Cơ sở nhận dạng tiếng nói

LÜnh vùc C«ng nghÖ th«ng tin

C¬ së nhËn d¹ng tiÕng nãi

ThS.§oµn Phan Long

Khoa Quèc tÕ -§µo t¹o sau ®¹i häc

Tóm t t: ắTù ®éng nhËn d¹ng tiÕng nãi lµ mét lÜnh vùc nghiªn cøu quan träng

®Ó ph¸t triÓn vµ ®a c¸c øng dông tù ®éng vµo nhiÒu Ngµnh. Ngoµi c¸c yÕu tè

vÒ c«ng nghÖ nhËn d¹ng tiÕng nãi, th× do tiÕng nãi cña mçi d©n téc cã nh÷ng

®Æc thï riªng, ®ßi hái ph¶i ®îc ph©n tÝch vµ t×m ra c¸c c«ng nghÖ ¸p dông phï

hîp. ë ViÖt nam, viÖc nghiªn cøu vµ ph¸t triÓn c¸c hÖ thèng nhËn d¹ng tiÕng

nãi cßn ®ang ë bíc ®Çu víi rÊt Ýt c¸c kÕt qu¶ ®îc c«ng bè. Bµi b¸o nµy nh»m môc

tiªu tæng hîp c¸c nghiªn cøu c«ng nghÖ ®· vµ ®ang ®îc ¸p dông trong c¸c hÖ

thèng nhËn d¹ng tiÕng nãi.

1. Lêi nãi ®Çu

Thêi gian tr íc ®©y, viÖc nhËn biÕt tiÕng nãi chØ ®îc thÓ hiÖn trong c¸c bé

phim viÔn tëng nh thuyÒn tr ëng Spok ®iÒu khiÓn con tµu vò trô Enterprise,

nh÷ng mÖnh lÖnh vµ nh÷ng ý tëng cña thuyÒn tr ëng ®îc m¸y tÝnh nhËn d¹ng,

thu nhËn vµ viÕt vµo bé nhí. HuyÒn tho¹i vÒ bé m¸y tÝnh HAL trong phim

“2001 cuéc phiªu lu trong vò trô” cßn cã kh¶ n¨ng cao h¬n lµ nhËn d¹ng lêi nãi tõ

sù cö ®éng cña m«i.

HiÖn t¹i, kh¶ n¨ng nµy vÉn cha thùc sù ®¸p øng, xong trong nh÷ng n¨m gÇn

®©y, nh÷ng hÖ thèng nhËn d¹ng tiÕng nãi ®· cã nh÷ng bíc ph¸t triÓn ®¸ng kÓ

vµ trong chõng mùc nµo ®ã, bªn c¹nh bµn phÝm vµ con chuét, nh÷ng phÇn

mÒm nhËn d¹ng tiÕng nãi ®· ®ãng vai trß lµ bé phËn nhËp d÷ liÖu rÊt tèt vµo

c¸c m¸y PC. §©y lµ bé phËn nhËp v¨n b¶n vµ d÷ liÖu còng nh ®Ó ®iÒu khiÓn

m¸y PC thùc hiÖn nh÷ng thao t¸c mµ ngêi sö dông ®ßi hái.

Nh÷ng h·ng c«ng nghÖ lín nh IBM vµ Phillip cã thÞ phÇn cao vµ uy tÝn, trong

nhiÒu n¨m ®· ®Çu t ®¸ng kÓ ®Ó dÇn hoµn chØnh c«ng nghÖ nhËn d¹ng nh»m

®a ra thÞ tr êng nh÷ng thÕ hÖ m¸y míi cã tÝch hîp c«ng nghÖ nhËn d¹ng tiÕng

nãi. Song song víi c¸c h·ng nµy, nh÷ng c«ng ty míi nh Dragon System, Lernout &

Hauspie còng ®Èy nhanh qu¸ tr×nh ®Çu t nghiªn cøu cña m×nh.

2. C¬ së nhËn d¹ng tiÕng nãi

TiÕng nãi lµ c«ng cô truyÒn ®¹t th«ng tin quan träng nhÊt cña con ngêi. §èi víi

chóng ta, tiÕng nãi lµ c¸i g× ®ã rÊt tù nhiªn, do vËy b×nh th êng chóng ta còng

kh«ng ®Ó ý xem qu¸ tr×nh nhËn d¹ng tiÕng nãi diÔn ra nh thÕ nµo, t¹i sao ta

l¹i cã thÓ hiÓu ®îc c¸c tõ, c¸c c©u mét c¸ch rÊt ®¬n gi¶n nh vËy.

Häc viÖn C«ng nghÖ BCVT

Héi nghÞ Khoa häc lÇn thø 5

NÕu m¸y tÝnh còng cã thÓ hiÓu ®îc tiÕng nãi tù nhiªn cña con ngêi th× kh«ng

nh÷ng ®¬n gi¶n rÊt nhiÒu cho qu¸ tr×nh trao ®æi ngêi - m¸y mµ m¸y tÝnh cßn

cã thÓ ¸p dông ®îc vµo nhiÒu lÜnh vùc kh¸c.

Nh÷ng nghiªn cøu c¬ b¶n trong lÜnh vùc nhËn d¹ng tiÕng nãi cña thËp kû qua

®· gãp phÇn ®a c«ng nghÖ nhËn d¹ng cã nh÷ng ph¸t triÓn ®¸ng kÓ trong c¸c

lÜnh vùc sö lý v¨n b¶n, viÔn th«ng, c¬ së d÷ liÖu còng nh qu¸ tr×nh giao tiÕp víi

hÖ thèng chuyªn gia.

Qu¸ tr×nh ph¸t triÓn cña c¸c gi¶i ph¸p nhËn d¹ng tiÕng nãi ®îc tham gia bëi:

- C«ng nghÖ m¸y tÝnh vµ lËp tr×nh

- Ng÷ ©m

- Ng«n ng÷ häc

- NhËn d¹ng mÉu

- TrÝ tuÖ nh©n t¹o....

Nh÷ng hÖ thèng tù ®éng nhËn d¹ng tiÕng nãi lu«n cè g¾ng m« pháng l¹i qu¸

tr×nh nhËn d¹ng tiÕng nãi cña con ngêi. Bªn c¹nh bµn phÝm vµ chuét th×

Microphone lµ kh¶ n¨ng míi ®Ó nhËp d÷ liÖu vµ giao tiÕp víi m¸y PC.

3. LÞch sö cña c«ng nghÖ nhËn d¹ng tiÕng nãi

NhËn d¹ng tiÕng nãi tù ®éng ®· cã lÞch sö kho¶ng 40 n¨m nay. Nh÷ng nh©n tè

quan träng gióp cho sù ph¸t triÓn cña c«ng nghÖ nhËn d¹ng nµy cã thÓ kÓ ®Õn

nh sù ph¸t triÓn cña c¸c hÖ thèng ph©n tÝch phæ ©m thanh (1946) thÓ hiÖn díi

d¹ng trùc quan c¸c tÝn hiÖu ©m, Lý thuyÕt t¹o ©m thanh tiÕng nãi cña con ngêi

(1948) vµ tÊt nhiªn ph¶i kÓ ®Õn sù xuÊt hiÖn vµ ph¸t triÓn cña c¸c hÖ thèng

m¸y tÝnh sè th¬ng m¹i ®Çu tiªn trªn thÕ giíi (1958).

HÖ thèng nhËn d¹ng tiÕng nãi ®Çu tiªn cã kh¶ n¨ng nhËn d¹ng tõ rêi r¹c vµ phô

thuéc ngêi nãi ®Ó ph©n tÝch vµ nhËn d¹ng c¸c ch÷ sè hoÆc c¸c tõ ®¬n ©m sö

dông ®Æc tÝnh miÒn thêi gian vµ c¸c ng©n hµng bé läc t ¬ng tù. T¬ng tù nh

vËy, víi ph¬ng ph¸p ©m häc, hÖ thèng nhËn d¹ng ©m vÞ phô thuéc ngêi nãi vµ

kh«ng phô thuéc ngêi nãi ®îc thiÕt kÕ mÆc dï míi cho ®îc c¸c kÕt qu¶ cßn rÊt

khiªm tèn.

Trong thËp kû 70, víi sù ph¸t triÓn cña c¸c thuËt to¸n ph©n tÝch tÝn hiÖu (m«

h×nh dù ®o¸n tuyÕn tÝnh, so s¸nh mÉu theo thêi gian) c«ng nghÖ nhËn d¹ng

tiÕng nãi ®îc tiÕp tôc ph¸t triÓn m¹nh mÏ. Víi c¸c ph¬ng ph¸p nµy c¸c hÖ thèng

nhËn d¹ng víi sè lîng tõ rÊt lín kh«ng phô thuéc ngêi nãi ®· ®îc thùc thi.

Trong nh÷ng n¨m 60 cña thÕ kû 20, nhiÒu phßng thÝ nghiÖm cña nhiÒu h·ng

lín ®· ®îc ®Çu t ®Ó nghiªn cøu ph¸t triÓn c¸c hÖ thèng nhËn d¹ng tiÕng nãi cña

Häc viÖn C«ng nghÖ BCVT

LÜnh vùc C«ng nghÖ th«ng tin

c¸c ng«n ng÷ kh¸c nhau. §Õn ®Çu nh÷ng n¨m 80 kh¶ n¨ng vÒ hiÓu biÕt còng

nh vÒ kü thuËt ®· cho phÐp c¸c nhµ nghiªn cøu x©y dùng c¸c hÖ thèng nhËn

d¹ng ®îc hµng tr¨m c¸c tõ rêi r¹c. Sau ®ã c«ng nghÖ nhËn d¹ng ®· cã nh÷ng bíc

ph¸t triÓn v« cïng nhanh chãng.

4. C¸c vÊn ®Ò kü thuËt

NhËn d¹ng tiÕng nãi lµ vÊn ®Ò ®îc bµn luËn vµ ®· ®îc c¸c nhµ nghiªn cøu ph©n

lo¹i thµnh c¸c hÖ thèng nhËn d¹ng kh¸c nhau cho nh÷ng môc ®Ých sö dông kh¸c

nhau. H×nh díi ®©y m« t¶ mét c¸i nh×n kh¸i qu¸t vÒ sù ph©n lo¹i c¸c hÖ thèng

nhËn d¹ng tiÕng nãi, trong ®ã c¸c hÖ thèng nhËn d¹ng tiÕng nãi ®îc ph©n

thµnh hai nhãm riªng biÖt. Mét nhãm chuyªn ®îc sö dông víi môc ®Ých ®iÒu

khiÓn thiÕt bÞ th«ng qua tiÕng nãi vµ mét nhãm chuyªn xö lý tõ tiÕng nãi sang

v¨n b¶n (Speech to Text)

H×nh 1: Ph©n lo¹i c¸c hÖ thèng nhËn d¹ng tiÕng nãi

4.1. NhËn d¹ng tiÕng nãi ®Ó ®iÒu khiÓn vµ ra lÖnh cho thiÕt bÞ

Trong c¸c hÖ thèng ®iÒu khiÓn thêng sö dông mét th viÖn tõ rÊt h¹n chÕ, bëi

v× ®Ó ®iÒu khiÓn mét thiÕt bÞ ®ßi hái sè lîng c¸c lÖnh rÊt h÷u h¹n vµ kh«ng

cÇn mét kÕt nèi trùc tiÕp ®Õn hÖ thèng m¸y tÝnh nhËn d¹ng tiÕng nãi. Nh

vËy ®Ó nhËp d÷ liÖu gi¸n tiÕp ngêi ta cã thÓ sö dông qua nhiÒu m«i tr êng nh

®êng tho¹i, microphone... vÝ dô trong øng dông Telephone Banking mµ hÖ thèng

Infogate cña Trung t©m C«ng nghÖ Th«ng tin CDIT ®ang ¸p dông trªn m¹ng sö

Häc viÖn C«ng nghÖ BCVT

Ph¸t ©m tõ

rêi r¹c

Ph¸t ©m tõ

rêi r¹c

Ph¸t ©m

liªn tôc

Telephone

banking

T×m d÷

liÖu qua

tho¹i

§iÒu

khiÓn

thiÕt bÞ

Ph¸t ©m

liªn tôc

NhËn

d¹ng ng-êi

nãi

Thêi gian

thùc

Cã tiÕp xóc

víi PC

§iÒu khiÓn, r a lÖnh

NhËn d¹ng

tiÕng nãi

V¨n b¶ n

Kh«ng tiÕp

xóc víi PC

Kh«ng thêi

gian thùc

Héi nghÞ Khoa häc lÇn thø 5

dông nhËp d÷ liÖu vÝ dô qua bµn phÝm m¸y ®iÖn tho¹i ®Ó vÊn tin vµ t¹o c¸c

giao dÞch tiÒn tÖ vµ tiÕn tíi sau nµy cã thÓ th«ng qua giäng nãi, tiÕng nãi ®Ó

®iÒu khiÓn c¸c giao dÞch.

§iÒu khiÓn thiÕt bÞ th«ng qua tiÕng nãi kÕt nèi trùc tiÕp tíi m¸y tÝnh ph¶i

kÓ ®Õn tr íc hÕt ®ã lµ c¸c hÖ thèng ®iÒu khiÓn th«ng qua c¸c lÖnh b»ng tiÕng

nãi ®Ó ®iÒu khiÓn c¸c hÖ thèng m¸y mãc lµm viÖc theo ý cña ngêi sö dông.

4.2. NhËn d¹ng tiÕng nãi ®Ó xö lý v¨n b¶n

Qu¸ tr×nh nhËn d¹ng tiÕng nãi lµ qu¸ tr×nh mµ hÖ thèng chuyÓn ®æi c¸c tõ ®îc

nãi thµnh v¨n b¶n viÕt hay cô thÓ h¬n lµ chuyÓn ®æi tõ c¸c tÝn hiÖu ©m tÇn

vÒ nguyªn t¾c ph¶i cã vèn tõ rÊt lín ®Ó cã kh¶ n¨ng ®¹t ®îc kÕt qu¶ nhËn d¹ng

tiÕng nãi nh mong muèn. Mét sè hÖ thèng cã thÓ nhËn d¹ng theo thêi gian

thùc, mét sè hÖ thèng kh¸c l¹i lµm viÖc ë chÕ ®é xö lý lÇn l ît (Batch Job). Trong

chÕ ®é thêi gian thùc, kÕt qu¶ lµ v¨n b¶n ®îc thÓ hiÖn trªn mµn h×nh m¸y

tõng tõ rêi r¹c?

4.3.HÖ thèng nhËn d¹ng tiÕng nãi rêi r¹c

chÕ kho¶ng 1.000 tõ kh«ng phï hîp cho c¸c m«i tr êng nh v¨n phßng lµm viÖc,

bÖnh viÖn, c¸c c«ng së ... lý do rÊt ®¬n gi¶n lµ trong nh÷ng m«i tr êng trªn c¸c

hÖ thèng nhËn d¹ng ®ßi hái ph¶i cã kh¶ n¨ng lµm viÖc víi sè lîng tõ rÊt nhiÒu

tèi thiÓu ph¶i trªn díi 60.000 tõ, phô thuéc ng÷ c¶nh vµ ph¶i kh«ng phô thuéc

ngêi nãi.

4.4.HÖ thèng nhËn d¹ng tiÕng nãi liªn tôc

kia kh«ng cã giai ®o¹n nghØ gi÷a chõng. §èi víi con ngêi th× qu¸ tr×nh nhËn

ng¾t qu·ng gi÷a hai tõ c¹nh nhau.

Häc viÖn C«ng nghÖ BCVT

LÜnh vùc C«ng nghÖ th«ng tin

HÖ thèng nhËn d¹ng ph¶i quyÕt ®Þnh rÊt nhanh ®iÓm nµo lµ ®iÓm kÕt thóc

®u«i nèi tiÕp sang tõ kia.

Nhê sù ph¸t triÓn nhanh chãng cña c«ng nghÖ tin häc vµ m¸y tÝnh ®Æc biÖt lµ

liªn tôc.

4.5.NhËn d¹ng tõ rêi r¹c vµ nhËn d¹ng tiÕng nãi liªn tôc

gi¶i thÝch râ h¬n vÒ hai kh¸i niÖm nµy.

vµ v¨n b¶n lµ c¸c mÉu tÝn hiÖu t¹o ra. Mét mÉu tÝn hiÖu cã sù thèng nhÊt

¬ng øng víi mét mÉu tÝn hiÖu ®îc gäi lµ nhËn d¹ng tõ rêi r¹c.

4.6.Phô thuéc ngêi nãi, kh«ng phô thuéc ngêi nãi

HÖ thèng nhËn d¹ng kh«ng phô thuéc ngêi nãi cã kh¶ n¨ng lµm c«ng viÖc nhËn

d¹ng víi bÊt kú ngêi nãi nµo mµ kh«ng cÇn cã giai ®o¹n luyÖn. §èi víi hÖ thèng

nhËn d¹ng ®Ó xö lý v¨n b¶n th× vÊn ®Ò ®éc lËp víi ngêi nãi ®îc dùa vµo vèn tõ

hay c¶ hÖ thèng. §èi víi c¸c hÖ thèng nhËn d¹ng kh«ng cã th viÖn tõ ®éc lËp víi

ngêi nãi (C¬ së d÷ liÖu cña mét sè Ýt giäng nãi) th× ngêi sö dông tr íc tiªn ph¶i

cña m×nh. NÕu th viÖn mÉu cã ®ñ sè lîng tõ cÇn thiÕt th× chÊt lîng vµ kÕt

qu¶ nhËn d¹ng cña hÖ thèng sÏ t¨ng lªn, sai sè sÏ gi¶m xuèng. Xong bï l¹i ngêi sö

dông ph¶i cã thêi gian ®ñ lín ®Ó cho qu¸ tr×nh chuÈn bÞ tøc lµ luyÖn cho m¸y

Häc viÖn C«ng nghÖ BCVT

Cơ sở nhận dạng tiếng nói

Chủ đề:

Tài liệu liên quan

Tài liêu mới

AI tóm tắt

Giới thiệu tài liệu

Đối tượng sử dụng

Từ khoá chính

Nội dung tóm tắt

Hỗ trợ

Phương thức thanh toán

Theo dõi chúng tôi