音声認識これは、コンピュータを使用して人間の音声を認識する技術であり、幅広いトピックをカバーしており、音響学、音声学、言語学、情報理論、パターン認識理論、神経生物学などの主題と密接に関連しています。

主流の音声認識技術

• ダイナミック イベント ワーピング DTW: ダイナミック ワーピング方法を使用し、時間変換関係を組み合わせて特徴ベクトル間の距離を取得します。これは、音声認識の分野における古典的なアルゴリズムです。
• 隠れマルコフ モデル HMM: マルコフ連鎖の状態を使用して、単語生成プロセス中に、システムはある状態から別の状態に移動し、単語が出力されるまで各状態で出力を生成します。
• 人工ニューラル ネットワーク ANN: トレーニング時間が長い。

音声認識の困難

• 認識性能は周囲の環境に依存します。トレーニング環境とテスト環境が一致しない場合、効果が低下します。
• 騒音問題、騒音を効果的に低減する方法。
• 発音が似ている単語や、同音異義語だが意味が異なる単語など、音声情報の曖昧さ。

音声認識アプリケーション

音声認識は、他の自然言語処理技術との統合を通じて、音声ダイヤル、音声ナビゲーション、屋内機器制御、音声文書検索、単純な口述データ入力などを含む、コンピュータ情報処理分野の主要な技術になりつつあります。機械翻訳や音声合成など、音声間の翻訳など、より複雑なアプリケーションを構築できます。