Современные речевые технологии
Распознавание речи (отдельная лекция)
Синтез речи по тексту (отдельная лекция)
Наиболее известное и давнее направление. Достаточно исследованное направление Еще 15 лет назад появилась т.н. «говорилка» - знают многие, но работает она плохо.
Выделение ключевых слов в слитной речи
Технология поиска ключевых слов решает задачу поиска нужного слова или словосочетания в речевом потоке. Системы выделения ключевых слов дают возможность анализировать ежедневные диалоги между людьми с указанием места ключевых слов в потоке речи. Они позволяют извлекать нужную информацию из большого потока телефонных разговоров, несмотря на спонтанную организацию диалога, неограниченный лексикон, количество собеседников и шумовые помехи. Процесс поиска может быть либо в реальном времени, либо в сформированных звуковых файлах.
Технология поиска ключевых слов тесно связана с технологией распознавания речи, и до недавнего времени была её составляющей. Фактически же грань между технологиями условна. При хорошем распознавании слитной речи и преобразовании её в печатный вид проблема поиска ключевых слов отпадает сама собой: поиск будет осуществляться в сформированном тексте. Тем не менее, в связи с недостаточным качеством работы современных систем распознавания слитной речи, подобный подход вовсе не является идеальным решением.
Задача нахождения ключевых слов в потоке речи может быть разделена на несколько направлений:
· Непосредственно выявление и определение места ключевого слова или словосочетания (поиск в фонограмме речи, речевых базах, поиск в реальном времени)
· Распознавание команд в слитном потоке речи, навигация по меню (menu-drive)
· Понимание смысла речи посредством поиска ключевых слов или фраз, для диалоговых систем
Области применения
Системы поиска ключевых слов востребованы в службах безопасности, телекоммуникационных компаниях, радиокомпаниях, телекомпаниях, Call-центрах и других организациях, использующих большой поток или архив речевой информации. Они нужны для оперативного поиска информации в больших массивах данных. Системы поиска ключевых слов можно использовать не только в телефонных разговорах, но и видео, аудио потоках, что значительно ускоряет процесс отслеживания информации.
Использование данных систем с целью государственной безопасности стало следствием все возрастающих в последнее время террористических актов. В call-центрах данные системы используются для контроля работы операторов. В спорных или конфликтных ситуациях супервайзер всегда может подключиться к разговору. Также данная технология очень эффективно может быть применена для анализа запросов клиентов, что позволяет проанализировать смещение спроса, интерес к новым продуктам и поможет сделать вывод о перспективе развития отдельных направлений компании.
Подходы к выделению ключевых слов:
· Поиск по шаблону - для каждого ключевого слова записывается несколько вариантов его произнесения различными дикторами, на основе чего создается шаблон, который используется для организации поиска данного слова в речевом массиве при помощи алгоритмов динамического программирования. Главным недостатком такого подхода является то, что создание шаблона для каждого слова является достаточно затратным процессом (слово нельзя просто ввести с клавиатуры).
· Поиск по фонемной решетке - при помощи системы распознавания фонем для речевого сигнала строится большая сеть возможных звуков в различные моменты времени, по которой осуществляется поиск возможных произношений слова или фразы. Данная технология схожа с поиском по тексту на выходе системы распознавания, но работает на уровне звуков, а не целых слов.
· Поиска на основании скрытых марковских моделей (СММ) - для каждого введенного с клавиатуры ключевого слова создается соответствующая его произнесению СММ, которая и используется при поиске в звуковом сигнале. Это один из наиболее перспективных на данный момент методов, он обеспечивает достаточно высокий процент правильно выделенных ключевых слов.
Определение языка сообщений
Когда человек звонит в автоматизированный контакт-центр, и начинает взаимодействовать с автоматической системой IVR, то вначале неплохо бы определить, на каком языке говорит звонящий, чтобы потом включить систему распознавания, которая настроена на данный конкретный язык)
