Αναγνώριση ομιλίας

Στην επιστήμη της πληροφορικής, η αναγνώριση ομιλίας αναφέρεται στην μετάφραση προφερόμενων λέξεων σε κείμενο. Είναι επίσης αλλιώς γνωστή και ως "αυτόματη αναγνώριση ομιλίας", "υπολογιστική αναγνώριση ομιλίας" ή "speech-to-text" (STT), δηλαδή (μετατροπή) "από-ομιλία-σε-κείμενο".

Κάποια συστήματα αναγνώρισης ομιλίας χρησιμοποιούν "αναγνώριση ομιλίας ανεξάρτητη από τον ομιλήτη", ενώ άλλα χρησιμοποιούν "εξάσκηση", όπου ένα άτομο διαβάζει κομμάτια κειμένου σε ένα σύστημα αναγνώρισης ομιλίας. Τότε, αυτού του είδους τα συστήματα αναλύουν τη φωνή ενός ομιλητή και την χρησιμοποιούν για να προσαρμόσουν την αναγνώριση της ομιλίας του συγκεκριμένου ατόμου από τον υπολογιστή, με αποτέλεσμα την πιο ακριβή καταγραφή της. Συστήματα που δεν χρησιμοποιούν εξάσκηση ονομάζονται συστήματα "ανεξάρτητα από τον ομιλητή".

Οι εφαρμογές αναγνώρισης ομιλίας συμπεριλαμβάνουν τα Φωνητικά Περιβάλλοντα Χρήστη (Voice User Interfaces) όπως η φωνητική πληκτρολόγιση (π.χ. "Κάλεσε σπίτι"), ο έλεγχος των οικιακών ηλεκτρονικών συσκευών και συστημάτων (π.χ. "Άναψε φως"), η διαδικτυακή αναζήτηση, η απλή τοποθέτηση δεδομένων, η προετοιμασία δομημένων εγγράφων (π.χ. μία αναφορά ραδιολογίας), η επεξεργασία "από-ομιλία-σε-κείμενο" και τα αεροσκάφη.

Ο όρος αναγνώριση ομιλίας δεν αναφέρεται τόσο στο "ποιος" μιλάει, αλλά στο "τι" λέει. Αναγνωρίζοντας επιπλέον όμως και την ταυτότητα του ομιλητή είναι δυνατόν να διευκολυνθεί η διαδικασία της μετάφρασης της ομιλίας του σε συστήματα που έχουν προηγουμένως εξασκηθεί στην φωνή του συγκεκριμένου ατόμου ή ακόμη είναι δυνατόν να πιστοποιηθεί ή αναγνωριστεί η ταυτότητα του ομιλητή σε συστήματα ασφαλείας.