Terminų žodynas

Kalbos atpažinimas (kalba į tekstą)

Kas yra Kalbos atpažinimas (kalba į tekstą)?

Kalbos atpažinimas, dar vadinamas ASR (angl. automatic speech recognition), automatiškai paverčia šnekamąją kalbą rašytiniu tekstu. Šiuolaikinės sistemos naudoja neuroninius tinklus, apmokytus pagal didelius garso įrašų kiekius, ir pakankamai gerai susidoroja su akcentais bei foniniu triukšmu. Taikymai: diktavimas, subtitrai, balso asistentai ir susitikimų bei klientų skambučių transkribavimas. Techniniai terminai, tikriniai vardai ir prasta garso kokybė išlieka dažnomis klaidų priežastimis.

Temos

ASR
garsas
transkribavimas

Išbandykite KI.ordo

Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.

Pradėti demonstraciją

← Visi terminai

Susiję terminai

Garso transkripcija

Garso transkripcija paverčia įrašuose sakomą kalbą rašytiniu tekstu. Šiuolaikinės automatinio kalbos atpažinimo sistemos taip pat sudeda skyrybos ženklus, atskiria kalbėtojus ir kartais pateikia laiko žymas. Ji naudojama susitikimų protokolams, interviu, subtitrams ir pokalbių su klientais dokumentavimui. Kokybė labai priklauso nuo garso kokybės, akcento ir specialiosios leksikos; pokalbiams su asmens duomenimis būtina atsižvelgti į sutikimą ir duomenų apsaugą.

Kalbos atpažinimas
Audio
+1

Whisper

Whisper – automatinio kalbos atpažinimo modelis, OpenAI išleistas 2022 m. rugsėjį. Jis paverčia šnekamąją kalbą daugeliu kalbų tekstu ir gali išversti įrašus į anglų kalbą. Jo kodas ir modelio svoriai prieinami pagal atvirojo kodo MIT licenciją, todėl Whisper galima paleisti ir savo įrangoje – tai pranašumas, kai garso duomenys neturi palikti organizacijos. Tipiniai taikymai: susitikimų, interviu transkripcijos ir subtitrai.

Kalbos atpažinimas
Atvirasis kodas
+1

Text-to-Speech (TTS)

Teksto skaitymas balsu (angl. text-to-speech) paverčia rašytinį tekstą šnekamąja kalba ir yra kalbos atpažinimo (kalba į tekstą) priešingybė. Šiuolaikinės sistemos naudoja neuroninius tinklus, kad sukurtų natūraliai skambančius balsus su tinkama intonacija. TTS naudojamas telefono pranešimuose, navigacijos įrenginiuose, skaitymo balsu funkcijose prieinamose svetainėse ir balso asistentuose.

Kalbos sintezė
Audio
+1

Natūralios kalbos apdorojimas (NLP)

Natūralios kalbos apdorojimas – DI šaka, leidžianti kompiuteriams analizuoti, suprasti ir generuoti žmonių kalbą tekstu ar žodžiu. Jis apima tokias užduotis kaip vertimas, klasifikavimas, apibendrinimas, nuotaikų analizė ir atsakymai į klausimus. Kadaise dominavo taisyklės ir statistiniai metodai; šiandien sritį formuoja dideli kalbos modeliai.

NLP
Kalba
+1