자동 음성 인식 ( ASR ) 음성 단어를 텍스트로 바꾸어 음성 업계를 기계 학습과 인공 지능을 사용하여 사람들의 말을 이해하고 기록합니다. 지난 10 년 동안 ASR은 많이 성장했습니다. 이제는 전화, 비디오, 미디어 수표 및 온라인 회의와 같은 많은 영역에서 사용됩니다.

ASR을 수행하는 오래된 방법은 숨겨진 Markov 모델 (HMM) 및 가우스 혼합 모델 (GMM)을 사용하는 것이 었습니다. 이 방법은 15 년 동안 사용되었습니다. 그러나 많은 일과 특별한 훈련이 필요했습니다.

ASR의 새로운 딥 러닝 모델이 더 좋습니다. 더 정확하고 사용하기 쉽습니다. 특별한 교육 데이터가 필요하지 않으며 추가 도움없이 연설을 잘 적을 수 있습니다.

어셈블리의 API와 같은 음성 텍스트 API 덕분에 ASR은 이제 사용하기가 더 쉽습니다. 개발자, 신생 기업 및 대기업은 제품에 쉽게 ASR을 추가 할 수 있습니다. 이 기술은 많은 영역에서 통화 추적, 비디오 캡션, 미디어 확인 및 온라인 회의와 같이 더 나은 상황을 만들기 위해 사용됩니다.

그러나 ASR에는 여전히 몇 가지 문제가 있습니다. 사람들이 말하는 방식으로 인해 연설을 완벽하게 이해하기가 어렵습니다. 이러한 문제에도 불구하고 ASR에 대한 수요가 증가하고 있습니다. 2025 년까지 249 억 달러의 가치가있을 것으로 예상됩니다.

ASR은 음성 오버뿐만 아니라 많은 영역에서 사용됩니다. 자동차에서는 음성 명령으로 더 안전하게 운전하는 데 도움이됩니다. 건강 관리에서는 의사가 환자 정보를 작성하는 데 도움이됩니다. 또한 전화를 전사하고 AI 챗봇과 협력하여 고객 문제를 더 빨리 해결하는 데 도움이됩니다.

요약하면 ASR은 음성 업계를 . 음성을 빠르고 정확하게 만듭니다. 더 나아질수록 ASR은 많은 분야에서보다 쉽게 ​​접근 가능하고 효율적이며 비용 효율적으로 만드는 데 도움이됩니다.

ASR의 간단한 역사

ASR 기술은 1950 년대에 시작되었습니다. "Audrey"라는 첫 번째 시스템은 Bell Labs에 의해 만들어졌습니다. 그 이후로 기계 학습과 딥 러닝을 사용하여 더 나아졌습니다.

오래된 ASR 시스템은 숨겨진 Markov 모델 (HMMS)과 같은 모델을 사용했습니다. 이 시스템에는 언어 모델, 발음 사전 및 HMM이있었습니다. 그들은 연설을 잘 인식하기 위해 큰 데이터 세트에 대해 훈련을 받았습니다. 이 작업은 오늘날의 ASR 시스템을 만드는 데 도움이되었습니다.

Baidu의 종이와 함께 2014 년에 큰 변화가있었습니다. ASR에 딥 러닝 사용에 대해 이야기했습니다. 이 메소드는 심층 신경망을 사용하여 오디오를 단어에 매핑합니다. 그것은 ASR을 훨씬 더 정확하게 만들었습니다.

이제 우리는 오래된 ASR 방법과 새로운 ASR 방법을 모두 사용합니다. 오래된 길은 강하고 유연합니다. 새로운 방법은 더 간단하고 Raw Audio를 배우면 더 정확할 수 있습니다.

ASR은 음성 세계와 같은 많은 산업을 돕습니다. Siri, Alexa 및 Google Assistant에 힘을 발휘하여 장치와 쉽게 대화 할 수 있습니다. 또한 빠르고 정확한 연설에 도움이되어 많은 사람들을 돕습니다.

ASR의 미래는 밝게 보입니다. Openai의 Whisper와 같은 새로운 기술은 전사를 더 좋게 만들 수 있습니다. 딥 러닝과 AI에 대한 연구는 ASR을 더 정확하게 만들 것입니다. NLP 기술을 추가하면 머신이 음성에 대해 더 많이 이해하는 데 도움이됩니다.

ASR의 주요 응용 프로그램 및 과제

Voiceover 산업과 같은 많은 분야에서 매우 중요합니다 . 자동 전사, 비디오 용 실시간 캡션 및 자막에 도움이됩니다. 또한 전화 시스템, 고객 서비스, 언어 번역, 의료 및 법률 업무에도 사용됩니다. 이 기술은 일이 작동하는 방식을 바꾸고, 액세스하기 쉽고, 비용을 절감했습니다.

그러나 ASR은 큰 도전이 . 인간만큼 좋게되도록하는 것은 어렵습니다. 말하기 스타일과 맥락에서 단어를 이해하는 데 어려움이 있습니다. 연구원들은 새로운 학습 모델로 더 나은 것을 만들기 위해 열심히 노력하고 있습니다.

충분한 데이터와 교육을받는 것은 또 다른 큰 문제입니다. 이제 우리는 수천 또는 수십만 시간의 데이터가 필요합니다. 회사는 또한 음성 AI 시스템을 설정하는 비용과 시간으로 어려움을 겪고 있습니다. 그러나 금융 서비스 및 건강 관리와 같은 일부 산업은 실제로 음성 기술을 많이 사용하고 있으며 더 많이 사용할 계획입니다.

Statista의 설문 조사에 따르면 비즈니스의 73%가 충분히 정확하지 않기 때문에 Voice Tech를 사용하지 않습니다. 다양한 산업에는 ASR 및 NLP에 대한 자체 언어 모델이 필요합니다. NLP는 속어를 다루거나 업데이트가 필요한 것과 같은 고유 한 문제가 있습니다. 그러나 음성 인식 시장은 2029 년까지 거의 5 천만 달러에 달할 것으로 예상됩니다.

McKinsey의 연구에 따르면 ASR은 콜센터에서 고객 서비스를 실제로 개선 할 수 있습니다. 더 빨리 만들고, 더 나은 자조 옵션을 제공하며, 고객과 더 나은 대화를 나눌 수 있습니다. 미국 소비자의 50%가 매일 음성 검색을 사용하기 때문에 ASR은 회사와 많은 대화 방식을 바꿀 수 있습니다.

FAQ

자동 음성 인식 (ASR)이란 무엇이며 음성 산업에 어떻게 혁명을 일으키는가?

ASR은 기계 학습과 인공 지능을 사용하여 음성 단어를 텍스트로 바꿉니다. 그것은 연설에서 실시간 텍스트를 만들어 음성 세계를 바꿉니다. 이제 Tiktok, Instagram 및 Spotify의 캡션에 도움이되어보다 접근 가능하고 효율적입니다.

ASR의 역사는 무엇입니까?

첫 번째 ASR 시스템 인 "Audrey"는 1950 년대 Bell Labs에서 시작되었습니다. 시간이 지남에 따라 기계 학습은 ASR이 훨씬 나아졌습니다. 이제 전통적인 방법과 딥 러닝 방식의 두 가지 주요 방법이 있습니다. 각각 고유 한 좋은 점과 단점이 있습니다.

ASR의 주요 응용 프로그램과 과제는 무엇입니까?

ASR은 많은 영역에서 사용됩니다. VoiceOvers에서는 자동 쓰기, 라이브 캡션 및 자막에 도움이됩니다. 또한 전화 시스템, 고객 서비스, 언어 번역, 의료 및 법률 업무에도 있습니다. 그러나 여전히 인간의 정확성, 특히 음성 변화와 일치하는 데 어려움이 있습니다. 연구원들은 그것을 더 좋게 만들기 위해 열심히 노력하고 있습니다.