זיהוי דיבור אוטומטי (ASR)

הַגדָרָה

זיהוי דיבור אוטומטי (ASR) היא טכנולוגיה הממירה שפה מדוברת לטקסט באופן אוטומטי באמצעות מודלים של בינה מלאכותית. היא מאפשרת תמלול ויישומים מבוססי קול.

מטרה

המטרה היא לאפשר למכונות להבין דיבור אנושי. הוא משמש בעוזרי קול, כלי הכתבה, שירות לקוחות וטכנולוגיות נגישות.

חשיבות

• טכנולוגיית הליבה מאחורי ממשקי קול.
• מסייע בשבירת מחסומים עבור אנשים עם מוגבלויות.
• הדיוק משתנה בהתאם לשפה, למבטא ולרעשי רקע.
• דורש שיפור מתמיד עם נתונים חדשים.

איך זה עובד

1. לכידת קלט שמע דרך מיקרופון או קובץ.
2. עיבוד ונרמול של אות השמע.
3. חילוץ מאפיינים (למשל, פונמות, מודלים אקוסטיים).
4. יש ליישם מודלים של שפה כדי לפרש דיבור בהתאם להקשר.
5. פלט טקסט לשימוש נוסף.

דוגמאות (העולם האמיתי)

• אפל סירי: ASR המשמש בעוזר קולי.
• ממשק API של Google Cloud Speech-to-Text: תמלול לאפליקציות.
• שירותי קוגניטיביים של מיקרוסופט ת'ור: ASR עבור יישומים ארגוניים.

מקורות / קריאה נוספת

• זיהוי דיבור אוטומטי - NIST.
• זיהוי דיבור - אגודת עיבוד אותות IEEE.
• עיבוד דיבור ושפה - ג'וראפסקי ומרטין, סטנפורד.
• מהו ASR (זיהוי דיבור אוטומטי) – שייפ