Во компјутерските науки, препознавањето на говор (ПГ) е превод на изговорените зборови во текстот. Тоа е исто така познат како "автоматско препознавање на говор", "АПГ", "Компјутер за препознавање на говор", "говор на текстот", или само "STT". Некои ПГ (Препознавање на говор) системи користат "обука", каде што поединецот звучник чита делови од текстот во ПГ системот. Овие системи го анализираат конкретниот глас на лицето и го користат за фино нагодување на признавање на говорот на тоа лице, што резултира во попрецизна транскрипција. Системи кои не го користат за обука се нарекуваат "звучни независни" системи. Системи кои користат обука се нарекува "звучни зависни" системи.
Апликациите за препознавање на говор вклучуваат гласовен кориснички интерфејси како што е гласовно бирање (на пример, "Повик за дома"), насочување (на пример, "Би сакал да се направи колективен повик"), domotic - апарат за контрола, пребарување (на пример,да се најде поткаст каде одредени зборови беа изречени), едноставно внесување на податоците (на пример, со внесување на бројот на кредитната картичка), подготовка на структурирани документи (на пример, извештај за радиологија ), говор во обработка на текст (на пример, зборвен процесор или e-mail), и во авио-транспортот (обично се нарекува директен гласовен влез).
Терминот за препознавање на гласhttp://linuxgazette.net/114/lg_mail.html#mailbag.3 се однесува на наоѓање на идентитетот на "кој" се обраќа, од она што тие го кажуваат.Со препознавање на говорникот може да се поедностави работата на преведување говор во системи кои се обучени за гласови одредено лице или тие може да се користат да се идентификува или провери идентитетот на говорникот, како дел од безбедносните процеси.
Примена Здравство
Во здравството, препознавање на говор може да се спроведе во front-end или back-end на процесот на медицинската документација. Front-end препознавањето на говор е кога давателот на услуги диктира во машината за препознавање на говор , препознати зборови се прикажани како тие се изговараат, а диктаторот е одговорен за уредување и одјавување на документот. Back-end или одложено препознавање на говор е кога давателот на услуги диктира во дигитален диктафонски систем, гласот се пренесува преку машина за препознавање на говор и препознатиот draft-документ се пренесува заедно со оригиналниот глас до уредникот, каде што на предлог се изменети и пријавите. Одложеното препознавање на говор, во моментов најмногу се користи во индустријата.
Многу (ЕМС) апликации можат да бидат поефикасни и можат да се извршат многу полесно кога се распоредени во врска со машината за препознавање на говор. Пребарувања, прашања и пополнување на форми, сите можат побрзо да се изврши од страна на глас отколку со користење на тастатура.
Едно од главните прашања во врска со употребата на препознавање на говор во здравството е дека американскиот Обновен и реинвестиран акт од 2009 година (ARRA) предвидува значителна финансиска корист за лекарите кои ги користат на ЕМЗ според стандарди за "Значајни употреба" . Овие стандарди бараат значителен износ на податоци кои се одржуваат од страна на EMR (сега почесто се нарекува електронски здравствени картони или EHR. За жал, во многу случаи, употребата на препознавање на говор во рамките на една EHR нема да доведе до податоци кои се одржуваат во рамките на една основа на податоци, туку да наративниот текст. Поради оваа причина, значителни ресурси се потрошени за да се овозможи употреба на front-end СР, а фаќањето на податоци во рамките на EHR.
Војската Високо перформансни борбени авиони Значителни напори биле посветени во последната деценија на тест и евалуација на препознавање на говор во борбени авиони. Особена белешка е програмата на САД во препознавање на говор за Напредно борец Интеграција на технологија (AFTI) / F-16 авиони (Ф-16 Vista), како и програма во Франција за инсталирање на системи за препознавање на говор на Мираж авиони, а исто така и програми во Велика Британија кои се занимаваат со различни авионски платформи. Во овие програми, препознавачот на говор работеше успешно во борбени авиони, со вклучени апликации: поставување на радио честоти, командување на автопилот системот, поставување управувачка-точка со координати, оружје порака параметри и дисплеи за контролирање на летот.
Работењето со шведските пилотикои кои летаат во JAS-39 Грипен пилотската кабина, Енглунд (2004) најде препознавање на влошување со зголемување на Г-товари. Исто така, беше заклучено дека адаптацијата на голема мера ги подобрува резултатите во сите случаи и воведување на модели за дишење беше прикажанo за да се подобри препознавањето на резултати.Спротивно на она што може да се очекува,дека нема ефекти на лош англиски јазик на говорниците.Беше евидентирано дека спонтаниот говор предизвика проблеми за препознавачот, како што може да се очекува.Ограничен речник, и над сè, соодветна синтакса, со што може да се очекува значително да се подобри точноста на препознавање.
На Eurofighter Тајфунот моментално во сервис со Велика Британија РАФ вработува на говорникот зависни од системот, односно го бара секој пилот да се создаде дефиниција. Системот не се користи за било кои безбедносни, критични или оружје критични задачи, како што оружје ослободување или намалување на подвозјето, но се користат за широк спектар на други пилотската кабина функции. Гласовни команди се потврдени од визуелни и / или слушни фидбек. На системот се гледа како еден од главните дизајн функција во намалувањето на обемот на работа пилот, па дури и им овозможува на пилотот да му ја додели цели кон себе со две едноставни гласовни команди или на било кој од неговите wingmen со само пет команди.
Звучните независни системи исто така почнале да се развиваат и да се тестираат за “F35 Молња II (JSF)” и “Alenia Aermacchi М-346 Master lead-in fighter trainer”. Овие системи произведуваат зборовна точност во износ поголема од 98%.
Хеликоптери Проблемите на постигнување на високо признание на точност под стрес и бучава се однесуваат силно на хеликоптерската средина, како и на средината за борбени авиони. Проблемот за акустична бучава е всушност, повеќе опасен во хеликоптерската средина, не само поради високите нивоа на бучава туку и затоа што хеликоптерските пилоти воопшто не носат facemask (маска за лице) , што би ја намалило акустична бучава во микрофонот. Значителен тест и евалуација на програмите се спроведени во изминатата деценија во препознавање на говор системски апликации во хеликоптерите, особено од страна на Американската армија - Воздухопловно истражување и развој на активноста (AVRADA) и од Воздухопловна Кралската Воспоставување (RAE) во Велика Британија. Во работата на Франција препознавање на говор е вклучен во хеликоптерската Пума. Исто така е многу корисна работа и во Канада. Резултатите се охрабрувачки, и гласовните апликации се вклучени во: контрола на комуникација на радијата, системи за навигација и контрола на автоматска цел за примопредавање на систем.
Како борец во апликации, главен проблем за гласот во хеликоптерите е влијанието врз пилотската делотворност. Охрабрувачки резултати се пријавени за AVRADA тестовите, иако овие претставуваат само изводливи демонстрации во тест средината. Останува уште многу да се направи и во препознавање на говор и во целокупната препознавање на говор технологија, со цел да се постигне постојано подобрување на перформансите во оперативните поставувања.
Управување на битки Во принцип управувањето на битки со командни центри бараат брз пристап и контрола на големината, брзо менување на информации и бази на податоци. Командантите и системските оператори треба да ги пребаруваат овие бази на податоци што е можно повеќе, во непрегледна средина каде што голем дел од информациите се презентирани во display формат. Роботите за интеракција со глас имаат потенцијал да бидат многу корисни во овие средини. Голем број на напори биле преземени за комерцијално достапен изолиран- збор препознавач во битка за управување со средините. Во една изводлива ситуација, опремата за препознавање на говор беше тестирана во врска со интегриран информатички приказ за поморска битка за управување со апликации. Корисниците беа многу оптимисти во врска со потенцијалот на системот, иако способностите беа ограничени.
Програмите за разбирање на говор спонзорирани од страна на Агенцијата за Одбранбени Напредни Истражувачки проекти (АОНИП) во САД се фокусираше на овој проблем на интерфејсот на природен говор. Напорите за препознавањето на говор се фокусирани на основа на податоци за континуирано препознавање на говор (ООП), голем речник за говор дизајниран да биде претставник на менаџментот на поморските ресурси . Значаен напредок во state-of-the-art во ООП е постигнат, како и тековните напори се фокусирани на интегрирање на препознавање на говор и обработка на природни јазици да им овозможи на говорениот јазик интеракција со поморски ресурски систем.
Обука за контролери за летање Обука за контролори за летање (ATC) претставува одлична апликација за препознавање на говор системите. Многу ATC системи за обука во моментов барааат лице да дејствува како "псевдо-пилот",за ангажирање во еден гласовен дијалог со приправнички контролер, кој симулира дијалогот што контролерот ќе треба да се спроведе со пилоти во вистински ATC ситуација. Препознавањето на говор и синтеза техники нудат потенцијал да се елиминира потребата за еден човек да дејствува како псевдо-пилот, со што се намалува обука и помошениот персонал. Во теорија, воздушно контролерските задачи се исто така се одликуваат со високо структуиран говор како примарен излез на контролерот, па оттука намалување на тежкотиите во препознавањето на говор задачи треба да бидат возможни. Во пракса, ова е редок случај. Документот FAA 7110,65 ги деталите за фразите кои треба да се користат од страна на контролерите на воздушниот сообраќај. Додека овој документ дава помалку од 150 примери на такви фрази, бројот на фрази поддржани од страна на една од симулацијата на продавачите на препознавање на говор системи е во износ поголем од 500.000.
На USAF, USMC, Армијата на САД, американската морнарица, и FAA како и голем број на меѓународни ATC организации за обука, како што се на Кралските австралиски воздухопловни сили и во цивилното воздухопловство на Властите во Италија, Бразил и Канада во моментов се користи ATC симулатори со препознавање на говор од голем број на различни продавачи.
Телефонија и други домени ASR,во областа на фиксната телефонија сега е вообичаена и во областа на компјутерските игри и симулација станува сè пошироко распространета и покрај високото ниво на интеграција со обработка на зборови во генералните личните сметачи. Сепак, ASR, во областа на производство на документи не го видел очекуваните [од кого?] Зголемува во употреба.
Подобрување на брзината на мобилниот процесор прави изводлив говор за Symbian и Windows Mobile Smartphones. Говорот се користи претежно како дел од кориснички интерфејс, за создавање на пред-дефинирани или по обичај, говорни команди. Водечките софтверски продавачи во оваа област се: Microsoft Corporation (Microsoft говорна команда), дигитални Syphon (Sonic Extractor), LumenVox, нијанса комуникации (нијанса на контрола на гласот), центар за говорна технологија,Вито технологија (VITO Voice2Go), Speereo Софтвер (Speereo глас Преведувач ), Verbyx VRX и SVOX.
Дополнителни Апликации Воздухопловство (на пример, истражување на вселената, леталата, итн) НАСА на Марс го користи полар лендер за препознавање на говор од технологијата, сензори, Inc Автоматски превод Автомобилско препознавање на говор (на пример, OnStar, Ford Sync) Судско известување (пишување на говор во реално време) Hands-free компјутери: препознавање на говор во компјутерски кориснички интерфејс Домашна автоматизација Интерактивен гласовен одговор Мобилната телефонија, вклучувајќи го мобилниот e-mail Мултимодална интеракција Изговорна проценка компјутерски потпомогната за учење на јазични апликации Роботиката