音声認識とは何ですか？

言語がどのように聞こえ、解釈され、理解されるかを理解することは、音声認識を研究する人々の目標です。 音響、音素、構文、その他のプロパティなど、音声認識のさまざまな要素は、音声の処理方法と理解方法のロードマップを提供するのに役立ちます。 音声認識で使用される聴覚プロセスを超えて、視覚的な手がかりも検討する必要があります。

言語の処理と理解に関しては、人間が着信音響信号を処理する方法を2つのプロセスで説明します。 人間が保存された言語スキルとキューを使用して欠落している音声情報を埋めると、トップダウン処理と見なされます。 保存された情報がないため、人間はボトムアップ処理を使用する必要があります。 ボトムアップ処理は、幼児と言語音響を聞いて反応する方法を調べることで実証できます。

耳の内臓は、音声に関連する音を理解のために脳の側頭葉に伝える働きをします。 音声音響に関連する振動は鼓膜を通って耳小骨に伝えられ、内耳、co牛、有毛細胞に振動が続きます。 この時点で、聴覚神経はニューロンからの信号を拾い始め、ピッチやトーンなどの音声特性の初期解釈に関与する脳の領域に情報を送信します。

音声に関連する音は、音声音響と見なされます。 これらの音は、人間の声道の振動によって生成されます。 声道によって生成される各文字と音は、声道がその形状を変えることを必要とします。

音素は、言語の類似した音を区別するのに役立ちます。 音声や単語を構成する音節よりも小さくても、音素は音声認識に役立ちます。 言語を構成するために使用される音素およびその他の音声は重複しており、区別するのが困難です。 音声の各セグメントの音は、前後に来る音の影響を受け、この困難につながります。

口の形成や顔の表情などの視覚的な合図は、音声信号と音声の識別に役立ちます。 いくつかの研究では、顔と視覚的なキューを変更すると、提供される視覚的なキューと知覚される音に影響があります。 これは、音声認識の分野ではマックガーク効果として知られています。

言語の議論では、音声認識に関連するいくつかの追加の用語が使用されます。 構文は、文法とも呼ばれる単語の組み合わせとして理解されます。 セマンティクスとは、メッセージ自体の意味を指します。 構文とセマンティクスを理解すると、音声認識の理解と研究をさらに進めることができます。