Prehľadávať všetok obsah označený Speech Recognition
Audio prepis je proces prevodu hovoreného jazyka z audio nahrávok do písaného textu, vďaka čomu sú prejavy, rozhovory, prednášky a iné audio formáty prístupné a vyhľadateľné. Pokroky v oblasti AI zlepšili presnosť a efektivitu prepisu, čo podporuje médiá, akademickú sféru, právne a tvorivé odvetvia.
Čo je heteronymum? Heteronymum je jedinečný jazykový jav, pri ktorom dve alebo viac slov má rovnaký pravopis, ale líši sa výslovnosťou a významom. Tieto slová sú homografy, ktoré nie sú homofónmi. Jednoducho povedané, heteronymá vyzerajú v písanej podobe rovnako, ale pri hovorení znejú inak a vyjadrujú odlišné významy v závislosti od kontextu.
Korpus (množné číslo: korpusy) v AI označuje veľký, štruktúrovaný súbor textov alebo zvukových dát používaných na trénovanie a hodnotenie AI modelov. Korpusy sú nevyhnutné na to, aby sa AI systémy naučili porozumieť, interpretovať a generovať ľudský jazyk.
Neuronová sieť, alebo umelá neuronová sieť (ANN), je výpočtový model inšpirovaný ľudským mozgom, ktorý je nevyhnutný v AI a strojovom učení na úlohy ako rozpoznávanie vzorov, rozhodovanie a aplikácie hlbokého učenia.
Rekurentné neurónové siete (RNN) sú sofistikovanou triedou umelých neurónových sietí navrhnutých na spracovanie sekvenčných dát pomocou využitia pamäte predchádzajúcich vstupov. RNN vynikajú v úlohách, kde je poradie dát rozhodujúce, vrátane spracovania prirodzeného jazyka, rozpoznávania reči a predikcie časových radov.
Rozpoznávanie reči, známe aj ako automatické rozpoznávanie reči (ASR) alebo prevod reči na text, umožňuje počítačom interpretovať a prevádzať hovorený jazyk na písaný text, poháňa aplikácie od virtuálnych asistentov po nástroje pre zlepšenie prístupnosti a mení interakciu medzi človekom a strojom.
Rozpoznávanie reči, známe aj ako automatické rozpoznávanie reči (ASR) alebo prevod reči na text, je technológia, ktorá umožňuje strojom a programom interpretovať a prepísať hovorený jazyk do písaného textu. Táto výkonná schopnosť je odlišná od rozpoznávania hlasu, ktoré identifikuje hlas konkrétneho hovoriaceho. Rozpoznávanie reči sa zameriava výlučne na preklad hovoreného slova do textu.
Rozpoznávanie vzorov je výpočtový proces identifikácie vzorov a pravidelností v dátach, ktorý je kľúčový v oblastiach ako AI, informatika, psychológia a analýza dát. Automatizuje rozpoznávanie štruktúr v reči, texte, obrazoch a abstraktných dátových súboroch, čím umožňuje inteligentné systémy a aplikácie ako počítačové videnie, rozpoznávanie reči, OCR a detekciu podvodov.
Skryté Markovove modely (HMM) sú sofistikované štatistické modely pre systémy, kde sú základné stavy nepozorovateľné. Široko využívané v rozpoznávaní reči, bioinformatike a financiách, HMM interpretujú skryté procesy a sú poháňané algoritmami ako Viterbi a Baum-Welch.
OpenAI Whisper je pokročilý systém na automatické rozpoznávanie reči (ASR), ktorý prepíše hovorený jazyk do textu, podporuje 99 jazykov, je odolný voči akcentom a šumu a je open-source pre všestranné AI aplikácie.
