As jy Siri, Alexa, Cortana, Amazon Echo of ander as deel van jou daaglikse lewe gebruik, sal jy dit aanvaar Spraakherkenning het 'n alomteenwoordige deel van ons lewens geword. Hierdie kunsmatige intelligensie-aangedrewe stemassistente omskep die verbale navrae van gebruikers in teks, interpreteer en verstaan wat die gebruiker sê om met 'n gepaste antwoord vorendag te kom.
Daar is 'n behoefte aan kwaliteit data-insameling om betroubare spraak-, herkenningsmodelle te ontwikkel. Maar, ontwikkel spraakherkenning sagteware is nie 'n eenvoudige taak nie – juis omdat die transkribeer van menslike spraak in al sy kompleksiteit, soos die ritme, aksent, toonhoogte en helderheid, moeilik is. En wanneer jy emosies by hierdie komplekse mengsel voeg, word dit 'n uitdaging.
Wat is spraakherkenning?
Spraakherkenning is sagteware se vermoë om te herken en te verwerk menslike spraak in teks. Alhoewel die verskil tussen stemherkenning en spraakherkenning vir baie subjektief mag lyk, is daar 'n paar fundamentele verskille tussen die twee.
Alhoewel beide spraak- en stemherkenning deel vorm van die stemassistent-tegnologie, verrig hulle twee verskillende funksies. Spraakherkenning doen outomatiese transkripsies van menslike spraak en opdragte in teks, terwyl stemherkenning slegs handel oor die herkenning van die spreker se stem.
Tipes spraakherkenning
Voor ons inspring tipes spraakherkenning, kom ons kyk kortliks na spraakherkenningsdata.
Spraakherkenningsdata is 'n versameling van menslike spraak-oudio-opnames en tekstranskripsie wat help om masjienleerstelsels op te lei vir Stemherkenning.
Die oudio-opnames en transkripsies word in die ML-stelsel ingevoer sodat die algoritme opgelei kan word om die nuanses van spraak te herken en die betekenis daarvan te verstaan.
Alhoewel daar baie plekke is waar u gratis voorafverpakte datastelle kan kry, is dit die beste om dit te kry pasgemaakte datastelle vir jou projekte. U kan die versamelinggrootte, oudio- en sprekervereistes en taal kies deur 'n pasgemaakte datastel te hê.
Spraakdataspektrum
Spraakdata spektrum identifiseer die kwaliteit en toonhoogte van spraak wat wissel van natuurlik tot onnatuurlik.
Geskrifte spraakherkenningsdata
Soos die naam aandui, is geskrewe spraak 'n beheerde vorm van data. Die sprekers neem spesifieke frases uit 'n voorbereide teks op. Dit word tipies gebruik vir die lewering van opdragte, met die klem op hoe die woord of frase word gesê eerder as wat gesê word.
Geskrewe spraakherkenning kan gebruik word wanneer 'n stemassistent ontwikkel word wat opdragte moet optel wat uitgereik is deur gebruik te maak van verskillende spreker aksente.
Scenario-gebaseerde spraakherkenning
In 'n scenario-gebaseerde toespraak word die spreker gevra om 'n bepaalde scenario voor te stel en a stembevel gebaseer op die scenario. Op hierdie manier is die resultaat 'n versameling stemopdragte wat nie geskryf is nie, maar beheer word.
Scenario-gebaseerde spraakdata word vereis deur ontwikkelaars wat 'n toestel wil ontwikkel wat alledaagse spraak met sy verskillende nuanses verstaan. Vra byvoorbeeld vir aanwysings om na die naaste Pizza Hut te gaan deur 'n verskeidenheid vrae te gebruik.
Natuurlike spraakherkenning
Reg aan die einde van die spraakspektrum is spraak wat spontaan, natuurlik is en op geen manier beheer word nie. Die spreker praat vrylik deur sy natuurlike gesprekstoon, taal, toonhoogte en tenoor te gebruik.
As jy 'n ML-gebaseerde toepassing op multi-luidspreker spraakherkenning wil oplei, dan 'n ongeskrifte of gespreksrede datastel is nuttig.
Data-insamelingskomponente vir spraakprojekte
’n Reeks stappe wat by spraakdata-insameling betrokke is, verseker dat die versamelde data van gehalte is en help met die opleiding van hoëgehalte-KI-gebaseerde modelle.
Verstaan vereiste gebruikerantwoorde
Begin deur die vereiste gebruikersreaksies vir die model te verstaan. Om 'n spraakherkenningsmodel te ontwikkel, moet jy data insamel wat nou die inhoud verteenwoordig wat jy nodig het. Versamel data van werklike interaksies om gebruikersinteraksies en -reaksies te verstaan. As jy 'n KI-gebaseerde kletsassistent bou, kyk na die kletslogboeke, oproepopnames, kletsdialoogkassie-antwoorde om 'n datastel te skep.
Ondersoek die domeinspesifieke taal
Jy benodig beide generiese en domeinspesifieke inhoud vir 'n spraakherkenningdatastel. Sodra jy generiese spraakdata ingesamel het, moet jy deur die data sif en die generiese van spesifieke skei.
Kliënte kan byvoorbeeld inbel om 'n afspraak te vra om te kyk vir gloukoom in 'n oogsorgsentrum. Om vir 'n afspraak te vra is 'n hoogs generiese term, maar gloukoom is domeinspesifiek.
Verder, wanneer u 'n spraakherkenning ML-model oplei, maak seker dat u dit oplei om frases te identifiseer in plaas van individueel erkende woorde.
Teken menslike spraak op
Nadat data van die vorige twee stappe ingesamel is, sou die volgende stap behels dat mense die versamelde stellings opneem.
Dit is noodsaaklik om 'n ideale lengte van die skrif te handhaaf. Om mense te vra om meer as 15 minute se teks te lees, kan teenproduktief wees. Handhaaf 'n minimum gaping van 2 – 3 sekondes tussen elke aangetekende stelling.
Laat die opname dinamies wees
Bou 'n spraakbewaarplek van verskeie mense, praataksente, style wat onder verskillende omstandighede, toestelle en omgewings opgeneem is. As die meerderheid toekomstige gebruikers die landlyn gaan gebruik, behoort jou spraakversamelingsdatabasis 'n beduidende voorstelling te hê wat by daardie vereiste pas.
Induseer veranderlikheid in Spraakopname
Sodra die teikenomgewing opgestel is, vra jou data-insamelingsvakke om die voorbereide skrif onder 'n soortgelyke omgewing te lees. Vra die onderwerpe om nie oor die foute bekommerd te wees nie en hou die weergawe so natuurlik as moontlik. Die idee is om 'n groot groep mense te hê wat die draaiboek in dieselfde omgewing opneem.
Transkribeer die toesprake
Sodra jy die skrif met behulp van verskeie onderwerpe (met foute) opgeneem het, moet jy voortgaan met die transkripsie. Hou die foute ongeskonde, want dit sal jou help om dinamika en verskeidenheid in versamelde data te verkry.
In plaas daarvan dat mense die hele teks woord vir woord transkribeer, kan jy 'n spraak-tot-teks-enjin betrek om die transkripsie te doen. Ons stel egter ook voor dat jy menslike transkribeerders gebruik om foute reg te stel.
Ontwikkel 'n toetsstel
Die ontwikkeling van 'n toetsstel is van kardinale belang, aangesien dit 'n voorloper is vir die taalmodel.
Maak 'n paar van die toespraak en ooreenstemmende teks en maak dit in segmente.
Nadat u die versamelde elemente versamel het, onttrek 'n steekproef van 20%, wat die toetsstel vorm. Dit is nie die opleidingstel nie, maar hierdie onttrekde data sal jou laat weet as die opgeleide model oudio transkribeer waarop dit nie opgelei is nie.
Bou taalopleidingsmodel en meet
Bou nou die spraakherkenningstaalmodel deur die domeinspesifieke stellings en bykomende variasies te gebruik indien nodig. Sodra jy die model opgelei het, moet jy dit begin meet.
Neem die opleidingsmodel (met 80% geselekteerde oudiosegmente) en toets dit teen die toetsstel (onttrek 20% datastel) om te kyk vir voorspellings en betroubaarheid. Kyk vir foute, patrone en fokus op omgewingsfaktore wat reggestel kan word.
Moontlike gebruiksgevalle of toepassings
Stemtoepassing, slimtoestelle, spraak na teks, kliëntediens, inhoudsdikteer, sekuriteitstoepassing, outonome voertuie, notas neem vir gesondheidsorg.
Spraakherkenning maak 'n wêreld van moontlikhede oop, en die gebruikersaanneming van stemtoepassings het oor die jare toegeneem.
Sommige van die algemene toepassings van spraakherkenningstegnologie sluit die volgende in:
Stemsoektog-toepassing
Volgens Google is oor 20% van soektogte wat op die Google-toepassing uitgevoer word, is stem. Agt miljard mense word geprojekteer om stemassistente teen 2023 te gebruik, 'n skerp toename van die voorspelde 6.4 miljard in 2022.
Stemsoektog-aanneming het oor die jare aansienlik toegeneem, en hierdie neiging sal na verwagting voortduur. Verbruikers maak staat op stemsoektog om navrae te soek, produkte te koop, besighede op te spoor, plaaslike besighede te vind, en meer.
Huistoestelle/Slimtoestelle
Stemherkenningstegnologie word gebruik om stemopdragte aan tuisslimtoestelle soos TV's, ligte en ander toestelle te verskaf. 66% van verbruikers in die Verenigde Koninkryk, die VSA en Duitsland het verklaar dat hulle stemassistente gebruik het wanneer slimtoestelle en luidsprekers gebruik word.
Spraak na teks
Spraak-na-teks-toepassings word gebruik om te help met gratis rekenaars wanneer e-posse, dokumente, verslae en ander tik. Spraak na teks skakel die tyd uit om dokumente uit te tik, boeke en e-posse te skryf, ondertitelvideo's en teks te vertaal.
Klientediens
Spraakherkenningstoepassings word hoofsaaklik in kliëntediens en ondersteuning gebruik. 'n Spraakherkenningstelsel help om kliëntediensoplossings 24/7 teen 'n bekostigbare koste te verskaf met 'n beperkte aantal verteenwoordigers.
Inhoudsdiktee
Inhoudsdiktasie is 'n ander spraakherkenning gebruik geval wat studente en akademici help om uitgebreide inhoud in 'n fraksie van tyd te skryf. Dit is redelik nuttig vir studente met 'n nadeel as gevolg van blindheid of sigprobleme.
Sekuriteit aansoek
Stemherkenning word wyd gebruik vir sekuriteits- en verifikasiedoeleindes deur unieke stemkenmerke te identifiseer. In plaas daarvan dat die persoon hulself identifiseer deur persoonlike inligting wat gesteel of misbruik word, verhoog stembiometrie sekuriteit.
Boonop het stemherkenning vir sekuriteitsdoeleindes die klanttevredenheidsvlakke verbeter, aangesien dit wegdoen met die uitgebreide aanmeldproses en geloofsduplisering.
Stembevele vir voertuie
Voertuie, hoofsaaklik motors, het nou 'n algemene stemherkenningsfunksie om bestuursveiligheid te verbeter. Dit help die bestuurders om op bestuur te fokus deur eenvoudige stemopdragte te aanvaar soos om radiostasies te kies, oproepe te maak of die volume te verlaag.
Aantekeninge vir gesondheidsorg
Mediese transkripsie-sagteware wat met spraakherkenningsalgoritmes gebou is, vang maklik dokters se stemnotas, opdragte, diagnoses en simptome vas. Mediese aantekeninge verhoog die gehalte en dringendheid in die gesondheidsorgbedryf.
Het jy 'n spraakherkenningsprojek in gedagte wat jou besigheid kan transformeer? Al wat jy dalk nodig het, is 'n pasgemaakte spraakherkenningsdatastel.
’n KI-gebaseerde spraakherkenningsagteware moet opgelei word op betroubare datastelle oor masjienleeralgoritmes om sintaksis, grammatika, sinstruktuur, emosies en nuanses van menslike spraak te integreer. Die belangrikste is dat die sagteware voortdurend moet leer en reageer - groei met elke interaksie.
By Shaip verskaf ons heeltemal pasgemaakte spraakherkenningdatastelle vir verskeie masjienleerprojekte. Met Shaip het jy toegang tot die hoogste gehalte pasgemaakte opleidingsdata wat gebruik kan word om 'n betroubare spraakherkenningstelsel te bou en te bemark. Kom in kontak met ons kundiges vir 'n omvattende begrip van ons aanbiedinge.
[Lees ook: Die volledige gids tot gespreks-KI]
