äänentunnistusta

Äänentunnistus on prosessi, jossa järjestelmä analysoi ja tulkitsee kuultua äänisignaalia sekä luokittelee sen eri kategorioihin. Keskeisiä tavoitteita ovat puheen tunnistus sekä ei-puheäänien, kuten ympäristö- tai musiikkiäänien, tunnistus. Äänentunnistus voi toimia sekä offline- että reaaliaikaisesti suoritetuissa sovelluksissa.

Tekniikat ja menetelmät perustuvat sekä perinteisiin signaalinkäsittelyn keinoihin että koneoppimiseen. Tavallisia esiprosessioreita ovat spektrigrammit ja havaitut ominaisuudet kuten MFCC:t (mel frequency cepstral coefficients). Luokittelussa käytetään malleja kuten tilastolliset mallit (GMM, HMM) sekä syvät neuroverkot (CNN, RNN, Transformer-pohjaiset mallit). Viimeaikaiset kehityssuuntautumat painottavat end-to-end-oppimista ja suuria, monisyisiä malleja, jotka voivat oppia ominaisuuksia suoraan raakadataan.

Sovellukset kattavat laajan kirjon. Puheentunnistus muuntaa puhuttua kieltä tekstiksi ja mahdollistaa puheohjauksen. Henkilötunnistus (speaker recognition) sekä äänilähteiden yksilöllinen tunnistaminen ovat keskeisiä turvallisuus- ja henkilökohtaisen assistentin sovelluksissa. Muita alueita ovat musiikin tunnistus ja meta­tiedon hakeminen (musiikki-identifikaatio), ympäristöäänien luokittelu (esim. kilpikonna- vai hälytysäänet) sekä ääni- ja teknologia-ensimmäiset sovellukset robotiikassa ja ajoneuvoissa.

Haasteet liittyvät etenkin melun ja monisävelisyyden hallintaan, taustamelun sopeutumiseen, äänilähteiden erotteluun sekä kulttuuri- ja puhujakohtaisiin vaihteluihin. Reaaliaikaisessa käytössä on kytketty vaihtelu ja laskennalliset rajoitteet sekä yksityisyyskysymykset, kun kerätään ja käsitellään henkilötietoja. Tutkimus etenee kohti parempaa robustiutta, yksilöllistä personointia ja parempaa yksiköiden tunnistamista sekä on-device- että edge-ympäristöissä.