ایتنا- تکنیک هوش مصنوعی گوگل باعث می‌شود که خطاهای شناسایی گفتار به میزان 29 درصد کاهش یابد.

امروزه تشخیص گفتار به یکی از چالش‌های اصلی و اساسی تبدیل شده است. مدل‌های جدید و نو در تشخیص گفتار مانند “EdgeSpeechNet” در اواخر سال گذشته در یک طرح پژوهشی مورد بحث و بررسی قرار گرفت، قابلیت رسیدن به دقت 97 درصدی را دارد. اما مشکل این جاست که گاهی بهترین سیستم‌ها هم روی کلمات کمیاب و غیرمتداول با مشکل مواجه می‌شود.
 
به گزارش ایتنا از شماران سیستم به نقل از ونچربیت، دانشمندان گوگل و دانشگاه کالیفرنیا برای اینکه بتوانند مشکلات حاصل از مدل‌های مختلف را برطرف کنند، رویکردی را ارائه کردند که بر اساس تصحیح املای کلمات که روی داده‌های متنی آموزش داده می‌شود، کار می‌کند.
این رویکرد در مقاله‌ای با عنوان «مدل تصحیح املا برای تشخیص گفتار سرتاسری» مطرح شد.
 
محققان پس از انجام آزمایش‌های مختلف با پایگاه داده مدل‌سازی زبانی 960 ساعته و 800 کلمه‌ای “LibriSpeech” ، تکنیکی ارائه کردند که پیشرفت 18.6 درصد در نرخ خطای کلمات نسبت به مبنا را  نشان می‌دهد. در برخی موارد، 29 درصد از خطاها کم شد.
پژوهشگران این طرح اذعان داشتند: «هدف ما این بود که بتوانیم یک ماژول را که بر اساس داده‌های متنی آموزش دیده بود، با هدف اصلاح خطاها حاصل از یک سیستم، در یک چارچوب سرتاسری قرار دهیم.»