Both proprietary and open source ASR systems have been around for some time. ASR systems are trained on large datasets of transcribed speech. Initially the system removes background noise and extracts acoustic features from an audio stream. The resulting sequences of acoustic features are decoded by a language model into text by predicting the most likely sequence of words. Base ASR models are often customized to handle domain specific language and dialects.

A Nigerian legal technology solutions company contracted Daffodil Software to implement an ASR system to transcribe Nigerian court cases. The system, trained on over 100,000 records, was deployed at hundreds of Nigerian courts. The model achieved 80% accuracy on speech to text conversion and reduced the documentation turn around time by 35%.



Les systèmes ASR propriétaires et open source existent depuis un certain temps. Les systèmes ASR sont formés sur de grands ensembles de données de parole transcrite. Initialement, le système supprime le bruit de fond et extrait les caractéristiques acoustiques d'un flux audio. Les séquences résultantes de caractéristiques acoustiques sont décodées par un modèle de langage en texte en prédisant la séquence de mots la plus probable. Les modèles ASR de base sont souvent personnalisés pour gérer une langue et des dialectes spécifiques à un domaine. Une société nigériane de solutions technologiques juridiques a engagé Daffodil Software pour mettre en œuvre un système ASR afin de transcrire les affaires judiciaires nigérianes. Le système, formé sur plus de 100 000 dossiers, a été déployé dans des centaines de tribunaux nigérians. Le modèle a atteint une précision de 80 % sur la conversion de la parole en texte et a réduit le temps de traitement de la documentation de 35 %.

Audio Signal Processing - Voice to text Conversion