ข้อความการรู้จำเสียงเร็วกว่าที่คุณพิมพ์ถึง 3 เท่า

ศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์มหาวิทยาลัยสแตนฟอร์ด เจมส์ แลนเดย์ กล่าวว่าการศึกษานี้เริ่มต้นจาก "การสนทนาในร้านกาแฟ" ระหว่างเขากับผู้ช่วยศาสตราจารย์ของมหาวิทยาลัยสแตนฟอร์ด แอนดรูว์ อึ้งปัจจุบันเป็นหัวหน้านักวิทยาศาสตร์ของ Baidu “แอนดรูว์กล่าวว่าเครื่องมือรู้จำเสียงพูดของ Baidu นั้นยอดเยี่ยมมาก แต่พวกเขาไม่รู้การทดลองที่เหมาะสมในการหาปริมาณ” Landay กล่าวกับ Digital Trends

ซอฟต์แวร์รู้จำเสียงพูดบนคลาวด์ Deep Speech 2 ของ Baidu ทำงานบนเครือข่ายประสาทการเรียนรู้เชิงลึก: เครื่องมือการเรียนรู้ของเครื่องที่น่าประทับใจซึ่งสามารถฝึกฝนตัวเองโดยการวิเคราะห์ชุดข้อมูลจำนวนมหาศาลของจริง คำพูด.

“ก่อนหน้านี้ เราไม่มีข้อมูลและความสามารถในการคำนวณเพื่อสร้างโมเดลเหล่านี้ ดังนั้นคอมพิวเตอร์จึงสามารถเข้าใจสำเนียงและรูปแบบคำพูดที่แตกต่างกันได้” Landay กล่าวต่อ

ในท้ายที่สุด การสนทนาสบายๆ ระหว่าง Landay และ Ng กลายเป็นการทดลองเต็มรูปแบบ โดยมีผู้เข้าร่วม 32 คนพูดภาษาจีนหรืออังกฤษ ผู้เข้าร่วมทุกคนโตมากับการส่งข้อความ และทั้งคู่ใช้คีย์บอร์ดมาตรฐานที่มาพร้อมกับ iPhone

สำหรับผู้พูดภาษาอังกฤษ นี่หมายถึงแป้นพิมพ์ iOS QWERTY ทั่วไป ในขณะที่ผู้พูดภาษาจีนกลางใช้แป้นพิมพ์พินอินของ Apple ในทั้งสองกรณี การรู้จำเสียงพูดเร็วกว่าที่ผู้ใช้สามารถพิมพ์ได้ประมาณสามเท่า ในขณะที่เกิดข้อผิดพลาด อัตราลดลง 20.4 เปอร์เซ็นต์สำหรับการรู้จำคำพูดภาษาอังกฤษ และลดลง 63.4 เปอร์เซ็นต์สำหรับภาษาจีนกลาง เทียบเท่า.

“ความคาดหวังของฉันคือคำพูดจะเร็วกว่าข้อความ” แลนเดย์กล่าว “เรารู้เรื่องนี้เพราะคุณสามารถพูดได้เร็วกว่าการพิมพ์ ปัญหาในอดีตคือคุณมีข้อผิดพลาดมากมายเกี่ยวกับการรู้จำเสียง และสิ่งนี้ทำให้คุณช้าลง ฉันคิดว่าคำพูดจะพิสูจน์ได้เร็วกว่า สิ่งที่ฉันไม่ได้คาดหวังก็คือมันจะเร็วขึ้นสามเท่า ฉันคิดว่าบางทีเราอาจจะเร็วขึ้น 50 เปอร์เซ็นต์ แต่มันมากกว่านั้นมาก”

แน่นอนว่าแบบทดสอบไม่ครอบคลุม 100 เปอร์เซ็นต์ ปัจจุบันคีย์บอร์ดมือถือที่เร็วที่สุดในโลก (อย่างน้อยก็ในภาษาอังกฤษ) คือคีย์บอร์ด Fleksy ของบริษัทอื่น ในสถิติโลกกินเนสส์เวิลด์เรคคอร์ดเมื่อปี 2014 ด้านการส่งข้อความที่เร็วที่สุด ผู้ใช้สามารถพิมพ์ ก ประโยค 126 ตัวอักษรในเวลาเพียง 18.44 วินาที. อย่างไรก็ตาม Landay ตั้งข้อสังเกตว่าการศึกษาวิจัยนี้เลือกแป้นพิมพ์ iPhone ทั่วไป เนื่องจากเป็นการบ่งชี้ที่ดีถึงคนพิมพ์ดีดทั่วไป “คนส่วนใหญ่ไม่ได้ใช้เวลาในการเรียนรู้คีย์บอร์ดทางเลือก” เขากล่าว

สำหรับความหมายของการศึกษานี้ Landay แนะนำว่าการศึกษานี้แสดงถึงเกณฑ์มาตรฐานที่สำคัญสำหรับการรู้จำเสียงพูด “ยังมีช่องว่างที่ต้องปรับปรุง แต่เราคิดว่าจุดเปลี่ยนบางอย่างได้ผ่านไปแล้ว” เขากล่าว “การปรับปรุงเพิ่มเติมจะมาในการจดจำชื่อ ทำงานได้ดีขึ้นในสภาพแวดล้อมที่มีเสียงดัง ฯลฯ”

เขากล่าวว่าสิ่งนี้เปิดโอกาสให้นักพัฒนาคิดอย่างจริงจังมากขึ้นเกี่ยวกับการรวมการรู้จำเสียงเข้ากับระบบของพวกเขาโดยไม่ต้องกังวล “สิ่งที่จะสมเหตุสมผลมากขึ้นเรื่อยๆ คือการอาศัยคำพูด” เขากล่าว “ตัวอย่างเช่น อินเทอร์เฟซหลายรูปแบบที่รวมคำพูดเข้ากับองค์ประกอบอื่นๆ เพื่อช่วยนำทางผู้คน ความท้าทายที่ยิ่งใหญ่ที่สุดคือการทำความเข้าใจ ความหมาย ของคำและประโยค ส่วนนั้นยังมีหนทางไป”

คำแนะนำของบรรณาธิการ

• การใช้ Alexa เป็นเรื่องยากหากคุณมีความบกพร่องด้านการพูด Voiceitt สามารถแก้ไขได้
• บริษัทจีนกำลังพัฒนาระบบจดจำใบหน้าที่สามารถระบุตัวคุณได้ภายใต้หน้ากาก
• Gboard ของ Google กำลังจะได้รับการพัฒนาให้ดีขึ้นมากในการรู้จำเสียง

อัพเกรดไลฟ์สไตล์ของคุณDigital Trends ช่วยให้ผู้อ่านติดตามโลกแห่งเทคโนโลยีที่เปลี่ยนแปลงไปอย่างรวดเร็วด้วยข่าวสารล่าสุด รีวิวผลิตภัณฑ์สนุกๆ บทบรรณาธิการที่เจาะลึก และการแอบดูที่ไม่ซ้ำใคร