Ongeveer twee dekades gelede sou niemand geglo het dat die tegnologies gevorderde skynwêreld van 'Star Trek' wat die grense van verbeelding verskuif het, kon waar word – so gou. Die stemherkenningstegnologie agter die gespreksassistent wat Kaptein Kirk gehelp het om die sterre te navigeer, help ons nou om die pad na die naaste kruidenierswinkel of die beste restaurante te vind.
In minder as twintig jaar het stemherkenningstegnologie fenomenaal gegroei. Maar wat hou die toekoms in? In 2020 was die wêreldwye stemherkenningstegnologiemark sowat $10.7 miljard. Dit sal na verwagting die hoogte inskiet Van $ 27.16 miljard teen 2026 groei teen 'n CAGR van 16.8% van 2021 tot 2026.
Die fenomenale groei van stem tegnologie kan aan verskeie faktore toegeskryf word. Sommige hiervan is die toename in die aanvaarding van elektroniese toestelle, die ontwikkeling van stem-aangedrewe biometrie, stemgedrewe navigasiestelsels en vooruitgang in machine learning modelle. Kom ons delf dieper in hierdie opkomende tegnologie en verstaan die werking en gebruiksgevalle daarvan.
Wat is stemherkenning?
Stemherkenning, ook bekend as sprekerherkenning, is 'n sagtewareprogram wat opgelei is om die stem van 'n persoon te identifiseer, te dekodeer, te onderskei en te verifieer op grond van hul eie stemafdruk.
Die program evalueer 'n persoon se stembiometrie deur hul spraak te skandeer en dit te pas by die vereiste stemopdrag. Dit werk deur die frekwensie, toonhoogte, aksent, intonasie en spanning van die spreker noukeurig te ontleed.
Terwyl die terme 'Stemherkenning en 'spraakherkenning uitruilbaar gebruik word, is hulle nie dieselfde nie. Stemherkenning identifiseer die spreker, terwyl die spraakherkenningsalgoritme handel oor die identifisering van die gesproke woord.
Stemherkenning het die afgelope paar jaar geweldig gegroei. Intelligente assistente soos Amazon Echo, Google Assistant, Apple Siri en Microsoft Cortana voer handvrye versoeke uit, soos om toestelle te gebruik, om notas te skryf sonder om sleutelborde te gebruik, om opdragte uit te voer, en meer.
Hoe werk stemherkenning?
Die spraakherkenningstegnologie 'n paar stappe ondergaan voordat dit die spreker betroubaar kan vasstel.
Dit begin deur analoog klank in digitale seine om te skakel. Om uit te vind wat jy vra, tel die stemassistent, die mikrofoon in jou toestel jou stem op, sit dit om in elektriese strome en sit daardie analoog klanke om in digitale binêre formaat.
Soos die elektriese seine in die Analoog-na-Digitaal-omskakelaar vloei, begin die sagteware monsters van spanningsvariasies in sekere dele van die stroom optel. Die monsters is klein in duur - beloop skaars 'n paar duisendstes van 'n sekonde lank. Afhangende van die spanning, sal die omsetter binêre syfers aan die data toewys.
Om die seine te ontsyfer, benodig die rekenaarprogram 'n uitgebreide digitale databasis van woordeskat, lettergrepe en woorde of frases en 'n vinnige metode om die seine by data te pas. Die vergelyker vergelyk die klanke van die gestoorde databasis met die oudio-na-digitaal-omskakelaar deur 'n patroonherkenningsaksie te gebruik.
Stemherkenning – Die voor- en nadele
| voordele | Disadvantages |
| Stemherkenning laat multitasking en handvrye gemak toe. | Terwyl stemherkenningstegnologie met rasse skrede verbeter, is dit nie heeltemal foutloos nie. |
| Om te praat en stemopdragte te gee is baie vinniger as om te tik. | Agtergrond geraas kan inmeng met die werking en die betroubaarheid van die stelsel beïnvloed. |
| Die gebruiksgevalle van stemherkenning brei uit met masjienleer en diep neurale netwerke. | Die privaatheid van die aangetekende data is 'n saak van kommer. |
Gebruik gevalle van stemherkenning
Stemherkenningstelsels word vir verskeie toepassings gebruik. Luidsprekerherkenning word oor die algemeen in drie hoofkategorieë verdeel – opsporing, verifikasie en segmentering.
Stemherkenning vir verifikasie
Stemherkenning word hoofsaaklik gebruik vir biometriese persoonstawing, waar 'n persoon se identiteit vasgestel word deur hul stem te gebruik.
Ander vorme van identiteitstawingsoplossings, soos sleutel- of kredietkaartwagwoorde, kan verlore, vergeet of gesteel word. Die luidsprekerherkenningstelsel is egter baie meer geloofwaardig en onfeilbaar in vergelyking met wagwoorde of PIN's.
Stemherkenning vir Forensiese
Nog 'n belangrike toepassing van stemherkenningstegnologie is die toepassing in forensiese. As 'n spraakmonster tydens die pleging van die misdaad opgeneem is, kan dit met die verdagte se stem vergelyk word om enige ooreenkomste tussen die twee te vind.
Stemherkenning vir finansiële dienste
Stem- of sprekerherkenning bewys homself baie nuttig in finansiële dienste om die identiteit van bellers te verifieer. Baie banke het stembiometrie bygevoeg as 'n sekondêre vlak van gebruikersverifikasie.
Stemherkenning voeg nog 'n laag sekuriteit by, veral vir banke en finansiële instellings wat 'n sekondêre betroubare verifikasiemetode benodig.
Stemherkenning vir sekuriteit
Een van die mees prominente voordele van stemherkenning is sekuriteit. Luidsprekerherkenning verskaf transaksie-verifikasie, toegangsbeheer, langafstand-telefoonbankdienste-gebruikerstawing en monitering om misbruik van inligting uit te skakel.
Boonop kan intelligente stemherkenningstelsels ook ongemagtigde toegang tot kritieke inligting of databasisse verwerp. As 'n kind byvoorbeeld probeer om toegang tot 'n stemgeaktiveerde betaaldiens te kry, sal dit verwerp word aangesien dit nie gemagtig kan word nie.
Stemherkenning in die kleinhandelbedryf
Sprekerherkenning word wyd gebruik in die kleinhandel- en e-handelsbedryf om uit te voer stemsoektogte, en gebruikers akkuraat te identifiseer en te verifieer.
Stemherkenning vir gesondheidsorg
Stemherkenning speel 'n beduidende rol in die verbetering van die aard en kwaliteit van sorg wat aan pasiënte verskaf word. Pasiënte se stembiometrie word gebruik om hul identiteit in hul databasisse te verifieer, om wettige verstrengeling te vermy en om voort te gaan om voortgesette gesondheidsorgdienste te verskaf.
Stemherkenning vir gepersonaliseerde gebruikerskoppelvlakontwikkeling
Stemherkenning word gebruik om gepersonaliseerde gebruikerskoppelvlakke te ontwikkel soos om stempos te verbeter. Deur die spreker akkuraat te herken, sal die stelsel in staat wees om hul behoeftes te antisipeer en sy aanbiedinge aan te pas op grond van die spreker se voorkeure en vereistes.
Deur die spreker te herken, maak dit makliker vir besighede om 'n ten volle pasgemaakte stemervaring te bied. Soos meer en meer stem-geaktiveerde toestelle hul weg na ons huise maak, sal stemherkenning 'n stap wees in die verbetering van kliëntebetrokkenheid en -tevredenheid.
Luidsprekerherkenning is die identifisering en stawing van 'n persoon se identiteit gebaseer op stemeienskappe. Stemherkenning werk op die beginsel dat geen twee individue dieselfde kan klink nie as gevolg van die verskille in hul larinksgroottes, die vorm van hul stemkanaal en ander.
Die betroubaarheid en akkuraatheid van die stem- of spraakherkenningstelsel hang af van die tipe opleiding, toetsing en databasis wat gebruik word. As jy 'n wen-idee vir stemherkenningsagteware het, kontak Shaip vir jou databasis en opleidingsbehoeftes.
Jy kan 'n outentieke, veilige en topgehalte stemdatabasis bekom wat gebruik kan word om jou masjienleer op te lei of te toets en natuurlike taalverwerkingsmodelle.
