ทำความเข้าใจกระบวนการรวบรวมข้อมูลเสียงสำหรับการรู้จำเสียงอัตโนมัติ

ระบบรู้จำเสียงอัตโนมัติและผู้ช่วยเสมือน เช่น Siri, Alexa และ Cortana ได้กลายเป็นส่วนสำคัญในชีวิตของเรา การพึ่งพาพวกเขาเพิ่มขึ้นอย่างมากเมื่อฉลาดขึ้น ตั้งแต่การเปิดไฟไปจนถึงการโทรออกไปจนถึงการเปลี่ยนช่องทีวี เราใช้ประโยชน์จากเทคโนโลยีอันชาญฉลาดเหล่านี้เพื่อทำงานปกติ

อย่างไรก็ตาม คุณเคยสงสัยหรือไม่ว่าระบบรู้จำคำพูดเหล่านี้ทำงานอย่างไร?

บล็อกนี้จะให้ความรู้คุณเกี่ยวกับพื้นฐานบางประการของการรู้จำเสียงอัตโนมัติ นอกจากนี้ เราจะสำรวจการทำงานและวิธีสร้างผู้ช่วยเสมือนที่ใช้งานได้ เช่น Siri

การรู้จำเสียงอัตโนมัติคืออะไร?

การรู้จำเสียงอัตโนมัติ (ASR) เป็นซอฟต์แวร์ที่ช่วยให้ระบบคอมพิวเตอร์แปลงคำพูดของมนุษย์เป็นข้อความ โดยใช้ประโยชน์จากปัญญาประดิษฐ์และอัลกอริธึมการเรียนรู้ของเครื่องหลายตัว

หลังจากแปลงและวิเคราะห์คำสั่งที่กำหนด คอมพิวเตอร์จะตอบสนองด้วยเอาต์พุตที่เหมาะสมกับผู้ใช้ ASR เปิดตัวครั้งแรกในปี 1962 และตั้งแต่นั้นมา ASR ก็ได้รับการปรับปรุงอย่างต่อเนื่องและได้รับความสนใจอย่างมากจากแอพพลิเคชั่นยอดนิยมอย่าง Alexa และ Siri

คุณรู้หรือไม่ว่าการรู้จำเสียงอัตโนมัติเรียกอีกอย่างว่าโปรแกรมอ่านคำพูดเป็นข้อความ อ่านเพิ่มเติมเกี่ยวกับเรื่องนี้ในบล็อกนี้! 

กระบวนการสำหรับการรวบรวมคำพูดสำหรับโมเดลการฝึกอบรม ASR คืออะไร

การรวบรวมคำพูดมีจุดมุ่งหมายเพื่อรวบรวมตัวอย่างการบันทึกหลายรายการจากหลายพื้นที่ที่ใช้ในการป้อนและฝึกโมเดล ASR ระบบ ASR ให้ประสิทธิภาพสูงสุดเมื่อมีการรวบรวมและจัดเตรียมชุดข้อมูลเสียงพูดและเสียงขนาดใหญ่ให้กับระบบ

เพื่อให้ทำงานได้อย่างราบรื่น ชุดข้อมูลคำพูดที่รวบรวมต้องมีข้อมูลประชากร ภาษา สำเนียง และภาษาถิ่นเป้าหมายทั้งหมด กระบวนการต่อไปนี้แสดงวิธีฝึกโมเดลแมชชีนเลิร์นนิงในหลายขั้นตอน:

• เริ่มต้นด้วยการสร้างเมทริกซ์ข้อมูลประชากร

  รวบรวมข้อมูลสำหรับกลุ่มประชากรต่างๆ เป็นหลัก เช่น สถานที่ เพศ ภาษา อายุ และสำเนียง นอกจากนี้ ตรวจสอบให้แน่ใจว่าได้บันทึกเสียงรบกวนจากสิ่งแวดล้อมต่างๆ เช่น เสียงจากถนน เสียงในห้องรอ เสียงในสำนักงานสาธารณะ เป็นต้น

• รวบรวมและถอดเสียงคำพูด

  ขั้นตอนต่อไปคือการรวบรวมตัวอย่างเสียงและคำพูดของมนุษย์ตามสถานที่ทางภูมิศาสตร์ต่างๆ เพื่อฝึกโมเดล ASR ของคุณ เป็นขั้นตอนที่สำคัญและต้องการให้ผู้เชี่ยวชาญที่เป็นมนุษย์ใช้คำพูดที่ยาวและสั้นเพื่อให้ได้ความรู้สึกที่แท้จริงของประโยคและทำซ้ำประโยคเดิมด้วยสำเนียงและภาษาถิ่นต่างกัน

• สร้างชุดทดสอบแยกต่างหาก

  เมื่อคุณรวบรวมข้อความที่ถอดเสียงแล้ว ขั้นตอนต่อไปคือจับคู่กับข้อมูลเสียงที่เกี่ยวข้อง จากนั้น แบ่งกลุ่มข้อมูลเพิ่มเติมและรวมหนึ่งคำสั่งจากพวกเขา ตอนนี้ จากคู่ข้อมูลที่แบ่งกลุ่ม คุณสามารถดึงข้อมูลสุ่มจากชุดสำหรับการทดสอบเพิ่มเติม

• ฝึกโมเดลภาษา ASR ของคุณ

  ยิ่งชุดข้อมูลของคุณมีข้อมูลมากเท่าใด โมเดลที่ได้รับการฝึกอบรมด้วย AI ของคุณก็จะยิ่งทำงานได้ดีขึ้นเท่านั้น ดังนั้น ให้สร้างรูปแบบที่หลากหลายของข้อความและสุนทรพจน์ที่คุณบันทึกไว้ก่อนหน้านี้ ถอดความประโยคเดียวกันโดยใช้เครื่องหมายคำพูดต่างกัน

• ประเมินผลลัพธ์และสุดท้าย วนซ้ำ

  สุดท้าย วัดผลลัพธ์ของโมเดล ASR ของคุณเพื่อแก้ไขประสิทธิภาพ ทดสอบแบบจำลองกับชุดทดสอบเพื่อกำหนดประสิทธิภาพ อย่างเหมาะสม ให้มีส่วนร่วมกับโมเดล ASR ของคุณในลูปป้อนกลับเพื่อสร้างเอาต์พุตที่ต้องการและแก้ไขช่องว่างใดๆ

[อ่านเพิ่มเติม: ภาพรวมที่ครอบคลุมของการรู้จำเสียงอัตโนมัติ]