摩尔线程：2026语音识别全栈国产化技术实践白皮书（23页）.pdf

1、 摩尔线程 MOORE THREADS 目录 一、白皮书简介.2 二、应用场景.2 三、技术介绍.3(一)主要功能.3(二)核心技术特色.5(三)接口协议.7 1.流式语音识别接口.7 2.离线语音转写接口.16 四、系统部署.21(一)部署架构.21(二)配置要求.21 五、公司介绍.22 摩尔线程 MOORE THREADS 一、一、白皮书白皮书简介简介 语音识别全栈国产化技术实践白皮书阐述了一套基于基于紫光计算机集群和摩尔线程全功能 GPU 进行训练与推理的语音识别解决方案。该方案包含两大核心服务：适用于实时、低延迟场景的流式语音识别，以及适用于长音频、批量转写场景的离线语音转写。每个服

2、务均自带完整音频预处理与后处理能力（VAD、ASR、标点生成与文本归一化 ITN），同时该方案支持热词增强与垂直领域语言模型定制，输出可选字级时间戳与句子级时间戳，满足实时转写、检索索引和高精度后处理需求。该系统已通过国家工业信息安全发展研究中心的检测（即“国检”），并持有相应的检测报告与证书，验证了其在多种噪声环境下的稳定性与识别准确性。二、二、应用场景应用场景 1.电话客服质检与话单转写：支持大批量录音离线转写与准实时的通话监控，便于质检、关键词抽取与话单归档。2.会议与访谈记录：长时音频离线转写、自动切句和时间索引，便于内容检索和二次编辑。3.客服机器人/IVR 打点与实时转写：流式模型

3、低延迟输出，结合热词和垂类 LM 提升行业用语识别率。4.媒体转写与字幕生成：自动标点、数字与格式归一化（ITN）保证字幕可读性与同步性。5.行业定制场景：金融、电力、医疗等需要垂直语言模型适配的场景，通过语言模型定制提升专业词识别能力。摩尔线程 MOORE THREADS 三、三、技术介绍技术介绍 本产品采用先进的端到端对齐与预测融合架构，针对流式和非流式两类推理场景做了统一设计与专项优化。系统训练和推理均在摩尔线程全功能 GPU 上完成，结合国产 GPU 推理架构在算力与吞吐上实现协同提升。(一)主要功能 1.支持 8k、16k 单声道音频请求。2.支持中文普通话、中英混合识别、英文识别。

4、3.全链路语音处理能力 系统支持从原始音频到结构化文本的完整处理流程，支持对返回结果进行灵活的配置，包括：a)语音活动检测（VAD）：自动识别语音段落，降低无效计算和错误触发概率。b)端到端语音识别（ASR）：支持流式识别与离线识别两种形式，满足实时场景和长音频转写需求。c)自动标点恢复：智能恢复句读符号，提升阅读体验和文本可用性。d)文本归一化（ITN）：支持数字、金额、单位、字母等表达方式的规范化输出，便于业务处理与检索。对于实时（流式）与离线（非流式）两类场景，系统均可输出：a)字级时间戳：快速定位字和词对应时间节点。b)句级时间戳：便于做质检、语音检索、字幕对齐等业务扩展。摩尔线程 M

5、OORE THREADS 4.行业定制与增强能力 系统为实际业务落地提供多种效果增强能力：a)热词自定义（Custom Hotwords）：支持业务专有名词（如企业名称、产品型号）快速增强识别。b)垂类语言模型定制（Domain LM Adaptation）：可针对客服、金融、电力等领域进行深度 LM 微调，提高专业词识别率。c)多场景适配：涵盖日常生活对话、电话客服、会议访谈等真实语音场景，支持中英文混合、数字与字母混读等复杂表达方式。5.多线程调用 支持多线程、多并发请求。6.高识别准确率 本产品已通过国家工业信息安全发展研究中心（以下简称“国检”）的权威检测与评估，检测报告与认证证书可作

6、为第三方资质证明。采用关键词识别、连续语音识别、数字识别等多维度指标进行评估，在底噪、高噪环境下，上述测试的准确率均大于 90%。国检结果表明，本产品在低噪与高噪两类典型业务环境下均表现出优异的识别准确性与鲁棒性，尤其在客服通话与日常对话场景对数字、字母及关键词的识别具有显著优势。7.高识别速度 摩尔线程的 MUSA 推理架构与算子级工程优化，在单张 MTT S4000 显卡上，非流式离线转写在 1 并发时的实时因子（RTF）仅为 0.02，在 10 并发时 RTF 为 0.06；流式实时识别在 1 并发时 RTF 为 0.08，在 10 并发时 RTF 为 0.23。摩尔线程 MOORE T