Przeglądaj wszystkie treści oznaczone etykietą Speech Recognition
Czym jest heteronim? Heteronim to wyjątkowe zjawisko językowe, w którym dwa lub więcej wyrazów mają taką samą pisownię, ale różnią się wymową i znaczeniem. Są to homografy, które nie są homofonami. Mówiąc prościej, heteronimy wyglądają identycznie w piśmie, ale brzmią inaczej w mowie i przekazują różne znaczenia w zależności od kontekstu.
Korpus (liczba mnoga: korpusy) w AI odnosi się do dużego, uporządkowanego zbioru tekstów lub danych audio wykorzystywanych do trenowania i oceny modeli AI. Korpusy są niezbędne, aby nauczyć systemy AI rozumienia, interpretacji i generowania ludzkiego języka.
Rekurencyjne sieci neuronowe (RNN) to zaawansowana klasa sztucznych sieci neuronowych zaprojektowanych do przetwarzania danych sekwencyjnych poprzez wykorzystanie pamięci poprzednich wejść. RNN świetnie sprawdzają się w zadaniach, gdzie kolejność danych jest kluczowa, w tym w NLP, rozpoznawaniu mowy i prognozowaniu szeregów czasowych.
Rozpoznawanie mowy, znane również jako automatyczne rozpoznawanie mowy (ASR) lub zamiana mowy na tekst, umożliwia komputerom interpretację i konwersję języka mówionego na tekst pisany, napędzając aplikacje od wirtualnych asystentów po narzędzia dostępności i zmieniając interakcję człowiek-maszyna.
Rozpoznawanie mowy, znane również jako automatyczne rozpoznawanie mowy (ASR) lub zamiana mowy na tekst, to technologia umożliwiająca maszynom i programom interpretację oraz transkrypcję języka mówionego na tekst pisany. Ta potężna funkcjonalność różni się od rozpoznawania głosu, które identyfikuje głos konkretnej osoby. Rozpoznawanie mowy skupia się wyłącznie na tłumaczeniu wypowiedzi na tekst.
Rozpoznawanie wzorców to proces obliczeniowy polegający na identyfikowaniu wzorców i regularności w danych, kluczowy w takich dziedzinach jak AI, informatyka, psychologia i analiza danych. Automatyzuje rozpoznawanie struktur w mowie, tekście, obrazach i abstrakcyjnych zbiorach danych, umożliwiając inteligentne systemy i aplikacje, takie jak widzenie komputerowe, rozpoznawanie mowy, OCR i wykrywanie oszustw.
Sieć neuronowa, czyli sztuczna sieć neuronowa (ANN), to model obliczeniowy inspirowany ludzkim mózgiem, kluczowy w AI i uczeniu maszynowym do zadań takich jak rozpoznawanie wzorców, podejmowanie decyzji oraz zastosowania w deep learningu.
Transkrypcja audio to proces przekształcania mowy z nagrań dźwiękowych na tekst pisany, umożliwiając dostępność i wyszukiwanie przemówień, wywiadów, wykładów i innych formatów audio. Postępy w AI poprawiły dokładność i wydajność transkrypcji, wspierając branże medialne, akademickie, prawne oraz tworzenia treści.
Ukryte modele Markowa (HMM) to zaawansowane modele statystyczne dla systemów, w których stany ukryte są nieobserwowalne. Szeroko stosowane w rozpoznawaniu mowy, bioinformatyce i finansach, HMM interpretują ukryte procesy i wykorzystują algorytmy, takie jak Viterbi oraz Baum-Welch.
OpenAI Whisper to zaawansowany system automatycznego rozpoznawania mowy (ASR), który transkrybuje mowę na tekst, obsługuje 99 języków, jest odporny na akcenty i szumy oraz jest open-source do wszechstronnych zastosowań AI.
