Slovar pojmov

Prepoznavanje govora (govor v besedilo)

Kaj je Prepoznavanje govora (govor v besedilo)?

Prepoznavanje govora, imenovano tudi ASR (automatic speech recognition), samodejno pretvori govorjeni jezik v pisano besedilo. Sodobni sistemi uporabljajo nevronske mreže, naučene na velikih količinah zvočnih posnetkov, in se razmeroma dobro spopadajo z naglasi in hrupom v ozadju. Uporabe vključujejo narekovanje, podnapise, glasovne pomočnike ter prepisovanje sestankov in klicev s strankami. Strokovni izrazi, lastna imena in slaba kakovost zvoka ostajajo pogosti viri napak.

Teme

ASR
zvok
prepisovanje

Preizkusite KI.ordo

Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.

Začni predstavitev

← Vsi pojmi

Sorodni pojmi

Prepis zvoka

Prepis zvoka pretvori govorjeni jezik s posnetkov v pisno besedilo. Sodobni sistemi za samodejno razpoznavanje govora dodajo tudi ločila, razlikujejo med govorci in včasih zagotovijo časovne žige. Uporablja se za zapisnike sestankov, intervjuje, podnapise in dokumentiranje pogovorov s strankami. Kakovost je močno odvisna od kakovosti zvoka, naglasa in strokovnega besedišča; pri pogovorih z osebnimi podatki je treba upoštevati privolitev in varstvo podatkov.

Razpoznavanje govora
Audio
+1

Whisper

Whisper je model za samodejno prepoznavanje govora, ki ga je OpenAI izdal septembra 2022. Govorjeni jezik v številnih jezikih pretvori v besedilo, posnetke pa zna tudi prevajati v angleščino. Njegova koda in uteži modela so na voljo pod odprtokodno licenco MIT, zato Whisper lahko teče tudi na lastni strojni opremi, kar je prednost, kadar zvočni podatki ne smejo zapustiti organizacije. Tipične uporabe so prepisi sestankov, intervjujev in podnapisi.

Razpoznavanje govora
Odprta koda
+1

Text-to-Speech (TTS)

Pretvorba besedila v govor pisano besedilo pretvori v govorjeni jezik in je tako nasprotje prepoznavanja govora (govor v besedilo). Sodobni sistemi z nevronskimi mrežami ustvarjajo naravno zveneče glasove z ustrezno intonacijo. TTS se uporablja v telefonskih obvestilih, navigacijskih napravah, funkcijah branja na glas za dostopna spletna mesta in glasovnih pomočnikih.

Govorni izhod
Audio
+1

Obdelava naravnega jezika (NLP)

Obdelava naravnega jezika je veja UI, ki računalnikom omogoča analizo, razumevanje in generiranje človeškega jezika v besedilu ali govoru. Zajema naloge, kot so prevajanje, razvrščanje, povzemanje, analiza sentimenta in odgovarjanje na vprašanja. Nekoč so prevladovala pravila in statistične metode; danes področje oblikujejo veliki jezikovni modeli.

NLP
Jezik
+1