Teknologi Pengecaman Pertuturan Automatik telah wujud sejak sekian lama tetapi baru-baru ini mendapat perhatian selepas penggunaannya menjadi lazim dalam pelbagai aplikasi telefon pintar seperti Siri dan Alexa. Aplikasi telefon pintar berasaskan AI ini telah menggambarkan kuasa ASR dalam memudahkan tugas harian untuk kita semua.
Selain itu, apabila industri menegak yang berbeza terus bergerak ke arah automasi, keperluan asas untuk ASR tertakluk kepada lonjakan. Oleh itu, marilah kita memahami teknologi pengecaman pertuturan yang hebat ini secara mendalam dan sebab ia dianggap sebagai salah satu teknologi yang paling penting untuk masa hadapan.
Sejarah Ringkas Teknologi ASR
Sebelum meneruskan dan meneroka potensi Pengecaman Pertuturan Automatik, mari kita lihat evolusinya dahulu.
| Dekad | Evolusi ASR |
|---|---|
| 1950s | Teknologi Pengecaman Pertuturan mula diperkenalkan oleh Bell Laboratories pada tahun 1950-an. Bell Labs mencipta pengecam pertuturan maya yang dikenali sebagai 'Audrey' yang boleh mengenal pasti nombor antara 1-9 apabila dituturkan oleh satu suara. |
| 1960s | Pada tahun 1952, IBM melancarkan sistem pengecaman suara pertamanya, 'Shoebox.' Shoebox boleh memahami dan membezakan antara enam belas perkataan Inggeris yang dituturkan. |
| 1970s | Universiti Carnegie Mellon pada tahun 1976 membangunkan sistem 'Harpy' yang boleh mengenali lebih 1000 perkataan. |
| 1990s | Selepas menunggu lama hampir 40 tahun, Bell Technologies sekali lagi menerobos industri dengan sistem pengecaman suara interaktif dail masuknya yang boleh menentukan pertuturan manusia. |
| 2000s | Ini adalah tempoh transformasi untuk teknologi ASR kerana gergasi teknologi besar Google mula mengusahakan teknologi pengecaman pertuturan. Mereka mencipta perisian pertuturan lanjutan dengan kadar ketepatan kira-kira 80%, menjadikannya popular di seluruh dunia. |
| 2010s | Dekad yang lalu menjadi tempoh keemasan untuk ASR, dengan Amazon dan Apple melancarkan perisian pertuturan berasaskan AI pertama mereka, Alexa dan Siri. |
Menjelang tahun 2010, ASR berkembang dengan pesat dan menjadi semakin berleluasa dan tepat. Hari ini, Amazon, Google dan Apple adalah peneraju yang paling menonjol dalam teknologi ASR.
[ Baca Juga: Panduan Lengkap AI Perbualan ]
Bagaimanakah Pengecaman Suara Berfungsi?
Pengecaman Pertuturan Automatik ialah teknologi yang agak canggih yang amat sukar untuk direka bentuk dan dibangunkan. Terdapat beribu-ribu bahasa di seluruh dunia dengan pelbagai dialek dan aksen, jadi sukar untuk membangunkan perisian yang boleh memahami semuanya.
ASR menggunakan konsep pemprosesan bahasa semula jadi dan pembelajaran mesin untuk pembangunannya. Dengan menggabungkan pelbagai mekanisme pembelajaran bahasa dalam perisian, pembangun memastikan ketepatan dan kecekapan perisian pengecaman pertuturan.
Pengecaman Pertuturan Automatik (ASR) ialah teknologi kompleks yang bergantung pada beberapa proses utama untuk menukar bahasa pertuturan kepada teks. Pada peringkat tinggi, langkah utama yang terlibat ialah:
- Tangkapan Audio: Mikrofon menangkap pertuturan pengguna dan menukar gelombang akustik menjadi isyarat elektrik.
- Prapemprosesan Audio: Isyarat elektrik kemudiannya didigitalkan dan menjalani pelbagai langkah pra-pemprosesan, seperti pengurangan hingar, untuk meningkatkan kualiti input audio.
- Pengekstrakan Ciri: Audio digital dianalisis untuk mengekstrak ciri akustik, seperti pic, tenaga, dan pekali spektrum, yang merupakan ciri bunyi pertuturan yang berbeza.
- Pemodelan Akustik: Ciri yang diekstrak dibandingkan dengan model akustik yang telah dilatih, yang memetakan ciri audio kepada bunyi pertuturan atau fonem individu.
- Pemodelan Bahasa: Fonem yang diiktiraf kemudiannya dihimpunkan menjadi perkataan & frasa menggunakan model bahasa statistik yang meramalkan urutan perkataan yang paling mungkin berdasarkan konteks.
- Penyahkodan: Langkah terakhir melibatkan penyahkodan urutan perkataan yang paling berkemungkinan yang sepadan dengan audio input, dengan mengambil kira kedua-dua model akustik dan bahasa.
Komponen teras ini berfungsi bersama dengan lancar untuk membolehkan penukaran pertuturan ke teks yang sangat tepat, walaupun dengan kehadiran bunyi latar belakang, aksen dan perbendaharaan kata yang pelbagai.
[ Baca Juga: Apakah itu Teknologi Ucapan-ke-Teks dan Bagaimana ia berfungsi]
Contoh Dunia Nyata ASR
Pengecaman Pertuturan Automatik ialah teknologi hebat yang telah menjadi popular secara meluas dan berharga hari ini. Penonjolannya yang tinggi adalah kerana ia membolehkan pengguna menyelesaikan pelbagai tugas dengan pantas menggunakan kawalan bebas tangan.
Pembantu Maya dan Peranti Pintar: ASR ialah komponen teras pembantu maya seperti Siri, Alexa dan Google Assistant, yang membolehkan kawalan bebas tangan dan interaksi dengan pelbagai peranti rumah pintar dan perkhidmatan dalam talian. Produk paling popular yang menggunakan teknologi pengecaman pertuturan ialah:
- Pembantu Google: Dibangunkan pada 2016, Google Assistant ialah perisian berasaskan sembang terbaik hari ini, mempunyai kadar ketepatan tertinggi melebihi 95% dalam bahasa Inggeris AS. Secara kasarnya, ia digunakan oleh ratusan juta orang di seluruh dunia.
- Apple Siri: Siri ialah contoh klasik ketersediaan ASR di lebih 30 negara dan 21 bahasa di seluruh dunia. Siri ialah sistem berasaskan sembang pertama yang merevolusikan penggunaan teknologi pertuturan ke teks.
- Amazon Alexa: Alexa telah menjadi nama dan peranti isi rumah hari ini, dengan anggaran kiraan pengguna melebihi 100 juta orang di seluruh dunia.
Gunakan Kes untuk Teknologi Pengecaman Pertuturan
Selain daripada menggunakan teknologi ASR dalam perisian berasaskan sembang, terdapat kes penggunaan lain teknologi luar biasa ini. Berikut adalah beberapa daripada mereka:
Automotif dan Pengangkutan
ASR disepadukan ke dalam sistem infotainment dalam kenderaan, membolehkan pemandu mengawal pelbagai fungsi, seperti main balik muzik, navigasi dan kawalan iklim, menggunakan arahan suara, meningkatkan keselamatan dan kemudahan.
Penjagaan Kesihatan & Transkripsi Perubatan
ASR sedang mengubah industri penjagaan kesihatan dengan membolehkan pakar perubatan menentukan nota dan rekod dengan lebih cekap, memperkemas proses dokumentasi dan mengurangkan overhed pentadbiran.
Pusat Panggilan & Sokongan Pelanggan
ASR digunakan secara meluas di pusat panggilan untuk mengautomasikan transkripsi interaksi pelanggan, meningkatkan produktiviti ejen dan meningkatkan keseluruhan pengalaman pelanggan.
Belajar bahasa
Teknologi ASR telah merevolusikan pembelajaran bahasa dengan menyediakan maklum balas masa nyata tentang kemahiran sebutan dan bahasa pertuturan. Ini membolehkan pelajar memperhalusi corak pertuturan mereka, menerima pembetulan segera dan meningkatkan kefasihan mereka dengan cara yang lebih cekap.
Kebolehcapaian untuk Orang Kurang Upaya Pendengaran
Teknologi ASR memainkan peranan penting dalam menjadikan kandungan dan pengalaman digital lebih mudah diakses oleh individu kurang upaya, seperti menyediakan kapsyen masa nyata untuk mendengar atau mendayakan kawalan suara bagi mereka yang mempunyai mobiliti terhad.
Biometrik dan Keselamatan Suara
Ciri unik suara seseorang boleh digunakan sebagai satu bentuk pengesahan biometrik. Teknologi ASR memainkan peranan penting dalam sistem biometrik suara, menawarkan lapisan keselamatan tambahan untuk pengenalan peribadi dan kawalan akses.
Media dan Penyiaran
ASR digunakan untuk menjana kapsyen tertutup dan sari kata untuk kandungan langsung dan prarakaman, menjadikannya lebih mudah diakses oleh penonton dan mendayakan bentuk baharu pengalaman media interaktif.
Kelebihan ASR
- Kecekapan: ASR mempercepatkan kemasukan data dan komunikasi, membolehkan pengguna bercakap dan bukannya jenis, yang meningkatkan produktiviti.
- Capaian: Ia meningkatkan kebolehcapaian teknologi untuk individu kurang upaya, membolehkan interaksi yang lebih mudah dengan peranti.
- Operasi Bebas Tangan: ASR memudahkan berbilang tugas dengan membenarkan pengguna mengawal peranti melalui arahan suara, memastikan tangan mereka bebas untuk tugasan lain.
- Kos-Efektif: Dengan mengurangkan keperluan untuk perkhidmatan transkripsi manual, ASR menjimatkan masa perniagaan dan kos operasi.
Cabaran dalam ASR
- Aksen dan Dialek: Kebolehubahan dalam aksen boleh menghalang ketepatan pengecaman, yang membawa kepada ralat dalam transkripsi.
- Bunyi Latar: Persekitaran yang bising boleh mengganggu prestasi ASR, menjadikannya sukar untuk sistem menangkap pertuturan dengan jelas.
- Homofon: Perkataan yang bunyinya sama tetapi mempunyai makna yang berbeza boleh mengelirukan sistem ASR, mengakibatkan salah faham.
- Ucapan Berterusan: Corak pertuturan semula jadi, termasuk jeda dan variasi, pengecaman yang merumitkan, mencabar ketepatan ASR.
Apakah Masa Depan untuk Teknologi ASR?
Dengan kemajuan AI dan pembelajaran mesin, teknologi Pengecaman Pertuturan Automatik dijangka menjadi lebih tepat, lebih pantas dan lebih bunyi semula jadi. Di samping itu, teknologi ASR berkemungkinan menjadi lazim dalam perkhidmatan pelanggan, pendidikan, penjagaan kesihatan dan banyak lagi. Bagi organisasi, membangunkan penyelesaian perniagaan berasaskan ASR tersuai mesti menjadi sasaran seterusnya.
Dapatkan Bantuan untuk Projek Berasaskan ASR Anda daripada Pakar Shaip
