異なる音声認識技術は何ですか？

いくつかの音声認識手法を使用して、話し言葉の単語をキャプチャし、ソフトウェアプログラムで使用できるデータに変換します。何が言われているかを判断するために、スピーチを分析するための3つの広範な方法があります。 1つ目は個別の音声と呼ばれます。つまり、一度に一度だけ話されます。 2番目は接続されたスピーチとして知られており、理解されるためには特定の方法で言葉を話す必要があります。最後に、ほとんどの人が通常話す方法である連続音声があります。

あらゆる種類の音声認識技術に使用される最も一般的なアルゴリズムは、隠されたマルコフモデル（HMM）です。このシステムには、大きなデータツリーの木、または基本的な音と音節が含まれます。これらは、ある音が別の音を追跡する統計的確率で分割します。各音素をサウンドのデータツリーのノードと比較することにより、実際に完成した単語は、比較的短期間で高い精度で決定できます。

いくつかの音声認識手法でのRCORは、単語が始まり、終了する場所を隔離することです。このタスクは、部屋のバックグラウンドノイズと、一部の音節には単語間の休憩に似たオーディオ署名があるという事実によって複雑になります。このため、個別の接続された音声認識手法が最も正確です。

異なる音声認識手法を分離するもう1つの要因は、ソフトウェアの語彙の問題です。スピーチを解釈しているソフトウェアは、高精度で非常に限られた語彙を持つか、特定のユーザーの個々の音声パターンに一致する必要がある大きな語彙を持つことができます。プログラムが単語を組み立てるHMM方法を使用すると、理解される単語の数が少ないほど、プログラムがより正確になります。これは、ほとんどの自動化された電話システムが質問への数や回答を解読するために使用する方法です。

音声レコ大規模な語彙を理解するGnitionテクニックは、通常、非常に少ないまたは1人のユーザーと対話するように設計されています。これは、プログラムを話している人の音声パターンを理解するために訓練する必要があるためです。トレーニングには、ソフトウェアにテキストの事前に作られた段落を読むことが含まれます。読まれている単語がわかっているため、プログラムはユーザーに固有の音素の統計モデルを構築できます。これにより、プログラムはユーザーを理解する可能性がはるかに高くなりますが、それが訓練していない人々に対するプログラムの理解を妨げる可能性もあります。

音声認識技術の最も難しいのは、連続的または自然な発話を解釈することです。多くの人は、単語を一緒に実行して異なる速度で話す傾向があるため、連続音声を翻訳するプログラムの精度は他の方法よりも低くなります。それでも、このタイプのスピーチを翻訳できるプログラムは存在します。一部のプログラムは、ファジーロジックとニューラルネットワークを採用してPATを認識するのに役立ちますアジサシと分離単語。