Распознавание речи в 3 раза быстрее, чем вы можете набрать

Стэнфордский профессор информатики Джеймс Лэндей сказал, что исследование началось как «разговор в кафе» между ним и адъюнкт-профессором Стэнфорда Эндрю Нг, в настоящее время главный научный сотрудник Baidu. «Эндрю сказал, что инструменты распознавания речи Baidu стали действительно великолепными, но они не знали, какой эксперимент позволит их количественно оценить», — сказал Лэндей Digital Trends.

Облачное программное обеспечение для распознавания речи Baidu Deep Speech 2 основано на нейронной сети глубокого обучения: впечатляющий инструмент машинного обучения, который способен обучаться, анализируя огромные наборы данных реальных речь.

«Раньше у нас не было данных и вычислительных возможностей для построения этих моделей, чтобы компьютер мог понимать разные акценты и модели речи», — продолжил Лэндей.

В конце концов непринужденная беседа Лэндэя и Нг превратилась в полноценный эксперимент, в котором приняли участие 32 участника, говорящих либо по-китайски, либо по-английски. Все участники привыкли к обмену текстовыми сообщениями, и оба использовали стандартную клавиатуру, поставляемую в комплекте с iPhone.

Для англоговорящих это означало обычную QWERTY-клавиатуру iOS, а для говорящих на китайском языке использовалась клавиатура Apple Pinyin. В обоих случаях распознавание речи происходило примерно в три раза быстрее, чем пользователи могли печатать. этот показатель был на 20,4 процента ниже для распознавания английской речи и на 63,4 процента ниже для китайского языка. эквивалент.

«Я ожидал, что речь будет быстрее, чем текст», — сказал Лэндей. «Мы знаем это, потому что вы можете говорить быстрее, чем печатать. Проблема в прошлом заключалась в том, что при распознавании речи возникало много ошибок, и это замедляло работу. Я думал, что речь окажется быстрее. Чего я не ожидал, так это того, что он окажется в три раза быстрее. Я подумал, что, может быть, мы добьемся успеха процентов на 50 быстрее. Напротив, это было нечто большее».

Конечно, тест не является исчерпывающим на 100 процентов. На данный момент самой быстрой мобильной клавиатурой в мире (по крайней мере, на английском языке) является клавиатура Fleksy стороннего производителя. В Книге рекордов Гиннеса 2014 года по скорости отправки текстовых сообщений пользователь смог набрать Предложение из 126 букв всего за 18,44 секунды. Однако Лэндей отметил, что в ходе исследования была выбрана обычная клавиатура iPhone, поскольку она дает хорошее представление о типичной машинистке. «Большинство людей не тратят время на изучение альтернативных клавиатур», — сказал он.

Что касается значения исследования, Лэндей предполагает, что оно представляет собой важный ориентир в распознавании речи. «Еще есть куда совершенствоваться, но мы думаем, что какой-то переломный момент уже пройден», — сказал он. «Дальнейшие улучшения коснутся распознавания имен, лучшей работы в шумной обстановке и т. д.».

Это, по его словам, открывает перед разработчиками больше возможностей более серьезно задуматься о включении распознавания речи в свои системы, не беспокоясь. «Что будет иметь все больший смысл, так это полагаться на речь», — сказал он. «Например, мультимодальные интерфейсы, сочетающие речь с другими элементами, чтобы помочь людям ориентироваться. Однако самой большой проблемой будет понимание значение слов и предложений. Эту часть еще предстоит пройти».

Рекомендации редакции

• Использовать Alexa сложно, если у вас нарушения речи. Voiceitt может это исправить
• Китайская фирма работает над системой распознавания лиц, которая сможет идентифицировать вас под маской
• Gboard от Google скоро станет намного лучше в распознавании речи

Обновите свой образ жизниDigital Trends помогает читателям быть в курсе быстро меняющегося мира технологий благодаря всем последним новостям, забавным обзорам продуктов, содержательным редакционным статьям и уникальным кратким обзорам.