فناوری تشخیص گفتار و تشخیص صدا

فناوری تشخیص گفتار چگونه عمل می کند؟

فناوری تشخیص گفتار پس از ساخت یک مدل دیجیتال از صدای فرد می تواند به عنوان الگویی از صدای فرد ذخیره شود. واژه ها و عبارات به انواع مختلف الگوهای فرکانس تقسیم می شوند که با یکدیگر ترکیب می شوند و روش منحصر بفردی از صحبت کردن را توصیف می کنند. این الگوها در پایگاه داده جهت تطبیق با دیگر انواع داده های بیومتریک ذخیره می شوند.

این سیستم ها می توانند وابسته به متن، یا مستقل از متن باشند و یا گاهی ترکیبی از آنها. به عنوان مثال می توانند جهت شناسایی پرسنل در دستگاه های کنترل دسترسی و حضور و غیاب مورد استفاده قرار گیرند. در سیستم های وابسته به متن، اعداد یا عبارت کلمه عبور بیان شده با نمونه ای از کلمات مشابه که به هنگام ثبت نام ذخیره شده بود، مقایسه می گردد و کاربر تایید یا رد می گردد . تکنولوژی مستقل از متن نیازی به بیان کلمه عبور خاصی ندارد بلکه ویژگی های صوتی منحصر به فرد شخص سخنران به هنگام صحبت تحلیل و سپس شناسایی می شود.

کاربردهای عملی تشخیص صدا و گفتار:

• فناوری تشخیص صدا و گفتار در تمام دستگاه ها در ابتدا نیازمند یک میکروفون برای شنیدن است. احتمالا شما اپلیکیشن تشخیص صدا در تلفن همراه خود دارید. در گوشی های اندروید اپلیکیشن OK Google و در ویندوز10 برنامه Cortana شرکت مایکروسافت می توانند جستجو و وظایف اصلی را بر اساس فرمان صوتی انجام دهند.(مانند پخش کردن موزیک، برقراری تماس تلفنی، جستجوی اینترنتی و.)
• جهت حفاظت و دسترسی فیزیکی نیز می توان از تکنولوژی تشخیص گفتار استفاده کرد، به عنوان مثال برای ورود کارکنان به قسمت انبار یا آزمایشگاهها کاربرانی که قبلا هویت خود را با فناوری تشخیص گفتار ثبت نموده اند، اکنون می توانند از مکان هایی که در پروفایلشان تعریف شده است به آسانی تردد نمایند. تایید هویت با شناسایی گفتار همراه با GPS برای ردیابی نگهبانان امنیتی جهت اطمینان از اینکه واقعا سر پست خود هستند و شخص دیگری به جای آنها حاضر نشده است، بسیار مورد استفاده می باشد.
• اپلیکیشن بانکی USAA از تشخیص چهره و تشخیص صدا استفاده می کند تا شرایط آسان و در عین حال امنی را برای مشتریان فراهم نماید که در این میان فناوری تشخیص گفتار قدرت بالایی در تشخیص زودهنگام نسبت به سایر عامل های شناسایی تشخیص هویت دارد.
• از آنجایی که کاربرد تمام انواع بیومتریک در حال افزایش است، احراز هویت مبتنی بر صدا یک رویکردی است که به نظر می رسد کاربران در مقابل این فناوری مقاومت کمتری نسبت به سایر تکنولوژی ها نشان می دهند زیرا این فناوری بدون تماس بوده و کاربران بسیار آسان با آن ارتباط برقرار می کنند.
• به رسمیت شناختن صدا جهت احراز هویت به طور چشمگیری در مرکز تماس(Call Center) نتایج خوبی در برداشته است. Swisscom، یکی از بزرگترین ارتباطات مخابراتی در سوئیس، به تازگی فناوری تشخیص گفتار را در مرکز تماس خود را راه اندازی نموده است.