Система Speech-to-Text встроена практически в каждый современный смартфон. За счет этого обеспечивается функция голосового поиска в интернете. Всем известно, что набирать текст поискового запроса при помощи сенсорного дисплея и маленькой клавиатуры не так уж и просто. Особенно большие сложности испытывают люди с заболеваниями пальцев рук.
На помощь приходит технология распознавания речи. Чтобы задать запрос в Google, достаточно нажать символ микрофона и дождаться, пока появится предложение «что-нибудь сказать». Согласитесь, это намного удобнее, нежели пользоваться виртуальной клавиатурой смартфона.
Принципы функционирования технологии распознавания голоса
Речь человека представляет собой непрерывный поток звуковых волн, представленных в аналоговом формате. То есть без дискретизации на отдельные элементы. Современные компьютеры являются цифровыми устройствами, поэтому анализатор речи работает по определенному многоэтапному алгоритму:
- Перед началом обработки данных в вычислительной машине непрерывный поток звуковых волн необходимо разложить на цифровые данные. Для этого используется специальный модуль «дискретизации».
- Для анализа представленного на сервер образца записанного на смартфоне голоса используется предварительно накопленная база данных так называемых «фонем». Проще говоря, элементарных единиц человеческой речи.
- Последовательно сопоставляя образец речи с базой данных фонем, компьютерная программа находит соответствие определенным буквам и словам.
- Далее подключается база данных идиоматических оборотов языка. Группы слов сопоставляются с идиомами и система в итоге формирует из произнесенной голосом фразы последовательный текст.
Вот примерно такой алгоритм используется для преобразования голосовой информации в текст.
Практическая сфера применения голосового распознавания
Владельцам и водителям автомобилей со встроенным голосовым компьютером доступно управление разнообразными функциями при помощи речи. Это очень удобно, особенно во время движения по трассе с интенсивным трафиком. Чтобы включить печку или кондиционер, нет необходимости снимать руку с руля и создавать риск дорожно-транспортного происшествия.
Пассажиры автомобиля голосом могут включать и выключать аудио-плеер, выбирать треки, регулировать громкость и тембр звучания. При помощи речевых команд контролируется работа навигатора.
Писатели и журналисты значительно облегчили свой труд за счет внедрения опции голосового набора в текстовых редакторах. Исследования показали, что использование функции Speech-to-Text. позволяет повысить производительность труда автора практически в два раза.
Обученные при помощи искусственного интеллекта компьютерные программы не допускают орфографических ошибок, поэтому время на редактирование документов значительно сокращается.
Пожалуй, самое широкое применение распознание речи нашло в сфере рекламы и маркетинга. Раньше для холодного обзвона клиентов рекламным компаниям приходилось нанимать десятки и сотни сотрудников. Сегодня искусственный интеллект самостоятельно ведет беседу с клиентом по телефону и способен выдавать релевантные (соответствующие делу) ответы на вопросы, используя заранее подготовленный скрипт продаж.
В банковской сфере активно внедряется идентификация клиентов при помощи биометрии, частью которой является анализ голоса человека. Уже существуют банковские терминалы, которые выдают деньги клиенту, не требуя пластиковую карту. Вкладчик входит в систему при помощи контрольной фразы, произносимой вслух.
