其他行业 · AI应用
为视频会议提供世界级语音AI
RingCentral面临为视频会议提供准确高效转录服务的挑战，这对提升用户参与度和生产力至关重要。为此，他们部署了NVIDIA Riva语音转文字技术，实现了会议音频的实时转录，并提高了准确性。该方法使RingCentral能够支持数千个并发流，显著改善了数百万用户的会议体验。转录准确率提升了超过10%，从而提高了下游任务的质量，并促进了虚拟会议中的更高参与度。
词错误率 (WER)
降低超过10%
来源披露
下游任务质量
客户报告转录下游任务（如会议摘要和情感分析）的质量出现巨大差异
来源披露
01
业务背景
RingCentral面临为视频会议提供准确高效转录服务的挑战，这对提升用户参与度和生产力至关重要。为此，他们部署了NVIDIA Riva语音转文字技术，实现了会议音频的实时转录，并提高了准确性。该方法使RingCentral能够支持数千个并发流，显著改善了数百万用户的会议体验。转录准确率提升了超过10%，从而提高了下游任务的质量，并促进了虚拟会议中的更高参与度。
02
遇到的问题
RingCentral 需要为视频会议提供能够实时准确处理多种口音、领域特定专业术语和嘈杂环境的转录解决方案。
03
AI 解决方案
使用 NVIDIA NeMo 框架在专有定制数据上微调 NVIDIA 预训练语音识别模型，并通过 NVIDIA Riva 进行 GPU 加速部署，实现实时语音转文字。
- 1利用 NVIDIA NeMo 在 RingCentral 专有数据上微调预训练的语音识别模型。
- 2使用 NVIDIA Riva 将微调后的模型部署到生产环境，进行实时语音转文字服务。
04
实施结果
词错误率 (WER)：降低超过10%（超过10%）
下游任务质量：客户报告转录下游任务（如会议摘要和情感分析）的质量出现巨大差异（质量显著提升）
05
风险与边界
未披露
“Using NVIDIA Riva speech-to-text, we’re able to transcribe meeting audio in real time with high accuracy while concurrently running thousands of streams.”
Prashant Kukde · Associate Vice President, RingCentral
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。