kõnetöötlust

Kõnetöötlus on tehisintellekti ja signaalitöötluse valdkond, mis tegeleb kõne ja hääle analüüsi, mõistmise ja sünteesiga arvutites. See hõlmab kõnetuvastust, kõnesünteesi, hääleomaduste eristamist ning kõne kvaliteedi parandamist ja teisendamist. Kõnetöötluse süsteeme rakendatakse nii kõnetuvastuses ja automaatses transkriptsioonis kui ka kõnesünteesis ning hääle identifikatsioonis ja turvalisuses.

Kõnetuvastus konverteerib kõne tekstiks või järjestuseks, mida masin saab töödelda. Tavapärases töös kasutatakse helipuhastust ja normaliseerimist, tunnuste väljavõttu (nt MFCC-d) ning akustilist mudelit koos keeletasemel modelleerimisega; kaasaegsed süsteemid eelistavad süvaõppe ja end-to-end lahendusi, mis ühendavad kõnele orienteeritud modelleerimise ja keelenägemise. Kõnesüntees teisendab teksti kõneks: esmalt toimub lingvistiline ja fonoloogiline töötlemine, seejärel genereeritakse akustilised parametrite ja vokoderi abil loomulik kõne. Neuraalsed vokoderid parandavad helikvaliteeti ja loomulikkust.

Rakendused hõlmavad virtuaalseid assistente ja nutikaid kõnebotte, automaatset kõnetranskriptsiooni ning ligipääsetavuse lahendusi inimestele, kelle kuulmine või nägemine on piiratud; samuti keeletehnoloogiad ja keeleõpe. Samas kerkivad esile väljakutsed, nagu andmekaitse ja privaatsus, andmekirjad ning mitmekeelsete süsteemide arendamise vajadus.