5. 1.1.5 2000-Е: Застой в распознавании речи

К 2001 году распознавание речи поднялось до 80-процентной точности, и прогресс технологии остановился. Системы распознавания работали отлично, когда языковой словарь был ограничен.

Большинство пользователей даже не догадывались, что распознавание голоса и голосовые команды были встроены в Windows Vista и Mac Os. Windows Speech Recognition и голосовые команды OS X были интересными, но недостаточно точными и удобными, как клавиатура и мышь. [http://www.pcworld.com/article/126613/article.html]

Технология распознавания речи получила второе дыхание после появления приложения Google Voice Search для iPhone. Влияние этого приложения было значительным по двум причинам. Во-первых, телефоны и другие мобильные устройства — это идеальные объекты для распознавания речи, заменяющие крошечные экранные клавиатуры альтернативными методами ввода. Во-вторых, у Google была возможность разгрузить этот процесс, используя свои облачные дата-центры, направив всю их мощь для крупномасштабного анализа данных для поиска совпадений между словами пользователей и огромного числа образцов голосовых запросов, которые они получали.

Узким местом распознавания речи всегда были доступность данных и возможность эффективной их обработки. Приложение же добавило к анализу данные миллиардов поисковых запросов, чтобы лучше предугадывать, что же вы сказали.

В 2010 году Google добавил персональное распознавание в голосовой поиск телефонов под управлением Android. Программное обеспечение могло записывать голосовые запросы пользователей для построения более точной голосовой модели. Также компания добавила распознавание голоса в свой браузер Chrome в середине 2011 года. Система Google теперь позволяет распознать 230 миллиардов слов.

Потом появилась Siri. Так же, как и система Goggle Voice Search, она полагается на облачные вычисления. Она использует те данные, которые ей известны о тебе, чтобы сгенерировать вытекающий из контекста ответ и отвечает на твой запрос, как некая личность.

1.1.6 Будущее: Точная и повсеместная речь

Итак, большое количество приложений указывает на то, что время распознавания речи пришло, эти приложения не только позволят контролировать компьютер с помощью голоса или конвертировать голос в текст — они будут также способны различать разные языки, позволят выбирать голос помощника из различных вариантов. [http://habrahabr.ru/post/131945/]

2. Способы и этапы распознавания речи

Для оценки эффективности систем распознавания речи применяют много показателей, интегральными же критериями оценки производительности таких систем служат точность распознавания речи (звуков, слов или фраз) и скорость обработки речевого сигнала. В идеальном случае система должна обеспечивать практически 100% точность распознавания речи при мгновенном выводе результата. Но учитывая ограниченные возможности существующих вычислительных ресурсов при решении таких сложных интеллектуальных задач как автоматическое распознавание речи человека, приходится находить компромисс между точностью и скоростью обработки.

И тем не менее, главной проблемой остается точность распознавания, которая непосредственно завит от способа распознавания речи. [http://www.dissercat.com/content/modeli-i-programmnaya-realizatsiya-raspoznavaniya-russkoi-rechi-na-osnove-morfemnogo-analiza#ixzz2NLwlO23T].

Выделяют несколько основных способов распознавания речи:

1. Распознавание отдельных команд.

2. Распознавание по грамматике.

3. Поиск ключевых слов в потоке слитной речи.

4. Распознавание слитной речи на большом словаре (LVCSR — large vocabulary continuous speech recognition).

Сравнительный анализ приведен в таблице 1.1.

Таблица 1.1 – Сравнительный анализ способов распознавания речи

Способ распознавания	Суть технологии	Техническая реализация	Применение
По отдельным командам	Раздельное произнесение и последующее распознавание слова или словосочетания из небольшого заранее заданного словаря	Точность распознавания ограничена объемом заданного словаря. При соблюдении этого условия данная технология позволяет достичь самой высокой достоверности распознавания	Голосовая навигация по сайтам, системы «Умный дом», управление устройствами
По грамматике	Распознавание фраз, соответствующих определенным заданным правилам (грамматике)	Для задания грамматик используются стандартные XML-языки, обмен данными между системой распознавания и приложением, как правило, осуществляется по протоколу MRCP	Системы голосового самообслуживания
По ключевым словам	Распознавание отдельных участков речи	Произнесенная речь не полностью преобразуется в текст - в ней автоматически находятся лишь те участки, которые содержат заданные слова или словосочетания.	Поисковые системы, системы мониторинга речи
Слитная речь на большом словаре	Эта технология самый труднореализуемый тип взаимодействия человека и машины – все, что сказано, дословно преобразуется в текст.	Задача полноценного распознавания слитной речи не решена нигде в мире, однако, достоверность распознавания уже достаточно высока для использования технологии на практике	Широкая сфера применения.

Как видно из сравнения самая высокая точность распознавания речи по отдельным командам. Эта технология за счет относительной простоты реализации и достаточно широкой сферы применения получила самое большое распространение, поэтому создание системы именно такого уровня будет наиболее востребованным в ближайшие годы. Исходя из этого, дальнейшее исследование по созданию информационной системы (ИС) голосового управления персональным компьютером (ПК) будет проводиться на основе этого способа.

Процесс распознавания речи включает в себя несколько обобщенных этапов. На каждом из этапов для обработки речевого сигнала используется целый ряд различных подходов. Итак:

1. Ввод речевого сигнала;

2. Предварительная обработка;

3. Распознавание фонем и слов;

4. Понимание речи.

Непосредственно для распознавания речевого сигнала в ИС голосового управления ПК целесообразно использовать готовое программное решение. Для этого проведем исследование рынка и обзор существующих программных продуктов.