，川渝地区方言识别准确率相对提升超35%。同时，融合方言信息提取模块，它能够自动识别不同口音，并在时间维度上对文字进行解码修正，将方言口音的语音识别误差率降低了30%以上，整体语音识别字错率降低了16%以上，显著提升了用户体验。
在模型结构上，QI语精灵依托全自研的Qifusion结构，突破传统方言识别模型受限于地区先验条件，需预先知晓方言种类才能准确识别的局限，无需方言种类的先验条件，便能直接进行精准的识别和转译。并创新采用了多任务学习方法，在复杂的通话环境下实现了超过93%的语音识别综合准确率。此外，意图识别功能同样表现出色，准确率超过95%，能够迅速而准确地识别用户需求并做出响应。
在业务应用上，基于QI语精灵提出的预训练方言信息模块及增量业务数据训练策略的结合，能大幅提升智能营销、贷后提醒、风险控制业务应用场景识别准确率。在智能电销及贷后客户沟通服务中，QI语精灵能将大量的语音转写成文字，无论是标准的普通话还是方言口音都能精准捕捉并转写，大幅减轻客服人员的工作压力。同时，能快速且准确地解析用户需求并作出响应，为用户提供精准高效的服务体验。
QI语精灵技术在实际应用中展现出的显著成效，这得益于奇富科技在人工智能语音领域的持续研究与开发积累。《Eden-TTS：一种简单高效的非自回归“端到端可微分”神经网络的语音合成架构》、《基于多粒度Transformer的多模态情绪识别》和《基于SE模块和多尺度特征学习的语音情感识别》等多篇论文被ICASSP和 INTERSPEECH两大顶级语音领域的国际学术会议连续收录，这不仅证明了奇富科技在智能语音领域的研究实力，也为全球智能语音技术的发展贡献了中国智慧。
从卷语义到卷方言，奇富科技的智能语音模型——QI语精灵，不仅在方言库的扩展上不断取得进步，还在提升对复杂语音环境的适应能力、拓宽应用场景等方面持续进阶，实现更深层次的智能化和个性化服务。