SeterusnyaPanduan seterusnya
Pengecaman Pertuturan Pada Peranti
AI Audio
PANDUAN AI Audio
Pengecaman pertuturan medan jauh mentranskripsikan orang yang bercakap pada jarak yang jauh dari mikrofon, selalunya di tengah-tengah bergema bilik, bunyi bising dan suara bertindih.
Dengar panduan iniAI-diceritakan · ~3 min
CHiME-6 ialah cabaran penyelidikan yang dibina berdasarkan rakaman pesta makan malam di rumah sebenar untuk ASR perbualan jauh dan diarisasi pembesar suara. Tugasnya menyerlahkan mengapa penanda aras mikrofon dekat yang bersih tidak mencukupi untuk meramalkan prestasi dalam bilik yang sibuk.
Mikrofon di seberang bilik menangkap campuran yang berbeza daripada yang berdekatan dengan mulut. Pertuturan dilemahkan oleh jarak, dipantulkan dari dinding, dicampur dengan hidangan atau muzik dan bertindih oleh pembesar suara lain. Pengecam automatik boleh terlepas perkataan atau menugaskannya kepada orang yang salah walaupun ia berfungsi dengan baik pada pertuturan yang dibaca bersih. CHiME-6 telah dianjurkan di sekitar ucapan perbualan jauh di rumah setiap hari, menggunakan rakaman daripada dua puluh pesta makan malam dan termasuk diarisasi serta pengiktirafan. Halaman tugas rasmi mentakrifkan set data, runut dan peraturan penilaian. Mikrofon berbilang boleh memberikan bukti spatial. Sistem boleh memilih saluran yang sesuai, menggabungkan saluran untuk mengurangkan gangguan atau menggunakan pembentukan pancaran sebelum pengecaman. Pemprosesan sedemikian bergantung pada penyegerakan tatasusunan, geometri dan keadaan bunyi. Mikrofon haus tertutup dalam korpus boleh memberikan bukti perbandingan, tetapi produk yang bergantung pada peranti medan jauh tidak boleh mendakwa ia mempunyai kualiti mikrofon dekat dengan memetik saluran rujukan. Diarisasi pembesar suara menganggarkan siapa yang bercakap apabila; ia tidak sama dengan pengesahan identiti sah. Perbualan makan malam sebenar adalah tidak kemas. Orang ramai mengganggu antara satu sama lain, ketawa, bergerak antara bilik dan menukar bunyi. Model mungkin berprestasi baik pada ujaran yang digunting tetapi bergelut dengan rakaman berterusan tidak bersegmen, di mana aktiviti pertuturan dan pusingan pembesar suara juga memerlukan pengesanan. Nilaikan kesilapan perkataan, segmen terlepas dan kesilapan atribusi pembesar suara secara berasingan. Protokol tahun tugas cabaran adalah penting; kemudian edisi CHiME menggunakan semula atau mengubah suai data dan peraturan, jadi markah tidak boleh dibandingkan tanpa menyemak tetapan yang tepat. Untuk pembantu bilik yang ditempatkan, uji rumah atau pejabat wakil dengan persetujuan, pelbagai pembesar suara dan kedudukan serta peranti yang sebenarnya akan digunakan. Rakam sama ada peningkatan dan pemisahan membantu transkrip akhir dan bukannya hanya menjadikan bunyi audio lebih bersih. Kekalkan ketidakpastian apabila dua suara bertindih atau frasa yang jauh tidak dapat difahami. Hasil yang betul ialah transkrip yang boleh digunakan dengan jurang yang jujur, bukan pembinaan semula yang lancar yang mencipta perkataan yang tidak pernah diselesaikan oleh mikrofon.
Sistem mesyuarat menyemak sama ada pembesar suara jauh terlepas semasa orang berdekatan ketawa.
Seorang penyelidik membandingkan tatasusunan medan jauh dengan mikrofon rujukan usang rapat dalam persediaan parti makan malam CHiME.
Editor transkripsi menyemak label pembesar suara apabila dua peserta bercakap serentak.
Pasukan peranti menguji dapur dan ruang tamu yang bergema dan bukannya pertuturan studio sahaja.
Tatasusunan dan model yang lebih baik boleh meningkatkan transkripsi jauh tanpa memaksa setiap orang memakai mikrofon. Rumah dan tempat kerja masih berbeza dalam reka letak, bunyi bising dan jangkaan privasi. Sistem masa hadapan boleh mendedahkan rentang keyakinan rendah dan meminta pengguna mengesahkan nama atau frasa yang terlepas. Penanda aras hendaklah termasuk pertuturan berbilang pembesar suara berterusan dan melaporkan ralat siapa yang bercakap-apa bersama ketepatan perkataan. Pasukan produk mesti menerangkan apabila audio bilik ditangkap dan disimpan. Keuntungan daripada beamformer atau pemisah harus diukur dengan komunikasi yang lebih jelas dan tepat untuk pengguna yang dimaksudkan, bukan satu contoh bentuk gelombang yang menarik.
Newsletter percuma
Tiga cerita AI yang disahkan setiap pagi hari bekerja, ditulis dalam Bahasa Inggeris biasa. Percuma selamanya, tiada iklan.
Satu e-mel setiap hari bekerja. Berhenti melanggan dalam satu klik. Kami tidak pernah menjual atau berkongsi alamat anda.
Uji diri anda
Maklum balas segera pada setiap jawapan, dan sijil yang boleh dikongsi dengan ID yang boleh disahkan sebaik sahaja anda lulus kursus.
Sokong pendidikan AI percuma. AI Understanding ialah pertubuhan bukan keuntungan 501(c)(3) — tiada iklan, tiada bayaran dinding, selamanya. Buat derma
Pengecaman pertuturan medan jauh mentranskripsikan orang yang bercakap pada jarak yang jauh dari mikrofon, selalunya di tengah-tengah bergema bilik, bunyi bising dan suara bertindih. CHiME-6 ialah cabaran penyelidikan yang dibina berdasarkan rakaman pesta makan malam di rumah sebenar untuk ASR perbualan jauh dan diarisasi pembesar suara. Tugasnya menyerlahkan mengapa penanda aras mikrofon dekat yang bersih tidak mencukupi untuk meramalkan prestasi dalam bilik yang sibuk.
Sistem mesyuarat menyemak sama ada pembesar suara jauh terlepas semasa orang berdekatan ketawa. Seorang penyelidik membandingkan tatasusunan medan jauh dengan mikrofon rujukan usang rapat dalam persediaan parti makan malam CHiME. Editor transkripsi menyemak label pembesar suara apabila dua peserta bercakap serentak. Pasukan peranti menguji dapur dan ruang tamu yang bergema dan bukannya pertuturan studio sahaja.
Tatasusunan dan model yang lebih baik boleh meningkatkan transkripsi jauh tanpa memaksa setiap orang memakai mikrofon. Rumah dan tempat kerja masih berbeza dalam reka letak, bunyi bising dan jangkaan privasi. Sistem masa hadapan boleh mendedahkan rentang keyakinan rendah dan meminta pengguna mengesahkan nama atau frasa yang terlepas. Penanda aras hendaklah termasuk pertuturan berbilang pembesar suara berterusan dan melaporkan ralat siapa yang bercakap-apa bersama ketepatan perkataan. Pasukan produk mesti menerangkan apabila audio bilik ditangkap dan disimpan. Keuntungan daripada beamformer atau pemisah harus diukur dengan komunikasi yang lebih jelas dan tepat untuk pengguna yang dimaksudkan, bukan satu contoh bentuk gelombang yang menarik.
Teruskan belajar
Lebih banyak panduan dipilih untuk topik ini
SeterusnyaPanduan seterusnya
Pengecaman Pertuturan Pada Peranti
AI Audio