Wat is Spraakherkenning?

Jou stem gebruik as invoer metode

Spraakherkenning is 'n tegnologie wat gesproke insette in stelsels toelaat. Jy praat met jou rekenaar, telefoon of toestel en dit gebruik wat jy as insette gesê het om 'n aksie te aktiveer. Die tegnologie word gebruik om ander metodes van insette te vervang soos tik, kliek of kies op ander maniere. Dit is 'n manier om toestelle en sagteware meer gebruikersvriendelik te maak en om produktiwiteit te verhoog.

Daar is baie toepassings en areas waar spraakherkenning gebruik word, insluitend die weermag, as 'n hulpmiddel vir gestremde persone (dink 'n persoon met kreupel of geen hande of vingers), in die mediese veld, in robotika ens. In die nabye toekoms, byna almal sal blootgestel word aan spraakherkenning as gevolg van die voortplanting onder algemene toestelle soos rekenaars en selfone.

Sekere slimfone maak interessante gebruik van spraakherkenning. Die iPhone en Android-toestelle is voorbeelde hiervan. Deur hulle kan jy 'n oproep na 'n kontak begin deur net gesproke instruksies soos 'Call office' te kry. Ander opdragte kan ook vermaak word, soos 'Skakel Bluetooth aan'.

Probleme met Spraakherkenning

Spraakherkenning, in sy weergawe bekend as Speech to Text (STT), is ook al lank gebruik om gesproke woorde in teks te vertaal. "Jy praat, dit tik", soos ViaVoice op sy boks sou sê. Maar daar is een probleem met STT soos ons dit ken. Meer as 10 jaar gelede het ek ViaVoice probeer en dit het nie 'n week op my rekenaar geduur nie. Hoekom? Dit was onnauwkeurig en ek het uiteindelik meer tyd en energie bestee om te praat en reg te stel as om alles te tik. ViaVoice is een van die beste in die bedryf, so stel die res voor. Die tegnologie is volwasse en verbeter, maar die toespraak op teks laat steeds mense vrae vra. Een van sy hoofprobleme is die groot verskille tussen mense in uitspreek van woorde.

Nie alle tale word in spraakherkenning veronderstel nie, en diegene wat dit doen, word dikwels nie ondersteun nie, sowel as Engels. As gevolg daarvan, die meeste toestelle wat spraakherkenningsprogrammatuur hardloop, voer redelik net met Engels uit.

'N stel hardeware vereistes maak spraakherkenning moeilik om in sekere gevalle te ontplooi. Jy benodig 'n mikrofoon wat intelligent genoeg is om agtergrondgeraas te filter, maar terselfdertyd kragtig genoeg om natuurlik vang.

As gevolg van agtergrond geraas, kan dit veroorsaak dat 'n hele stelsel misluk. As gevolg hiervan, spraakherkenning versuim in baie gevalle as gevolg van geluide wat buite die gebruiker se beheer is.

Spraakherkenning blyk beter af te wees as 'n invoermetode vir nuwe fone en kommunikasietegnologieë soos VoIP, as as 'n produktiwiteitstoerusting vir massa-teksinvoer.

Toepassings van Spraakherkenning

Die tegnologie word gewild op baie gebiede en het daarin geslaag om suksesvol te wees in die volgende:

- Toestelbeheer. Om net 'OK Google' aan 'n Android-foon te sê, brand 'n stelsel op wat jou ore vir jou stemopdragte is.

- Motor Bluetooth stelsels. Baie motors is toegerus met 'n stelsel wat sy radio-meganisme verbind met jou slimfoon via Bluetooth. U kan dan oproepe maak en ontvang sonder om u smartphone te raak, en kan selfs die nommers skakel deur dit net te sê.

- Stem transkripsie. In gebiede waar mense baie moet tik, neem sommige intelligente sagteware hul gesproke woorde en skryf hulle in teks. Dit is die huidige in sekere woordverwerkingsprogrammatuur. Stem transkripsie werk ook met visuele stempos .