Automatic Speech Recognition

Türkçe karşılığı: Otomatik konuşma tanımaAlan: Konuşma İşleme

Otomatik konuşma tanıma (Automatic Speech Recognition) — Ses sinyalindeki konuşmayı zaman sıralı metne veya token dizisine dönüştüren otomatik konuşma işleme sistemi.

Teknik Bağlam

Güncel ASR sistemlerinde akustik ön işleme; encoder-decoder, CTC veya RNN-T benzeri modelleme; çözümleme ve dilsel normalizasyon aşamaları birlikte bulunabilir. Üretim ortamında yalnız WER değil, RTF, segmentasyon, zaman damgalarının doğruluğu ve hata sonrasında işlemenin nasıl sürdürüldüğü de sistem davranışını belirler.

Kavramsal Sınır

ASR ile konuşmacı günlükleme aynı görev değildir. ASR ne söylendiğini metne dönüştürür; konuşmacı günlükleme ise kimin hangi zaman aralığında konuştuğunu belirlemeye çalışır.

Bir ASR modeli sesin tamamını yazıya dökse bile sözcük zamanları, konuşmacı kimlikleri ve noktalama ayrı kestirimler olabilir. Bu alanların aynı güvenilirlikte olduğu varsayılmamalı; sözcük hatası, zaman hizalama hatası ve konuşmacı karışıklığı ayrı referanslarla değerlendirilmelidir.

İlgili Kavramlar

İlgili makale: Sesten Konuşma Tanıma

İlgili teknik yayınlar

Başlık veya özetinde bu kavrama doğrudan karşılık gelen yayınlar.

ASR Sistemlerinde Kuyruk Kararlılığı

ASR kapasitesini tek başına RTF açıklamaz; geliş hızı, segment süresi, servis süresi dağılımı, batch ve heterojen çalışanlar birlikte kuyruğun kararlı kalıp kalmayacağını belirler.

Java ile GSM WAV Çözümleme

Java ile telekomünikasyon WAV çözümlemede kapsayıcı ile codec ayrılır; A-law, μ-law ve PCM doğru yorumlanıp VAD/ASR öncesinde ortak PCM akışına dönüştürülür.