2.1 系统实现原理

语音识别设备，可以实现普通话的转写，并做出角色分离（分段落记录每个参会人员的发言内容）。因此，需要获取到的数据是：

①需要会议主机的声音输入到语音识别主机

②需要会议主机具备串口协议输出，否则无法实现角色分离，因为语音识别主机是采用会议主机的控制代码，进而实现角色分离的

2.2 系统拓扑图

系统实现的原理如下图所示：

语音转写：话筒通过手拉手的方式，进入到会议主机，当话筒发言时，声音传输到会议主机，经过高清晰语音拓展器（反馈抑制器）后，进入到语音转写主机，然后通过服务器实时获取离线语音识别数据库，进行实时转写，同时呈现于大屏上呈现出来；

角色分离：话筒发言时，则触发该话筒ID的相关控制指令，进入到会议主机，会议主机转发控制代码到语音转写主机，进而区分不同的参会人员进行角色分离。

2.3 系统产品

AI语音识别服务终端

①　一站式完成实现会议语音实时录入、转写、编辑、导出会议发言人的语言转换成文字，实时识别转换翻译成多个国家文字，并以Word格式保存，准确率最高可达90%以上。

②　会议发言人精准化语言转文字记录：依托乐访数字化发言话筒，会议过程中对不同发言人的语言进行文字转换，并按发言人的姓名分段落储存在会议服务器。

③　可将一些非常见的词汇上传至识别引擎，当实时转写的音频流中出现该词汇时，引擎可将其识别出来，提高专业用语识别准确率。

④　针对上下文进行语义理解，将中间结果进行智能纠错，确保准确性。

①　对于音频流实现毫秒级识别，并返回带有时间戳的文字流，便于二次开发。

②　运用超大规模的语言模型，智能预测语境，提供智能断句和标点符号的预测。

③　在采集音频的同时，连续上传音频流至云端，转写服务将实时返回文字结果。可以实现文字和声音的同步展现。