Runas atpazīšana

Abstract

Ar runas atpazīšanas palīdzību ir iespējams panākt efektīvāku datu apmaiņu starp datoru un tā lietotāju, nekā ar ierastajām ievadierīcēm, piemēram, peli un klaviatūru. Kā dažus efektīvus runas atpazīšanas pielietošanas piemērus varētu minēt teksta diktēšanu, komandu padošanu datoram ar balss palīdzību un ļoti ātru runas fragmentu meklēšanu audio datnēs. Potenciālie klienti runas atpazīšanas sistēmām varētu būt mājsaimniecības, uzziņu pakalpojuma sniedzēji, drošības dienesti u.t.t. Runas atpazīšana paver arī iespēju efektīvākai mašīnmācīšanai, jo šāda sistēma var tikt ieintegrēta sabiedrībā un mācīties autonomi. Pateicoties arvien jaudīgākiem datoriem, ir iespējams realizēt precīzākas, lielu vārdnīcu, reāla laika runas atpazīšanas sistēmas. Darbā ir aplūkotas problēmas, ar kurām ir jāsaskaras runas atpazīšanas sistēmu veidotājiem. Darbā ir piedāvāti veidi, kā saskatīt likumsakarības audio signālos.

With assistance of Speech to Text Recognition, it is possible to achieve much efficient data exchange rate between the user and computer. Some examples to consider are text dictation, voice commands and searching for text patterns in audio files. Potential customers of speech recognition should be households, information service providers, intelligence agencies and so forth. Speech recognition also provides more effective way to design autonomous machine learning systems in other disciplines, because they can go unsupervised and try to interact with random real people. As computers become more faster it is possible to implement speech recognition systems that achieves high accuracy, works real-time on large dictionaries. In this thesis are considered issues that must be solved by a speech recognition system. There are also given tips how to look for patterns in audio signal.