Sanasto

Puheentunnistus (puheesta tekstiksi)

Mikä on Puheentunnistus (puheesta tekstiksi)?

Puheentunnistus, jota kutsutaan myös ASR:ksi (automatic speech recognition), muuntaa puhutun kielen automaattisesti kirjoitetuksi tekstiksi. Nykyaikaiset järjestelmät käyttävät neuroverkkoja, jotka on opetettu suurilla äänitemäärillä, ja selviävät kohtuullisen hyvin aksenteista ja taustamelusta. Sovelluksia ovat sanelu, tekstitykset, ääniavustajat sekä kokousten ja asiakaspuheluiden litterointi. Ammattitermit, erisnimet ja huono äänenlaatu ovat edelleen yleisiä virhelähteitä.

Aiheet

ASR
ääni
litterointi

Kokeile KI.ordoa

Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.

Aloita demo

← Kaikki termit

Liittyvät termit

Äänen litterointi

Äänen litterointi muuntaa tallenteiden puhutun kielen kirjoitetuksi tekstiksi. Nykyaikaiset automaattiset puheentunnistusjärjestelmät lisäävät myös välimerkit, erottavat puhujat toisistaan ja antavat joskus aikaleimat. Litterointia käytetään kokouspöytäkirjoihin, haastatteluihin, tekstityksiin ja asiakaspuheluiden dokumentointiin. Laatu riippuu paljon äänenlaadusta, aksentista ja erikoissanastosta; henkilötietoja sisältävissä keskusteluissa on otettava huomioon suostumus ja tietosuoja.

Puheentunnistus
Audio
+1

Whisper

Whisper on OpenAI:n syyskuussa 2022 julkaisema automaattinen puheentunnistusmalli. Se muuntaa puhutun kielen tekstiksi monilla kielillä ja osaa myös kääntää äänitteitä englanniksi. Sen koodi ja mallin painot ovat saatavilla avoimen lähdekoodin MIT-lisenssillä, joten Whisperiä voi ajaa myös omalla laitteistolla, mikä on etu, kun äänidata ei saa poistua organisaatiosta. Tyypillisiä käyttökohteita ovat kokousten ja haastattelujen litteroinnit sekä tekstitykset.

Puheentunnistus
Avoin lähdekoodi
+1

Text-to-Speech (TTS)

Tekstistä puheeksi (text-to-speech, TTS) muuntaa kirjoitetun tekstin puhutuksi kieleksi, ja se on puheentunnistuksen (puheesta tekstiksi) vastinpari. Nykyaikaiset järjestelmät käyttävät neuroverkkoja luonnollisen kuuloisten, sopivasti intonoitujen äänten tuottamiseen. TTS:ää käytetään puhelinkuulutuksissa, navigaattoreissa, esteettömien verkkosivujen ääneenlukutoiminnoissa ja ääniavustajissa.

Puhetuloste
Audio
+1

Luonnollisen kielen käsittely (NLP)

Luonnollisen kielen käsittely on tekoälyn osa-alue, joka mahdollistaa tietokoneiden analysoida, ymmärtää ja tuottaa ihmiskieltä tekstinä tai puheena. Se kattaa tehtäviä, kuten kääntäminen, luokittelu, tiivistäminen, sentimenttianalyysi ja kysymyksiin vastaaminen. Aiemmin vallitsivat sääntö- ja tilastomenetelmät; nykyään alaa muovaavat suuret kielimallit.

NLP
Kieli
+1