التعرف الآلي على الكلام (ASR)

تعريف

التعرف الآلي على الكلام (ASR) هو تقنية تُحوّل اللغة المنطوقة إلى نص تلقائيًا باستخدام نماذج الذكاء الاصطناعي. وتُشغّل هذه التقنية تطبيقات النسخ والصوت.

الهدف

الهدف هو تمكين الآلات من فهم الكلام البشري. يُستخدم هذا في المساعدين الصوتيين، وأدوات الإملاء، وخدمة العملاء، وتقنيات إمكانية الوصول.

أهمية

• التكنولوجيا الأساسية وراء واجهات الصوت.
• يساعد على كسر الحواجز للأشخاص ذوي الإعاقة.
• تختلف الدقة باختلاف اللغة واللهجة والضوضاء الخلفية.
• يتطلب التحسين المستمر مع البيانات الجديدة.

كيف تعمل هذه التقنية؟

1. التقاط إدخال الصوت من خلال الميكروفون أو الملف.
2. معالجة وتطبيع الإشارة الصوتية.
3. استخرج الميزات (على سبيل المثال، الفونيمات، والنماذج الصوتية).
4. تطبيق نماذج اللغة لتفسير الكلام سياقيًا.
5. إخراج النص للاستخدام الإضافي.

أمثلة (العالم الحقيقي)

• Apple Siri: ASR المستخدم في المساعد الصوتي.
• واجهة برمجة تطبيقات تحويل الكلام إلى نص من Google Cloud: النسخ للتطبيقات.
• خدمات Microsoft Azure المعرفية: التعرف التلقائي على الكلام (ASR) لتطبيقات المؤسسات.

المراجع / قراءات إضافية

• التعرف التلقائي على الكلام - NIST.
• التعرف على الكلام - جمعية معالجة الإشارات IEEE.
• معالجة الكلام واللغة - جورافسكي ومارتن، ستانفورد.
• ما هو ASR (التعرف التلقائي على الكلام) – Shaip