Madde #492Ses & Konuşma/sozluk/automatic-speech-recognition-asr
Automatic Speech Recognition (ASR)
Automatic Speech Recognition (Speech-to-Text / STT)
Türkçe: Otomatik Konuşma Tanıma (Sesten Metne)
Ayrıntılı Tanım
İnsanların konuştuğu ses kayıtlarını mikrofon sinyallerinden alıp; kelime kelime, noktalama işaretleriyle birlikte doğru ve hatasız yazılı metne dönüştüren yapay zekâ alanıdır.
Ne İşe Yarar / Çözülen Problem
İnsanların klavye kullanmadan sesle cihazları yönetmesini, altyazıların otomatik çıkarılmasını ve çağrı merkezlerindeki milyonlarca saatlik sesin metin olarak aranabilmesini sağlar.
Nasıl Çalışır? (Teknik & Mekanizma)
Ham ses veya Mel-spektrogram alınır Akustik model ses birimlerini (fonemleri) tahmin eder Dil modeli gramer akışını düzelterek en olası kelime dizilimini üretir (günümüzde uçtan uca Transformer'larla çözülür).
Örnek Senaryo & Pratik Uygulama
WhatsApp'ta mikrofon butonuna basıp hızlıca konuşmanız ve mikrofondan çıkan dalgaların anında Türkçe mesaj metnine dökülmesi.
Benzer Terimlerden Farkı
TTS metni sese çevirirken; ASR tam tersi yönde sesi metne çevirir.
İlişkili Terimler (3)
Ses, Konuşma ve Müzik Yapay Zekâsı
ASR (Whisper), TTS, Vocoder, Spektrogram analizi ve nöral ses üretimi.
Toplam Terim:30 Madde
Bu Kategorideki Tüm Terimleri Gör →Önceki Terim (#491)Mel-Frequency Cepstral Coefficients (MFCC)
Sonraki Terim (#493)Word Error Rate (WER)