נתוני אימון לזיהוי דיבור - סוגים, איסוף נתונים ויישומים

אם אתה משתמש ב-Siri, Alexa, Cortana, Amazon Echo או אחרים כחלק מחיי היומיום שלך, היית מקבל את זה זיהוי דיבור הפך לחלק בכל מקום בחיינו. אלה המופעל על ידי בינה מלאכותית עוזרי קול ממירים את השאילתות המילוליות של משתמשים לטקסט, מפרשים ומבינים את מה שהמשתמש אומר כדי להגיע למענה מתאים.

יש צורך באיסוף נתונים איכותי כדי לפתח מודלים אמינים של דיבור וזיהוי. אבל, מתפתח תוכנת זיהוי דיבור זו משימה לא פשוטה - בדיוק בגלל שתעתוק הדיבור האנושי על כל מורכבותו, כמו הקצב, המבטא, הגובה והבהירות, הוא קשה. וכאשר אתה מוסיף רגשות לתמהיל המורכב הזה, זה הופך לאתגר.

מהו זיהוי דיבור?

זיהוי דיבור הוא היכולת של תוכנה לזהות ולעבד דיבור אנושי לתוך טקסט. בעוד שההבדל בין זיהוי קול לזיהוי דיבור עשוי להיראות סובייקטיבי לרבים, ישנם כמה הבדלים מהותיים בין השניים.

למרות שגם זיהוי דיבור וגם זיהוי קול מהווים חלק מטכנולוגיית העוזר הקולי, הם מבצעים שתי פונקציות שונות. זיהוי דיבור מבצע תעתיקים אוטומטיים של דיבור ופקודות אנושיים לטקסט, בעוד שזיהוי קול עוסק רק בזיהוי קולו של הדובר.

סוגי זיהוי דיבור

לפני שאנחנו קופצים סוגי זיהוי דיבור, בואו נסתכל בקצרה על נתוני זיהוי דיבור.

נתוני זיהוי דיבור הם אוסף של הקלטות אודיו של דיבור אנושי ותעתוק טקסט המסייעים לאמן מערכות למידת מכונה עבור זיהוי קולי.

הקלטות השמע והתמלילים מוכנסים למערכת ML כך שניתן לאמן את האלגוריתם לזהות את הניואנסים של הדיבור ולהבין את משמעותו.

אמנם ישנם מקומות רבים שבהם אתה יכול לקבל ערכות נתונים ארוזים מראש בחינם, עדיף להשיג מערכי נתונים מותאמים אישית עבור הפרויקטים שלך. אתה יכול לבחור את גודל האוסף, דרישות האודיו והרמקול והשפה על ידי שימוש במערך נתונים מותאם אישית.

ספקטרום נתוני דיבור

נתוני דיבור הספקטרום מזהה את איכות וגובה הדיבור הנעים בין טבעי לבלתי טבעי.

• נתוני זיהוי דיבור תסריטאי

  כפי שהשם מרמז, דיבור תסריטאי הוא צורה מבוקרת של נתונים. הדוברים מקליטים ביטויים ספציפיים מטקסט מוכן. אלה משמשים בדרך כלל להעברת פקודות, תוך שימת דגש כיצד מילה או ביטוי נאמר ולא מה שנאמר.

  ניתן להשתמש בזיהוי דיבור בתסריט בעת פיתוח עוזר קולי שאמור לקלוט פקודות שהונפקו באמצעות הדגשות רמקולים מגוונות.

• זיהוי דיבור מבוסס תרחיש

  בנאום המבוסס על תרחישים, הדובר מתבקש לדמיין תרחיש מסוים ולהציג את א פקודה קולית מבוסס על התרחיש. בדרך זו, התוצאה היא אוסף של פקודות קוליות שאינן כתובות אלא נשלטות.

  נתוני דיבור מבוססי תרחיש נדרשים על ידי מפתחים המעוניינים לפתח מכשיר שמבין דיבור יומיומי על הניואנסים השונים שלו. לדוגמה, בקשת הנחיות להגיע לפיצה האט הקרובה ביותר באמצעות מגוון שאלות.

• זיהוי דיבור טבעי

  ממש בסוף ספקטרום הדיבור הוא דיבור שהוא ספונטני, טבעי ואינו נשלט בשום אופן. הדובר מדבר בחופשיות תוך שימוש בטון השיחה הטבעי שלו, בשפה, בגובה הצליל והטנור.

  אם אתה רוצה לאמן יישום מבוסס ML על זיהוי דיבור מרובה רמקולים, אז נאום שיחה מערך הנתונים שימושי.

רכיבי איסוף נתונים עבור פרויקטי דיבור

סדרה של שלבים המעורבים באיסוף נתוני דיבור מבטיחים שהנתונים שנאספים יהיו איכותיים ומסייעים בהכשרת מודלים מבוססי בינה מלאכותית באיכות גבוהה.

הבן את תגובות המשתמש הנדרשות

התחל בהבנת תגובות המשתמש הנדרשות עבור המודל. כדי לפתח מודל זיהוי דיבור, עליך לאסוף נתונים המייצגים מקרוב את התוכן שאתה צריך. אסוף נתונים מאינטראקציות בעולם האמיתי כדי להבין את האינטראקציות והתגובות של המשתמשים. אם אתה בונה עוזר צ'אט מבוסס AI, עיין ביומני הצ'אט, הקלטות השיחות, תגובות תיבת הדו-שיח של הצ'אט כדי ליצור מערך נתונים.

בדוק את השפה הספציפית לתחום

אתה דורש גם תוכן כללי וגם תוכן ספציפי עבור מערך נתונים של זיהוי דיבור. לאחר שאספת נתוני דיבור גנריים, עליך לנפות את הנתונים ולהפריד בין הגנרי לספציפי.

לדוגמה, לקוחות יכולים להתקשר לבקש תור לבדיקת גלאוקומה במרכז לטיפול עיניים. בקשת פגישה היא מונח כללי ביותר, אך גלאוקומה היא ספציפית לתחום.

יתרה מכך, בעת אימון מודל ML זיהוי דיבור, הקפד לאמן אותו לזהות ביטויים במקום בנפרד מילים מוכרות.

הקלט דיבור אנושי

לאחר איסוף נתונים משני השלבים הקודמים, השלב הבא יכלול לגרום לבני אדם להקליט את ההצהרות שנאספו.

חיוני לשמור על אורך אידיאלי של התסריט. לבקש מאנשים לקרוא יותר מ-15 דקות של טקסט עלול להיות לא מועיל. שמור על פער של לפחות 2-3 שניות בין כל הצהרה מוקלטת.

אפשר להקלטה להיות דינמית

בנה מאגר דיבור של אנשים שונים, הדגשות דיבור, סגנונות שהוקלטו בנסיבות, מכשירים וסביבות שונות. אם רוב המשתמשים העתידיים הולכים להשתמש בטלפון הקווי, מסד הנתונים של איסוף הדיבור שלך צריך להיות בעל ייצוג משמעותי התואם את הדרישה הזו.