Jaké jsou nejběžnější problémy s rozpoznáváním řeči?

Od té doby, co byl poprvé vynalezen, se software

Software pro rozpoznávání řeči výrazně pokročil, ale stále má několik velkých problémů, které zabraňují jeho použití výhradně jako metoda transkripce. Mezi problémy s rozpoznáváním řeči, které je obtížné vyřešit, patří změny ve výslovnosti slov, jednotlivých přízvuků, homonymů a nežádoucích okolních zvuků. Další sada problémů s rozpoznáváním řeči zahrnuje typ hardwaru používaného ke skutečnému zadávání zvuku, protože výsledky mohou mít velký dopad na to, jak software bude interpretovat řeč. Existuje také problém, že neznají kontext mluvených slov, které mohou vést k textu, který nemá interpunkci nebo nepřesná hláskování.

Jedním z nejzákladnějších problémů s rozpoznáváním řeči je kvalita použitých vstupních zařízení. Pokud mikrofon není dostatečně citlivý - nebo je příliš citlivý - může vytvořit zvukové informace, které jsou pro software obtížné dešifrovat. To je zejménaJe pravda, když je mikrofon tak citlivý, že řeč je zkreslena, takže rozpoznávací software je téměř zbytečným. Podobný problém pramení z hluku na pozadí, který může být problematický pro oddělení od hlavní řeči a může způsobit nepřesné překlady, pokud jsou zahrnuty do zpracování řeči.

Rozdíly ve výslovnosti, akcenty a řečnické kadence se spojí a vytvoří jeden z všudypřítomnějších problémů s rozpoznáváním řeči. Když lze jedno slovo vyslovovat několika způsoby, software se může zmatený a nesprávně interpretovat to, co se říká. Totéž může nastat, když člověk mluví pomaleji nebo rychleji, než program očekává. Existují některá částečná řešení, jako je trénink softwaru ve vzorcích řeči jednoho uživatele a použití dynamických algoritmů časově válcování tak, aby odpovídaly řeči s databází vzorků, ale nevyřeší všechny problémy.

nejsložitějšíProblémy s rozpoznáváním řeči identifikují kontext mluvených slov. Počítačový software není schopen identifikovat zamýšlený význam sbírky slov, což vede k řadě problémů s přepsaným textem. Slova, která mají podobný zvuk, jako je „jejich“ a „tam“, lze přesně napsat pouze tehdy, když je známý kontext použití. Ze stejného důvodu je přesná interpunkce pro software téměř nemožné založit pouze na poznání sekvence slov. Existuje funkční transkripční software, který se používá v polích, jako je medicína, ale výsledkem je často blok slov bez jakéhokoli typu oddělení, což znamená, že upravuje dokument a vytvoří čitelnou konečnou kopii.