2021年初，音頻社交應用Clubhouse迅速沖擊互聯網圈，在馬斯克入駐的名人效應和自身獨特的邀請注冊與推薦機制雙重加持下，Clubhouse的討論迅速在中國火熱蔓延開來，“音頻社交”賽道引爆業界關注，國內互聯網圈迅速開啟軍備競賽，抓住音頻社交領域的新機遇。
但值得所有即時性音頻社交平臺關注的是，Clubhouse在國內的火爆猶如煙花般絢爛且短暫。由于信息智能管理的缺失，Clubhouse的討論房間多次出現風險內容，幾經周折最終在國內被暫停服務。自此，爆火中文社交網絡的Clubhouse熱度大減，不復往日繁榮。
為了抓住音頻社交領域的新機遇，國內互聯網圈迅速開啟軍備競賽，紛紛開始嘗試打造國內版的“Clubhouse”。 映客直播上線對話吧；金融信息服務提供商鯨準推出Capital coffee；小米剛剛結束服務的即時通訊軟件米聊在幾天后即重新上線，打造與Clubhouse有高度相似的語音聊天軟件……
面臨的挑戰
實時語音社交平臺，每天都會產出海量聊天信息，聊天內容很容易失控，極有可能混有敏感信息和灰色內容，不利于平臺業務的發展，對網絡環境造成威脅。由此可見，敏感信息過濾已經成為影響平臺業務發展的風險線，也必將成為語音社交平臺運營發展中的重要模塊。
面對海量增長的音頻消費和使用需求，音頻內容審核迫在眉睫，但平臺的風控系統往往會遇到以下兩大方面的困境：
1.敏感信息過濾
人力投入成本高：音頻內容數據量大，人工日均審核量有限
實時響應要求高：內容復雜多元，及時響應時事政策難度大
培訓投入成本高：人審理解能力參差不齊，培訓投入成本大
2.平臺運營管理
專業程度要求高：實時流內容風控難度大，自研投入成本高
風險應急能力弱：突發違規處理能力弱，危機應對經驗不足
審核效果需求嚴：兼顧風控與體驗，高實時與高產能難兩全
語音審核除了要識別音頻包含的文本內容是否涉及敏感信息，同時還存在語音語調上的擬聲詞、感嘆詞和語氣詞的審核難度，例如涉及色情信息的嬌喘、呻吟等。這為語音審核提出了更高的挑戰。目前普遍采用的人工審核方式雖然能夠提供較好的審核能力，但需要對音頻文件進行整段察驗，對音頻流進行實時監控，造成了較高的時間成本和人力投入。
數美實時語音社交平臺內容風控專項解決方案
對此，數美科技經過多年在內容風控領域的深厚積累和持續自我升級，開發了基于深度學習與畫像的全棧式智能音頻風控解決方案，能夠精準識別色情、違禁等內容風險與垃圾廣告信息，實現高效、準確、全面覆蓋的內容審核過濾，幫助平臺防御音頻內容風險。
方案架構
在語音內容獲取上，數美科技的智能音頻過濾技術支持OGG、MP3、ASF、WMA、WAV、MP3PRO、RM、REAL、APE、MODULE、MIDI、VQF等多種音頻格式和音頻流，能夠應對不同語音內容提供平臺使用的常用音頻格式，同時支持語音直播實時監控、語音點播、語音消息和各種音頻文件的檢測。
除此之外，智能音頻識別還整合了業界一流的語音識別技術、大規模GPU計算的深度學習、基于敏感詞庫的名單服務、特殊聲音識別模型、基于深度學習的NLP模型以及實時分布式規則引擎等。其中深度學習模型能夠讓系統從多個維度檢測語義環境，準確識別說話意圖。而智能音頻識別技術根據不同場景和行業采用了專門化的判斷策略，結合強大的標簽體系能夠為不同類型社交平臺提供定制化的過濾服務。
音頻內容識別組成
在獲取到待檢測的音頻文件和音頻流后，主要從四個方面進行內容的檢測識別：
1.違禁違規
利用語音轉文本技術將語音信息轉為文本信息，再通過成熟的文本內容檢測，對音頻中出現的多種類型違規內容進行檢測。
2.涉黃違規
利用大規模GPU集群的計算能力和深度學習技術，準確快速穩定地識別音頻中出現的色情，低俗或性感部分，在管理后臺對其進行標注和反饋，從而大規模提升人工審核團隊效率，增強用戶瀏覽體驗。
3.特殊聲音識別
同樣利用大規模GPU集群的強大計算能力和深度機器學習的技術，除了一般的涉黃違規語言內容，還能準確識別出嬌喘、呻吟等非文本類的特殊聲音。
4.導流廣告
通過語音轉文本技術將語音信息轉為文本信息，對文本內容進行關鍵詞檢測，識別出潛在的添加微信號、QQ號、QQ群以及虛假信息等導流廣告音頻內容。
智能音頻過濾技術對問題音頻判斷的正確率以及反饋的正確率均高于90%。保證高正確率的同時， 還提供了高處理效率，智能音頻過濾API的最快響應時間不超過1s，超時率低于0.01%，而智能音頻過濾API也具有深厚的處理容量，默認支持并發100路處理任務，還可根據需求動態擴容。
同時，數美即時語音社交平臺內容風控專項解決方案也具備以下四大特點：
極速先行：毫秒級系統回調響應，7*24小時全天候服務。
強勢驅動：采用高性能應用計算、全棧式實時智能風控引擎。
安全可靠：榮獲ISO20000、ISO27001 認證，遵循GDPR管理條例。
智能多元：覆蓋多元化業務場景、支持多語言自動識別。
行業實踐
目前數美的音頻風控解決方案已服務多個企業，例如某語音社交APP每天產生上千萬條的海量語音消息（包括群聊和私聊），這些語音消息都可能存在違規和廣告導流等風險信息，全量審查語音消息的人工成本高、實時性差。采用數美智能語音識別服務后，需要審核的數據時長從每天860小時驟降到20小時，極大降低人工審核成本，識別準確率高達95%以上。
關于數美
數美科技（北京數美時代科技有限公司）成立于2015年6月，總部位于北京，并在杭州、上海、深圳、成都設有研發中心和分支機構， 團隊核心成員均來自百度、阿里、騰訊、360、小米等知名互聯網企業，擁有10余年搜索、安全、語音等互聯網在線產品研發經驗。目前，公司已累計完成四輪融資，累計金額超1億美金。
數美科技是專業的在線業務風控解決方案提供商，致力于用AI技術解決在線業務中廣泛存在風險挑戰，為全球互聯網、互聯網+以及產業互聯網客戶提供全棧式、可信賴的在線業務風控解決方案，現已服務工商銀行、銀聯、春秋航空、小紅書、愛奇藝、猿輔導等上千家客戶，覆蓋金融、航旅、游戲、新零售、地產、電商、視頻、媒體、出行、教育等十多個行業。
數美科技結合多年黑產對抗經驗打造的全棧式智能風控產品-天網，旨在為客戶解決營銷欺詐、支付風控、數據盜爬、欺詐廣告等風險問題，降本增效；同時，結合人工智能技術打造全棧式智能內容識別產品-天凈，為客戶提供一站式的內容風控方案，幫助客戶識別文本、圖片、音頻、視頻、網頁中出現的涉政、違禁、暴恐、色情、導流廣告等內容，規避內容風險，提升運營效率。
目前，數美科技已經構建了全場景、全流程、全維度業務風控產品矩陣，實現了SaaS AI風控網絡的全球化部署，服務覆蓋中國、東南亞、北美、歐洲、中東，累計攔截風險行為600多億次，累計保護全球30多億用戶，為全球企業的線上業務發展保駕護航。
