Sõnastik

Kõnetuvastus (kõne tekstiks)

Mis on Kõnetuvastus (kõne tekstiks)?

Kõnetuvastus, mida nimetatakse ka ASR-iks (automatic speech recognition), teisendab kõneldud keele automaatselt kirjalikuks tekstiks. Kaasaegsed süsteemid kasutavad suurtel heliülesvõtete hulkadel treenitud närvivõrke ning tulevad aktsentide ja taustamüraga mõistlikult toime. Rakenduste hulka kuuluvad dikteerimine, subtiitrid, hääleassistendid ning koosolekute ja klientide kõnede transkribeerimine. Erialatermineid, pärisnimesid ja halba helikvaliteeti peetakse endiselt sagedasteks veaallikateks.

Teemad

ASR
heli
transkribeerimine

Proovi KI.ordot

Agendid, töövood ja mallid ühes tööruumis – tasuta 24-tunnine demo.

Alusta demot

← Kõik terminid

Seotud terminid

Heli transkribeerimine

Heli transkribeerimine muudab salvestistel kõneldud keele kirjalikuks tekstiks. Tänapäevased automaatse kõnetuvastuse süsteemid lisavad ka kirjavahemärgid, eristavad kõnelejaid ja annavad mõnikord ajatemplid. Seda kasutatakse koosolekute protokollide, intervjuude, subtiitrite ja klientidega peetud kõnede dokumenteerimiseks. Kvaliteet sõltub suuresti helikvaliteedist, aktsendist ja erialasõnavarast; isikuandmeid sisaldavate vestluste puhul tuleb arvestada nõusoleku ja andmekaitsega.

Kõnetuvastus
Audio
+1

Whisper

Whisper on OpenAI 2022. aasta septembris välja antud automaatse kõnetuvastuse mudel. See teisendab paljudes keeltes kõneldud keele tekstiks ning oskab salvestisi tõlkida ka inglise keelde. Selle kood ja mudelikaalud on saadaval avatud lähtekoodiga MIT litsentsi all, seega saab Whisperit käitada ka oma riistvaral, mis on eelis, kui helisalvestised ei tohi organisatsioonist lahkuda. Tüüpilised kasutusalad on koosolekute ja intervjuude transkriptsioonid ning subtiitrid.

Kõnetuvastus
Avatud lähtekood
+1

Text-to-Speech (TTS)

Tekst kõneks (text-to-speech) teisendab kirjaliku teksti kõneldud keeleks, olles seega kõnetuvastuse (speech-to-text) vastaspool. Kaasaegsed süsteemid kasutavad närvivõrke, et luua loomuliku kõlaga hääli sobiva intonatsiooniga. TTS-i kasutatakse telefonikuulutustes, navigatsiooniseadmetes, ligipääsetavate veebilehtede ettelugemisfunktsioonides ja hääleassistentides.

kõnesüntees
Audio
+1

Loomuliku keele töötlus (NLP)

Loomuliku keele töötlus on TI haru, mis võimaldab arvutitel analüüsida, mõista ja genereerida inimkeelt tekstis või kõnes. See hõlmab ülesandeid nagu tõlge, klassifitseerimine, kokkuvõtete tegemine, meelestatuse analüüs ja küsimustele vastamine. Kunagi domineerisid reeglid ja statistilised meetodid; tänapäeval kujundavad valdkonda suured keelemudelid.

NLP
Keel
+1