தானியங்கி பேச்சு அங்கீகாரம் தொழில்நுட்பம் நீண்ட காலமாக இருந்து வருகிறது, ஆனால் அதன் பயன்பாடு Siri மற்றும் Alexa போன்ற பல்வேறு ஸ்மார்ட்போன் பயன்பாடுகளில் பரவிய பிறகு சமீபத்தில் முக்கியத்துவம் பெற்றது. இந்த AI-அடிப்படையிலான ஸ்மார்ட்போன் பயன்பாடுகள் நம் அனைவருக்கும் அன்றாட பணிகளை எளிதாக்குவதில் ASR இன் ஆற்றலை விளக்குகின்றன.
கடந்த தசாப்தத்தில், வணிக ASR அமைப்புகள் பல நுகர்வோர் தயாரிப்புகள் மற்றும் சேவைகளில் ஒரு முக்கிய அங்கமாக மாறியுள்ளன, அமேசான், கூகிள் மற்றும் ஆப்பிள் போன்ற நிறுவனங்கள் மேம்பட்ட பேச்சு அங்கீகாரத்தை தங்கள் சலுகைகளில் ஒருங்கிணைப்பதில் முன்னணியில் உள்ளன.
கூடுதலாக, பல்வேறு தொழில்துறை செங்குத்துகள் மேலும் ஆட்டோமேஷனை நோக்கி நகரும் போது, ASR இன் அடிப்படை தேவை எழுச்சிக்கு உட்பட்டது. எனவே, இந்த அற்புதமான பேச்சு அங்கீகார தொழில்நுட்பத்தை ஆழமாகப் புரிந்துகொள்வோம், மேலும் இது ஏன் எதிர்காலத்திற்கான மிக முக்கியமான தொழில்நுட்பங்களில் ஒன்றாகக் கருதப்படுகிறது.
ASR தொழில்நுட்பத்தின் சுருக்கமான வரலாறு
தானியங்கி பேச்சு அங்கீகாரத்தின் திறனை ஆராய்வதற்கு முன், அதன் பரிணாமத்தை முதலில் பார்ப்போம்.
| தசாப்தத்தில் | ASR இன் பரிணாமம் |
|---|---|
| 1950 | பேச்சு அறிதல் தொழில்நுட்பம் 1950களில் பெல் ஆய்வகத்தால் அறிமுகப்படுத்தப்பட்டது. பெல் லேப்ஸ் 'ஆட்ரி' எனப்படும் மெய்நிகர் பேச்சு அங்கீகாரத்தை உருவாக்கியது, இது ஒற்றைக் குரலில் பேசும் போது 1-9 வரையிலான எண்களை அடையாளம் காண முடியும். |
| 1960 | 1952 இல், ஐபிஎம் தனது முதல் குரல் அங்கீகார அமைப்பை அறிமுகப்படுத்தியது, 'ஷூபாக்ஸ்.' ஷூபாக்ஸ் பேசும் பதினாறு ஆங்கில வார்த்தைகளை புரிந்துகொண்டு வேறுபடுத்தி அறிய முடியும். |
| 1970 | கார்னகி மெலன் பல்கலைக்கழகம் 1976 ஆம் ஆண்டில் 1000 வார்த்தைகளுக்கு மேல் அடையாளம் காணக்கூடிய 'ஹார்பி' அமைப்பை உருவாக்கியது. |
| 1990 | ஏறக்குறைய 40 வருடங்கள் நீண்ட காத்திருப்புக்குப் பிறகு, பெல் டெக்னாலஜிஸ் அதன் டயல்-இன் இன்டராக்டிவ் வாய்ஸ் ரெகக்னிஷன் சிஸ்டம் மூலம் மீண்டும் தொழில்துறையில் முன்னேற்றம் கண்டது. |
| 2000 | பெரிய தொழில்நுட்ப நிறுவனமான கூகுள் பேச்சு அறிதல் தொழில்நுட்பத்தில் பணிபுரியத் தொடங்கியதால், இது ASR தொழில்நுட்பத்திற்கு மாற்றமான காலமாகும். அவர்கள் ஏறத்தாழ 80% துல்லிய விகிதத்துடன் மேம்பட்ட பேச்சு மென்பொருளை உருவாக்கினர், இது உலகம் முழுவதும் பிரபலமானது. |
| 2010 | கடந்த தசாப்தம் ASR க்கு ஒரு பொற்காலமாக மாறியது, அமேசான் மற்றும் ஆப்பிள் அவர்களின் முதல் AI அடிப்படையிலான பேச்சு மென்பொருளான அலெக்சா மற்றும் சிரியை அறிமுகப்படுத்தியது. |
20 ஆம் நூற்றாண்டின் பிற்பகுதியில் பேச்சு அங்கீகார ஆராய்ச்சி மறைக்கப்பட்ட மார்கோவ் மாதிரிகளின் வளர்ச்சிக்கும் பரவலான ஏற்றுக்கொள்ளலுக்கும் வழிவகுத்தது, இது பல ஆரம்பகால ASR அமைப்புகளின் முதுகெலும்பாக மாறியது.
2010க்கு முன்னோக்கி நகர்ந்து, ஏஎஸ்ஆர் பிரமாண்டமாக வளர்ச்சியடைந்து மேலும் மேலும் பரவலானதாகவும் துல்லியமாகவும் மாறுகிறது. இன்று, அமேசான், கூகுள் மற்றும் ஆப்பிள் ஆகியவை ASR தொழில்நுட்பத்தில் மிக முக்கியமான தலைவர்கள்.
[மேலும் படிக்கவும்: உரையாடல் AIக்கான முழுமையான வழிகாட்டி ]
குரல் அங்கீகாரம் எவ்வாறு செயல்படுகிறது?
தானியங்கி பேச்சு அங்கீகாரம் என்பது மிகவும் மேம்பட்ட தொழில்நுட்பமாகும், இது வடிவமைப்பதற்கும் உருவாக்குவதற்கும் மிகவும் கடினமாக உள்ளது. பல்வேறு பேச்சுவழக்குகள் மற்றும் உச்சரிப்புகளுடன் உலகம் முழுவதும் ஆயிரக்கணக்கான மொழிகள் உள்ளன, எனவே அனைத்தையும் புரிந்துகொள்ளக்கூடிய மென்பொருளை உருவாக்குவது கடினம்.
ASR அதன் வளர்ச்சிக்காக இயற்கை மொழி செயலாக்கம் மற்றும் இயந்திர கற்றல் பற்றிய கருத்துக்களை பயன்படுத்துகிறது. மென்பொருளில் பல மொழி-கற்றல் வழிமுறைகளை இணைப்பதன் மூலம், டெவலப்பர்கள் பேச்சு அங்கீகார மென்பொருளின் துல்லியம் மற்றும் செயல்திறனை உறுதி செய்கின்றனர்.
தானியங்கி பேச்சு அங்கீகாரம் (ASR) என்பது ஒரு சிக்கலான தொழில்நுட்பமாகும், இது பேச்சு மொழியை உரையாக மாற்றுவதற்கு பல முக்கிய செயல்முறைகளை நம்பியுள்ளது. உயர் மட்டத்தில், முக்கிய படிகள் இதில் அடங்கும்:
- ஆடியோ பிடிப்பு: ஒரு மைக்ரோஃபோன் பயனரின் பேச்சைப் பிடிக்கிறது மற்றும் ஒலி அலைகளை மின் சமிக்ஞையாக மாற்றுகிறது.
- ஆடியோ முன் செயலாக்கம்: மின் சமிக்ஞை பின்னர் டிஜிட்டல் மயமாக்கப்பட்டு, ஆடியோ உள்ளீட்டின் தரத்தை மேம்படுத்த, சத்தம் குறைப்பு போன்ற பல்வேறு முன் செயலாக்க படிகளுக்கு உட்படுகிறது.
- அம்சம் பிரித்தெடுத்தல்: வெவ்வேறு பேச்சு ஒலிகளின் சிறப்பியல்புகளான சுருதி, ஆற்றல் மற்றும் நிறமாலை குணகங்கள் போன்ற ஒலியியல் அம்சங்களைப் பிரித்தெடுக்க டிஜிட்டல் ஆடியோ பகுப்பாய்வு செய்யப்படுகிறது.
- ஒலி மாடலிங்: பிரித்தெடுக்கப்பட்ட அம்சங்கள் முன் பயிற்சி பெற்ற ஒலி மாடல்களுடன் ஒப்பிடப்படுகின்றன, அவை ஆடியோ அம்சங்களை தனிப்பட்ட பேச்சு ஒலிகள் அல்லது ஃபோன்மேம்களுக்கு வரைபடமாக்குகின்றன.
- மொழி மாடலிங்: அங்கீகரிக்கப்பட்ட ஃபோன்மேஸ்கள் பின்னர் புள்ளியியல் மொழி மாதிரிகளைப் பயன்படுத்தி சொற்கள் மற்றும் சொற்றொடர்களாகச் சேகரிக்கப்படுகின்றன, அவை சூழலின் அடிப்படையில் மிகவும் சாத்தியமான சொல் வரிசைகளைக் கணிக்கின்றன.
- டிகோடிங்: இறுதிப் படியானது, ஒலியியல் மற்றும் மொழி மாதிரிகள் இரண்டையும் கணக்கில் எடுத்துக்கொண்டு, உள்ளீட்டு ஆடியோவுடன் பொருந்தக்கூடிய மிகவும் சாத்தியமான சொல் வரிசையை டிகோடிங் செய்வதாகும்.
பின்னணி இரைச்சல், உச்சரிப்புகள் மற்றும் பலவிதமான சொற்களஞ்சியம் ஆகியவற்றின் முன்னிலையில் கூட, மிகவும் துல்லியமான பேச்சு-உரை-உரை மாற்றத்தை இயக்குவதற்கு இந்த முக்கிய கூறுகள் தடையின்றி ஒன்றிணைந்து செயல்படுகின்றன.
[மேலும் படிக்கவும்: பேச்சு அங்கீகாரத்தில் உள்ள முதல் 4 சவால்கள் & தீர்வுகள்]
ASR இன் நிஜ உலக எடுத்துக்காட்டுகள்
தானியங்கி பேச்சு அங்கீகாரம் என்பது ஒரு அற்புதமான தொழில்நுட்பமாகும், இது இன்று பரவலாக பிரபலமாகவும் மதிப்புமிக்கதாகவும் மாறியுள்ளது. ஹேண்ட்ஸ்-ஃப்ரீ கட்டுப்பாட்டைப் பயன்படுத்தி பல பணிகளை விரைவாக முடிக்க பயனர்களுக்கு இது அதிக முக்கியத்துவம் அளிக்கிறது.
மெய்நிகர் உதவியாளர்கள் மற்றும் ஸ்மார்ட் சாதனங்கள்: ASR என்பது Siri, Alexa மற்றும் Google Assistant போன்ற மெய்நிகர் உதவியாளர்களின் முக்கிய அங்கமாகும், இது பல்வேறு ஸ்மார்ட் ஹோம் சாதனங்கள் மற்றும் ஆன்லைன் சேவைகளுடன் ஹேண்ட்ஸ்-ஃப்ரீ கட்டுப்பாடு மற்றும் தொடர்பு கொள்ள உதவுகிறது. குரல் தேடல் மற்றும் குரல்-கட்டுப்படுத்தப்பட்ட சாதனங்கள் நுகர்வோர் மின்னணுவியலில் ASR தொழில்நுட்பத்தின் மிகவும் பொதுவான பயன்பாடுகளில் ஒன்றாகும், இது பயனர்கள் ஸ்மார்ட்போன்கள், ஸ்மார்ட் ஹோம் கேஜெட்டுகள் மற்றும் பிற சாதனங்களுடன் பேச்சு கட்டளைகள் மூலம் தொடர்பு கொள்ள அனுமதிக்கிறது. பேச்சு அங்கீகார தொழில்நுட்பத்தைப் பயன்படுத்தும் மிகவும் பிரபலமான தயாரிப்புகள்:
- கூகிள் உதவியாளர்: 2016 இல் உருவாக்கப்பட்டது, கூகுள் அசிஸ்டண்ட் இன்று சிறந்த அரட்டை அடிப்படையிலான மென்பொருளாகும், இது அமெரிக்க ஆங்கிலத்தில் 95% க்கும் அதிகமான துல்லிய விகிதத்தைக் கொண்டுள்ளது. தோராயமாக, இது உலகம் முழுவதும் நூற்றுக்கணக்கான மில்லியன் மக்களால் பயன்படுத்தப்படுகிறது.
- ஆப்பிள் சிரி: உலகளவில் 30 நாடுகளிலும் 21 மொழிகளிலும் ASR கிடைப்பதற்கு சிரி சிறந்த உதாரணம். பேச்சு-க்கு-உரை தொழில்நுட்பத்தைப் பயன்படுத்துவதில் புரட்சியை ஏற்படுத்திய முதல் அரட்டை அடிப்படையிலான அமைப்பு Siri ஆகும்.
- அமேசான் அலெக்சா: உலகளவில் 100 மில்லியனுக்கும் அதிகமான பயனர்களின் எண்ணிக்கையுடன் அலெக்ஸா இன்று வீட்டுப் பெயராகவும் சாதனமாகவும் மாறியுள்ளது.
பேச்சு அங்கீகார தொழில்நுட்பத்திற்கான கேஸ்களைப் பயன்படுத்தவும்
அரட்டை அடிப்படையிலான மென்பொருளில் ASR தொழில்நுட்பத்தைப் பயன்படுத்துவதைத் தவிர, இந்த விதிவிலக்கான தொழில்நுட்பத்தின் பிற பயன்பாட்டு நிகழ்வுகளும் உள்ளன. தானியங்கி பேச்சு அங்கீகார பயன்பாடு வாடிக்கையாளர் சேவை ஆட்டோமேஷன் முதல் ஹேண்ட்ஸ்-ஃப்ரீ வாகனக் கட்டுப்பாடுகள் மற்றும் அணுகல் கருவிகள் வரை பரந்த அளவிலான தொழில்கள் மற்றும் அன்றாட வாழ்க்கையை உள்ளடக்கியது. அவற்றில் சில இங்கே:
தானியங்கி மற்றும் போக்குவரத்து
ASR ஆனது வாகனத்தில் உள்ள இன்ஃபோடெயின்மென்ட் அமைப்புகளில் ஒருங்கிணைக்கப்பட்டுள்ளது, இது குரல் கட்டளைகளைப் பயன்படுத்தி, பாதுகாப்பு மற்றும் வசதியை மேம்படுத்துதல், இசையை இயக்குதல், வழிசெலுத்தல் மற்றும் காலநிலை கட்டுப்பாடு போன்ற பல்வேறு செயல்பாடுகளைக் கட்டுப்படுத்த ஓட்டுநர்களை அனுமதிக்கிறது.
ஹெல்த்கேர் & மெடிக்கல் டிரான்ஸ்கிரிப்ஷன்
ASR ஆனது மருத்துவர்களுக்கு குறிப்புகள் மற்றும் பதிவுகளை மிகவும் திறமையாக கட்டளையிடவும், ஆவணப்படுத்தல் செயல்முறையை நெறிப்படுத்தவும் மற்றும் நிர்வாக மேல்நிலையைக் குறைப்பதன் மூலம் சுகாதாரத் துறையை மாற்றுகிறது.
அழைப்பு மையங்கள் & வாடிக்கையாளர் ஆதரவு
வாடிக்கையாளர் தொடர்புகளின் டிரான்ஸ்கிரிப்ஷனை தானியங்குபடுத்துவதற்கும், முகவர் உற்பத்தித்திறனை மேம்படுத்துவதற்கும், ஒட்டுமொத்த வாடிக்கையாளர் அனுபவத்தை மேம்படுத்துவதற்கும், கால் சென்டர்களில் ASR பரவலாகப் பயன்படுத்தப்படுகிறது.
மொழி கற்றல்
ASR தொழில்நுட்பம் உச்சரிப்பு மற்றும் பேச்சு மொழி திறன்கள் பற்றிய நிகழ்நேர கருத்துக்களை வழங்குவதன் மூலம் மொழி கற்றலில் புரட்சியை ஏற்படுத்தியுள்ளது. இது கற்பவர்களுக்கு அவர்களின் பேச்சு முறைகளைச் செம்மைப்படுத்தவும், உடனடி திருத்தங்களைப் பெறவும், மேலும் திறமையான முறையில் அவர்களின் சரளத்தை மேம்படுத்தவும் உதவுகிறது.
செவித்திறன் குறைபாடுள்ளவர்களுக்கான அணுகல்
ஏஎஸ்ஆர் தொழில்நுட்பமானது டிஜிட்டல் உள்ளடக்கம் மற்றும் அனுபவங்களை மாற்றுத்திறனாளிகளுக்கு மிகவும் அணுகக்கூடியதாக மாற்றுவதில் முக்கியப் பங்கு வகிக்கிறது.
குரல் பயோமெட்ரிக்ஸ் மற்றும் பாதுகாப்பு
ஒரு தனிநபரின் குரலின் தனிப்பட்ட குணாதிசயங்கள் பயோமெட்ரிக் அங்கீகாரத்தின் ஒரு வடிவமாகப் பயன்படுத்தப்படலாம். ASR தொழில்நுட்பம் குரல் பயோமெட்ரிக் அமைப்புகளில் முக்கிய பங்கு வகிக்கிறது, தனிப்பட்ட அடையாளம் மற்றும் அணுகல் கட்டுப்பாட்டிற்கு கூடுதல் பாதுகாப்பை வழங்குகிறது.
ஊடகம் மற்றும் ஒளிபரப்பு
நேரடி மற்றும் முன்பே பதிவுசெய்யப்பட்ட உள்ளடக்கத்திற்கான மூடிய தலைப்புகள் மற்றும் வசனங்களை உருவாக்க ASR பயன்படுத்தப்படுகிறது, இது பார்வையாளர்களுக்கு மிகவும் அணுகக்கூடியதாக ஆக்குகிறது மற்றும் ஊடாடும் ஊடக அனுபவங்களின் புதிய வடிவங்களை செயல்படுத்துகிறது.
ASR இன் நன்மைகள்
- திறன்: ASR தரவு உள்ளீடு மற்றும் தகவல்தொடர்புகளை துரிதப்படுத்துகிறது, பயனர்கள் வகைக்கு பதிலாக பேச அனுமதிக்கிறது, இது உற்பத்தித்திறனை அதிகரிக்கிறது.
- அணுகல்தன்மை: இது குறைபாடுகள் உள்ள தனிநபர்களுக்கான தொழில்நுட்ப அணுகலை மேம்படுத்துகிறது, சாதனங்களுடன் எளிதாக தொடர்பு கொள்ள உதவுகிறது.
- கைகள் இல்லாத செயல்பாடு: ASR, குரல் கட்டளைகள் மூலம் சாதனங்களைக் கட்டுப்படுத்த பயனர்களை அனுமதிப்பதன் மூலம் பல்பணியை எளிதாக்குகிறது.
- காஸ்ட்-பயனுள்ள: கையேடு டிரான்ஸ்கிரிப்ஷன் சேவைகளின் தேவையைக் குறைப்பதன் மூலம், ASR வணிகங்களின் நேரத்தையும் செயல்பாட்டுச் செலவுகளையும் மிச்சப்படுத்துகிறது.
[மேலும் படிக்கவும்: பேச்சு அறிதல் பயிற்சி தரவு - வகைகள், தரவு சேகரிப்பு மற்றும் பயன்பாடுகள்]
ASR இல் உள்ள சவால்கள்
- உச்சரிப்புகள் மற்றும் பேச்சுவழக்குகள்: உச்சரிப்புகளில் உள்ள மாறுபாடு அங்கீகார துல்லியத்தைத் தடுக்கலாம், இதனால் படியெடுத்தலில் பிழைகள் ஏற்படலாம். ஆராய்ச்சியாளர்கள் தீவிரமாகச் சமாளிக்கும் முக்கிய ASR சவால்களில் இவையும் அடங்கும்.
- பின்னணி இரைச்சல்: சத்தமான சூழல்கள் ASR செயல்திறனை சீர்குலைத்து, பேச்சை தெளிவாகப் பிடிப்பதை கணினி கடினமாக்குகிறது. இதற்கு நேர்மாறாக, மனித அங்கீகாரம் பொதுவாக சவாலான ஒலி சூழல்களில் ASR ஐ விட சிறப்பாக செயல்படுகிறது, ஏனெனில் மனிதர்கள் சத்தத்தில் பேச்சைப் புரிந்துகொள்வதில் சிறந்தவர்கள்.
- ஹோமோபோன்கள்: ஒரே மாதிரியாக ஒலிக்கும் ஆனால் வெவ்வேறு அர்த்தங்களைக் கொண்ட சொற்கள் ASR அமைப்புகளை குழப்பலாம், இதன் விளைவாக தவறான புரிதல்கள் ஏற்படும்.
- தொடர்ச்சியான பேச்சு: இயற்கையான பேச்சு முறைகள், இடைநிறுத்தங்கள் மற்றும் மாறுபாடுகள் உட்பட, அங்கீகாரத்தை சிக்கலாக்குகிறது, ASR துல்லியத்தை சவால் செய்கிறது.
ASR தொழில்நுட்பத்தின் எதிர்காலம் என்ன?
AI மற்றும் இயந்திர கற்றலின் முன்னேற்றத்துடன், தானியங்கி பேச்சு அங்கீகாரம் தொழில்நுட்பம் மிகவும் துல்லியமாகவும், வேகமாகவும், மேலும் இயற்கையாக ஒலிக்கும் என்று எதிர்பார்க்கப்படுகிறது. கூடுதலாக, ASR தொழில்நுட்பம் வாடிக்கையாளர் சேவை, கல்வி, சுகாதாரம் மற்றும் பலவற்றில் பரவலாக மாற வாய்ப்புள்ளது. நிறுவனங்களுக்கு, தனிப்பயனாக்கப்பட்ட ASR அடிப்படையிலான வணிக தீர்வுகளை உருவாக்குவது அடுத்த இலக்காக இருக்க வேண்டும்.
ஷைப் நிபுணர்களிடமிருந்து உங்கள் ASR அடிப்படையிலான திட்டங்களுக்கு உதவி பெறவும்
