Czym jest automatic speech recognition (ASR)? Definicja.

Napisano przez

Automatic speech recognition (ASR) oznacza automatyczne rozpoznawanie mowy przez program komputerowy. Jest to interdyscyplinarna dziedzina nauki korzystająca zarówno ze zdobyczy informatyki, jak i lingwistyki. Główną ambicją tej dziedziny jest rozwijanie metodologii i technologii umożliwiających komputerom rozpoznawanie i tłumaczenie języka mówionego. W praktyce więc zdania wypowiadane przez człowieka zamienia na tekst.

ASR jest dzisiaj niezbędną technologią działania głosowych asystentów (voicebotów) razem z takimi technologiami jak m.in. STT (speech to text) oraz TTS (text-to-speach) tworzą spójny ekosystem, który pozwala zarówno na odszyfrowanie przez komputer ludzkiej mowy, jak i wygenerowanie odpowiedzi również w interfejsie głosowym.

Do budowy ASR wykorzystywane są często sieci neuronowe.

Rozpoznawanie mowy w praktyce

Z systemów rozpoznawania mowy korzystają najpopularniejsi asystenci głosowy: Asystent Google, Alexa, Cortana, Siri. Również voiceboty funkcjonujące na usługach biznesu działają dzięki między innymi tej technologii.

Polecane źródła: K. Kuligowska, P. Kisielewicz, A. Włodarz: Wady i ograniczenia systemów rozpoznawania mowy.