Rozpoznawanie mowy, lub mowa-tekst, jest zdolnością maszyny lub programu do identyfikowania słów wypowiedzianych na głos i przekształcania ich w czytelny tekst. Podstawowe oprogramowanie do rozpoznawania mowy ma ograniczony słownik słów i zwrotów, i może je zidentyfikować tylko wtedy, gdy są wypowiedziane bardzo wyraźnie. Bardziej zaawansowane oprogramowanie ma możliwość akceptacji naturalnej mowy, różnych akcentów i języków.

Rozpoznawanie mowy obejmuje różne dziedziny badań w informatyce, lingwistyce i inżynierii komputerowej. Wiele nowoczesnych urządzeń lub programów skupionych na tekście może mieć funkcje rozpoznawania mowy w nich, aby umożliwić łatwiejsze lub wolne od rąk korzystanie z urządzenia.

Ważne jest, aby zauważyć, że terminy rozpoznawanie mowy i rozpoznawanie głosu są czasami używane zamiennie. Jednak te dwa terminy oznaczają różne rzeczy. Rozpoznawanie mowy służy do identyfikacji słów w języku mówionym. Rozpoznawanie głosu to technologia biometryczna używana do identyfikacji głosu konkretnej osoby lub do identyfikacji mówcy.

Jak to działa

Rozpoznawanie mowy działa przy użyciu algorytmów poprzez modelowanie akustyczne i językowe. Modelowanie akustyczne przedstawia związek pomiędzy językowymi jednostkami mowy i sygnałami audio; modelowanie językowe dopasowuje dźwięki do sekwencji słów, aby pomóc rozróżnić słowa, które brzmią podobnie.

Często, ukryte modele Markowa są również używane do rozpoznawania wzorców czasowych w mowie, aby poprawić dokładność w systemie. Metoda ta będzie losowo zmieniać systemy, w których zakłada się, że przyszłe stany nie zależą od stanów przeszłych. Inne metody stosowane w rozpoznawaniu mowy to przetwarzanie języka naturalnego (NLP) lub N-gramy. NLP sprawia, że proces rozpoznawania mowy jest łatwiejszy i zajmuje mniej czasu. N-gramy, z drugiej strony, są stosunkowo prostym podejściem do modeli językowych. Pomagają one stworzyć rozkład prawdopodobieństwa dla sekwencji.

Bardziej zaawansowane oprogramowanie do rozpoznawania mowy będzie wykorzystywać AI i uczenie maszynowe. Systemy te będą wykorzystywać gramatykę, strukturę, składnię, a także kompozycję sygnałów dźwiękowych i głosowych w celu przetwarzania mowy. Oprogramowanie wykorzystujące uczenie maszynowe będzie się uczyć im więcej będzie używane, więc może być łatwiejsze do nauczenia się koncepcji takich jak akcenty.

Aplikacje

Najczęstsze zastosowania rozpoznawania mowy w przedsiębiorstwie obejmują wykorzystanie rozpoznawania mowy w urządzeniach mobilnych. Na przykład, użytkownicy mogą korzystać z tej funkcji w smartfonach do przekierowywania połączeń, przetwarzania mowy na tekst, wybierania głosowego i wyszukiwania głosowego. Użytkownik smartfona może skorzystać z funkcji rozpoznawania mowy, aby odpowiedzieć na tekst bez konieczności spoglądania w dół na swój telefon. Na przykład, rozpoznawanie mowy w iPhone’ach jest powiązane z innymi funkcjami, takimi jak klawiatura i Siri. Jeśli użytkownik doda do swojej klawiatury drugi język, może korzystać z funkcji rozpoznawania mowy w tym języku (pod warunkiem, że drugi język jest wybrany na klawiaturze podczas aktywacji rozpoznawania głosu). Aby korzystać z innych funkcji, takich jak Siri, użytkownik musiałby zmienić ustawienia językowe.)

Rozpoznawanie mowy można również znaleźć w aplikacjach do przetwarzania tekstu, takich jak Microsoft Word, gdzie użytkownicy mogą dyktować, co chcą, aby pokazać się jako tekst.

Zalety i wady

Choć wygodne, technologia rozpoznawania mowy nadal ma kilka problemów do przepracowania, ponieważ jest stale rozwijana. Plusy oprogramowania do rozpoznawania mowy są takie, że jest ono łatwe w użyciu i łatwo dostępne. Oprogramowanie do rozpoznawania mowy jest obecnie często instalowane w komputerach i urządzeniach mobilnych, co pozwala na łatwy dostęp.

Wady rozpoznawania mowy obejmują niezdolność do wychwytywania słów z powodu różnic w wymowie, brak wsparcia dla niektórych języków i niezdolność do sortowania przez hałas w tle. Czynniki te mogą prowadzić do niedokładności. Niektóre oprogramowanie do rozpoznawania mowy może również zająć trochę czasu i czuć się stosunkowo wolno do przetwarzania mowy.

Wydajność

Wydajność rozpoznawania mowy jest mierzona przez dokładność i szybkość. Dokładność jest mierzona za pomocą współczynnika błędu słów. WER działa na poziomie słowa i identyfikuje niedokładności w transkrypcji, chociaż nie może zidentyfikować, jak błąd wystąpił. Szybkość jest mierzona za pomocą współczynnika czasu rzeczywistego. Na wydajność komputerowego rozpoznawania mowy może wpływać wiele czynników, w tym wymowa, akcent, wysokość dźwięku, głośność i hałas w tle.

.