自動音声認識のためのオーディオ データの収集プロセスの理解

自動音声認識システムと、Siri、Alexa、Cortana などの仮想アシスタントは、私たちの生活の一部となっています。 彼らが賢くなるにつれて、私たちの彼らへの依存度は大幅に高まっています。 明かりをつけることから、テレビ チャンネルを変更するために電話をかけることまで、私たちはこれらのスマート テクノロジーを活用してありふれたタスクを完了します。

しかし、これらの音声認識システムがどのように機能するのか疑問に思ったことはありませんか?

このブログでは、自動音声認識の基礎について説明します。 また、その動作と、Siri のような機能的な仮想アシスタントがどのように構築されているかについても説明します。

自動音声認識とは

自動音声認識 (ASR) は、複数の人工知能と機械学習アルゴリズムを活用して、コンピューター システムが人間の音声をテキストに変換できるようにするソフトウェアです。

与えられたコマンドを変換して分析した後、コンピューターはユーザーに適切な出力を返します。 ASR は 1962 年に初めて導入されて以来、継続的に運用を改善し、Alexa や Siri などの人気のあるアプリケーションにより大きな注目を集めてきました。

自動音声認識が Speech-to-Text Reader としても知られていることをご存知ですか? 詳しくはこちらのブログで！ 

ASR モデルをトレーニングするための音声収集のプロセスとは?

音声収集は、ASR モデルのフィードとトレーニングに利用される複数の領域からいくつかのサンプル録音を収集することを目的としています。 ASR システムは、音声とオーディオの大規模なデータセットが収集され、そのシステムに提供されるときに最高の効率を実現します。

シームレスに機能するには、収集された音声データセットに、ターゲットの人口統計、言語、アクセント、および方言がすべて含まれている必要があります。 次のプロセスは、複数のステップで機械学習モデルをトレーニングする方法を示しています。

• 人口統計マトリックスの構築から始めます

  まず、場所、性別、言語、年齢、アクセントなど、さまざまな人口統計のデータを収集します。 また、通りの騒音、待合室の騒音、役所の騒音など、さまざまな環境騒音を確実に捉えてください。

• 音声データの収集と書き起こし

  次のステップでは、さまざまな地理的位置に基づいて人間の音声と音声のサンプルを収集し、ASR モデルをトレーニングします。 これは重要なステップであり、人間の専門家が長い単語と短い単語を発話して、文の本物の感触をつかみ、異なるアクセントや方言で同じ文を繰り返す必要があります。

• 別のテスト セットを作成する

  文字起こしされたテキストを収集したら、次のステップは、対応する音声データとペアリングすることです。 次に、データをさらにセグメント化し、それらから XNUMX つのステートメントを含めます。 これで、セグメント化されたデータ ペアから、さらにテストするためにセットからランダム データを取得できます。

• ASR 言語モデルをトレーニングする

  データセットに含まれる情報が多いほど、AI でトレーニングされたモデルのパフォーマンスが向上します。 したがって、以前に録音したテキストとスピーチの複数のバリエーションを生成します。 異なる音声表記法を使用して、同じ文を言い換えます。

• 出力を評価し、最後に反復する

  最後に、ASR モデルの出力を測定してパフォーマンスを修正します。 モデルをテスト セットに対してテストして、その効率を判断します。 適切には、ASR モデルをフィードバック ループに関与させて、目的の出力を生成し、ギャップを修正します。