Speech Recognition Using Python
 |
|
任何顏色車牌——都拍攝的清清楚楚！
|
leiphone 作者：郭仁贤
據 Loup Ventures 不久前發佈的，2019 年語音助理智商測試的結果，透過對每個人工智慧系統的 800 個相同問題的測試，谷歌助手再次引領了這一潮流，與去年一樣，100% 完全理解了被問到的問題，並正確回答了其中的 92.9%，比去年的 85.5% 的正確率要高。
相比之下，蘋果的 Siri 在理解水準，和正確回答水準這兩方面的能力也都有提升，從去年的99%理解水準上升到今年的 99.8%，同時在正確回答水準方面，從 78.5% 上升到 2019 年的 83.1%。
儘管亞馬遜的 Alexa 再次位居第三，但今年也算是取得了重大進展，理解了 99.9% 的問題，並正確回答了 79.8% 的問題，比去年的 Siri 表現要好。
近日，據外媒報導，亞馬遜透過人工智慧，將即時語音辨識錯誤率降低了6.2%，可以算是一個不小的進步。
近日，據外媒報導，亞馬遜透過人工智慧，將即時語音辨識錯誤率降低了6.2%，可以算是一個不小的進步。
據瞭解，自動語音辨識系統是將語音轉換為文本，如 Alexa 的核心系統，其中一個組件是一個模型，它預測哪個單詞將出現在一系列單詞之後。它們通常是基於 N-Gram 語言模型，這意味著它們可以算出，給定過去 n-1 個單詞的，下一個單詞出現的概率。
N-Gram 是基於一個假設：第 n 個詞出現與前 n-1 個詞相關，而與其他任何詞不相關。（這也是隱馬爾可夫當中的假設）整個句子出現的機率，就等於各個詞出現的機率乘積，各個詞的機率可以透過語料中，統計計算得到。
但是，像遞歸神經網路這樣的體系結構，就比較難以融入即時系統，由於其學習長期依賴關係的能力，通常被用於語音辨識，並且常常難以從多個語料庫中獲取數據。
這就是為什麼亞馬遜 Alexa 科研人員，要研究能使得這種人工智慧模型，在語音辨識中更實用的技術的原因。
在奧地利格拉茨舉行的 2019 年 Interspeech 會議上，計劃發表的一篇博客和論文《ASR的可伸縮多語料庫神經語言模型》中，聲稱他們可以將單詞辨識錯誤率比基線降低 6.2%。
神經語言模型（NLM）在自動語音辨識（ASR），和其他任務中的表現，優於傳統的 N-gram 語言模型。然而，要在實際的大規模 ASR 系統中使用 NLM，還需要解決一些挑戰。在一些解決方案中，從異源語料庫中訓練 NLM，限制潛伏期影響和處理二次透過重測器中的個性化偏差。
研究人員透過建立領域內，和領域外訓練數據集的傳統模型，來解決數據稀缺的問題，這些模型是線性組合的，他們給每個語料庫分配了一個分數，來衡量其與域內數據的相關性，這決定了為補充數據集選擇樣本的可能性。
然後他們應用了遷移學習 Transfer learning，即機器學習的一種，就是把為任務 A 開發的模型作為初始點，重新使用在為任務 B 開發模型的過程中。
 |
| Automatic Speech Recognition (ASR) Software Market Major Competitors ... |
遷移學習是透過從已學習的相關任務中，轉移知識來改進學習的新任務，雖然大多數機器學習算法，都是為瞭解決單個任務而設計的，但是促進遷移學習的算法的開發，是機器學習人員持續關注的話題。
遷移學習對人類來說很常見，例如，我們可能會發現學習辨識蘋果，可能有助於辨識梨，或者學習彈奏電子琴，可能有助於學習鋼琴。
接下來，研究人員將數據透過一個帶有 N-gram 語言模型的語音辨識器傳遞，以使用人工智慧模型來改進其預測。
為了將傳統模型，拒絕人工智慧模型考慮的假設的風險，降到最低，他們使用人工智慧模型生成合成數據，為一次透過模型提供訓練數據。
 |
| ASR - Automatic Speech Recognition Blue Grey Blocks Stock Photograph |
訓練數據中的樣本是成對的詞彙，而不是單個詞彙，這是一個稱為噪聲對比估計的方案的一部分，其中一個成對詞彙是真正的目標，而另一個詞彙是隨機選擇的。該模型的任務是慧過直接估計目標詞彙的概率來學習區分。
最後，研究人員量化了人工智慧模型的權重，以進一步提高其效率。量化考慮特定變量可以接受的全部值範圍，並將其拆分為固定數量的間隔，這樣一個間隔內的所有值，都近似於一個數字。據研究人員透露，由於量化，人工智慧模型在 50% 的情況下，使得語音處理時間，增加不超過 65 毫秒，在90%的情況下增加不超過 285 毫秒。
 |
| AKD 寰楚專業級全系列監控設備 |
0 comments:
張貼留言