专题演讲嘉宾：陈江

目前直播场景业界主要通过 AI+人工审核的方式，这是一种事后审查的处理方式，是对主播已发生违规行为后，再进行处罚，但违规的内容已经直播给观众，特别是大主播违规后，造成的影响更大，甚至导致主播遭到封禁，给平台造成损失。

音频流实时消音，是一种先审后发的技术，可以不增加直播延迟，利用客户端的播放缓存时间在客户端进行消音，实时屏蔽主播的违规音频，有效减少主播及平台的重大事故风险，实现先审后发。

本次分享将介绍我们团队如何利用流式语音识别、语音激活检测等技术构建低延迟的音频违规内容消音系统，并介绍工作中的一些挑战、思考以及解决方法，希望能给从事音频内容审核和语音识别领域的人员一些参考。

演讲提纲：

1. 实时消音介绍

• 背景与案例
• 整体架构
• 业务流程

2. 核心能力构建与优化

• Conformer 网络训练的实时 ASR
• CNN 网络训练的实时 VAD
• ASR 流式解码重构与性能优化
• 违规内容决策优化

3. 落地效果及展望

• 业务价值
• 存在问题及展望

你将获得：

• 学习和了解语音识别的基本知识，语音识别在实时直播场景下的应用及实践
• 学习违规音频实时消音从 0 到 1 的落地实践和经验
• 为业内内容安全生产提供一种新的技术思路和方案