Как работает распознавание речи

 

 Распознавание речи: ошибки и недостатки 

Высококачественный микрофон с функцией шумоподавления может повысить точность вашей системы распознавания речи. Ни одна система распознавания речи не совершенна на 100 процентов; несколько факторов могут снизить точность. Некоторые из этих факторов являются проблемами, которые продолжают улучшаться по мере совершенствования технологий. Другие могут быть уменьшены - если не исправлены полностью - пользователем. 

Низкое соотношение сигнал / шум 

 Программа должна четко «слышать» произносимые слова, и любой дополнительный шум, внесенный в звук, будет этому мешать. Шум может исходить от ряда источников, включая громкий фоновый шум в офисе. Пользователи должны работать в тихой комнате с качественным микрофоном, расположенным как можно ближе ко рту. Звуковые карты низкого качества , которые обеспечивают микрофонный вход для отправки сигнала на компьютер, часто не имеют достаточной защиты от электрических сигналов, производимых другими компонентами компьютера. Они могут внести в сигнал гудение или шипение. 

Перекрывающаяся речь 

 Современные системы испытывают трудности с разделением одновременной речи нескольких пользователей. «Если вы попытаетесь использовать технологию распознавания в разговорах или встречах, когда люди часто прерывают друг друга или разговаривают друг с другом, вы, скорее всего, получите очень плохие результаты», - говорит Джон Гарофоло. 

 Интенсивное использование мощности компьютера 

 Для запуска статистических моделей, необходимых для распознавания речи, процессор компьютера должен выполнять много тяжелой работы. Одна из причин этого - необходимость запоминать каждый этап поиска по распознаванию слов на тот случай, если системе потребуется вернуться назад, чтобы найти правильное слово. Самые быстрые из используемых сегодня персональных компьютеров могут по-прежнему испытывать трудности со сложными командами или фразами, что значительно снижает время отклика. Словари, необходимые для программ, также занимают много места на жестком диске. К счастью, дисковая память и скорость процессора быстро развиваются - компьютеры, используемые через 10 лет, выиграют от экспоненциального роста обоих факторов. 

 Омонимы 

Омонимы - это два слова, которые пишутся по-разному и имеют разные значения, но звучат одинаково. Наряд (одеяние) — наряд солдат; среда обитания — среда (день недели); стан (туловище) — полевой стан (место стоянки); гранатовый сок — гранатовый браслет; сушка (от сушить) — сушка (маленькая баранка). - все это примеры. Программа распознавания речи не может определить разницу между этими словами только по звуку. Однако обширное обучение систем и статистических моделей, учитывающих контекст слова, значительно улучшило их производительность. 

Далее мы посмотрим на будущее программ распознавания речи.

Следующая страница

Комментарии

Отправить комментарий

Популярные сообщения из этого блога

Светодиодный индикатор уровня сигнала

Изображение
Светодиодный индикатор уровня сигнала на KA2284 (AN6884) Микросхемы позволяет управлять шкалой из 5 светодиодов, отображая на ней уровень звукового сигнала. Сигнал не обязательно должен быть звуковым. Но поскольку шкала в этой микросхеме логарифмическая, то она прекрасно подходит для индикации уровня звука. В даташите авторы предлагают нам такую схему включения микросхемы AN6884 Напряжение питания Vcc можно подавать в очень широком диапазоне – от 3 до 16 вольт. Мы в наших экспериментах ограничимся 9 вольтами от «Кроны». От напряжения питания зависит только величина сопротивления R, ограничивающего ток через светодиоды. Резистор и конденсатор, подключенные к 7-й ноге играют роль времязадающей RC-цепочки. Изменяя номинал резистора, можно изменять скорость спадания светодиодной линейки. Если вместо 10 кОм поставить 2…3 кОм, столбик будет двигаться быстрее. Если заменить его на 30 кОм, столбик будет шевелиться намного медленнее. Оптимальным, на мой взгляд, является значение в 8…10 кОм....
Далее...

Колебание жидкости в трубке.

Изображение
    Колебание жидкости в трубке. Рассмотрим колебательную системы. В вертикальной  U -образной трубке находится жидкость. В состоянии равновесия верхний уровень жидкости расположен на высоте l . Жидкость вывели из положения равновесия и она совершает колебания, переливаясь из одного колена трубки в другое. Для определения частоты (или периода) этих колебаний воспользуемся законом сохранения энергии. В качестве координаты, характеризующей положение жидкости, выберем величину x − отклонение уровня воды в одном колене от положения равновесия. Площадь поперечного сечения трубки S постоянна по ее длине, значит скорость течения жидкости будет одинакова и равна производной от введенной координаты . Следовательно, кинетическая энергия движущейся жидкости равна где − плотность жидкости, − ее объем (пренебрегая частью жидкости, находящейся в нижней части трубки)  Потенциальная энергия тела в поле тяжести земли равна произведению массы тела, ускорения свободного падения и высоты ц...
Далее...

Распознавание речи и распознавание голоса: в чем разница?

Изображение
Легко запутаться в различиях между распознаванием речи и распознаванием голоса. Каждый из них играет определенную роль в унифицированных коммуникациях. От Джон Арнольд, J Arnold & Associates   Тема распознавания речи и распознавания голоса - отличный пример двух технологических терминов, которые кажутся взаимозаменяемыми на первый взгляд, но при ближайшем рассмотрении заметно отличаются.  Слова « речь» и « голос» могут быть абсолютно взаимозаменяемыми, не вызывая путаницы, хотя также верно, что они имеют разные значения. Речь, очевидно, является голосовым способом общения, но есть и другие способы выражения голоса, не основанные на речи, такие как смех, интонации или невербальные высказывания.   Все становится более тонким, когда вы добавляете узнаваемость и к речи, и к голосу. Теперь мы входим в мир автоматического распознавания речи ( ASR ) , где мы подключаемся к приложениям, специально предназначенным для извлечения определенных форм деловой ценности и...
Далее...