Học máy đã và đang phát triển nhanh chóng trên toàn thế giới. Ngày càng có nhiều tập đoàn đưa sản phẩm của họ ra công chúng. Các nhà phát triển có thể sử dụng máy học để đổi mới trong việc tạo trợ lý thông minh để phân tích giọng nói
“Tiếng nói là tương lai. Những gã khổng lồ công nghệ thế giới đang tranh giành thị phần quan trọng, với cả Google và Amazon đều đặt các thiết bị hỗ trợ giọng nói làm cốt lõi trong chiến lược của họ. ”
— Clark Boyd, Chuyên gia tiếp thị nội dung ở NYC
Học máy đã dẫn đến những tiến bộ lớn trong nhận dạng giọng nói. Google đã kết hợp công nghệ mới nhất với sức mạnh điện toán đám mây để chia sẻ dữ liệu và cải thiện độ chính xác của các thuật toán máy học
Bạn thậm chí không cần phải là một lập trình viên để tạo một trợ lý giọng nói đơn giản. Tất cả những gì bạn cần làm là xác định những tính năng mà bạn muốn trợ lý của mình có và những nhiệm vụ mà nó sẽ phải thực hiện cho bạn. Sau đó, bạn có thể sử dụng các thư viện Python để tận dụng mô hình của các nhà phát triển khác, đơn giản hóa quá trình viết bot của bạn. Một số tập đoàn xây dựng và sử dụng các trợ lý này để hợp lý hóa các giao tiếp ban đầu với khách hàng của họ
Phân tích âm thanh Python
Nhu cầu xử lý nội dung âm thanh tiếp tục tăng lên với sự xuất hiện của các sản phẩm thay đổi cuộc chơi mới nhất, chẳng hạn như Google Home và Alexa. Do đó, làm việc với dữ liệu âm thanh đã trở thành một hướng nghiên cứu và hướng đi mới cho các nhà phát triển trên toàn thế giới
“Bạn không cần phải quay số trong một cuộc gọi hội nghị nữa,” CTO Amazon Werner Vogels cho biết. “Chỉ cần nói, 'Alexa, bắt đầu cuộc họp. ’”
Nhận dạng giọng nói là quá trình chuyển đổi lời nói thành văn bản. Python hỗ trợ nhiều công cụ và API nhận dạng giọng nói, bao gồm Google Speech Engine và Google Cloud Speech API
Các ứng dụng có thể mở rộng sang nhận dạng giọng nói, phân loại nhạc, gắn thẻ và tạo và mở đường cho Python SciPy cho các tình huống sử dụng âm thanh sẽ là kỷ nguyên mới của học sâu
Nội dung âm thanh đóng một vai trò quan trọng trong thế giới kỹ thuật số. Do đó, chúng tôi cần các mô-đun có thể phân tích chất lượng của nội dung đó. Trợ lý giọng nói là một cách để tương tác với nội dung bằng giọng nói. Với sự giúp đỡ của họ, bạn có thể thực hiện nhiều hành động khác nhau mà không cần dùng đến các tìm kiếm phức tạp. Tất cả những gì bạn phải làm là nói chuyện với trợ lý và nó sẽ phản hồi chỉ trong vài giây
Nhận dạng giọng nói yêu cầu đầu vào âm thanh. Nhận dạng giọng nói giúp máy dễ dàng hiểu đầu vào đó. Thay vì tạo tập lệnh để truy cập micrô và xử lý tệp âm thanh từ đầu, Nhận dạng giọng nói cho phép bạn bắt đầu chỉ sau vài phút. Tuy nhiên, xử lý tín hiệu Keras, một thư viện phần mềm nguồn mở cung cấp giao diện Spectrogram Python cho các mạng thần kinh nhân tạo, cũng có thể trợ giúp trong quá trình nhận dạng giọng nói. Chỉ cần xem hướng dẫn của Keras
Với những chức năng chính nào bạn có thể trao quyền cho trợ lý giọng nói dựa trên Python của mình?
- Nhận biết và phân tích lời nói của con người
- Báo cáo dự báo thời tiết hiện tại ở bất cứ đâu trên thế giới
- Tìm kiếm trên Google hoặc YouTube
- Dịch các cụm từ từ ngôn ngữ đích sang ngôn ngữ mẹ đẻ của bạn và ngược lại
- Nói xin chào và tạm biệt để bật và tắt cho phù hợp
- Thay đổi cài đặt nhận dạng ngôn ngữ và tổng hợp giọng nói
“Ngày nay, tính năng nhận dạng giọng nói cực kỳ quan trọng. Đây là một cơ hội bổ sung để xóa bỏ những rào cản và bất tiện giữa con người với nhau, cũng như giải quyết nhiều vấn đề trong quá trình phân tích và tổng hợp tiếng nói. ”
— Vlad Medvedovsky tại Proxet, công ty cung cấp giải pháp phát triển phần mềm tùy chỉnh
Thư viện Python cho công việc
Python đã có nhiều thư viện xử lý âm thanh hữu ích và một số mô-đun tích hợp sẵn cho các chức năng âm thanh cơ bản. Ví dụ: hãy xem các thư viện Python Librosa, pocketphinx và pyAudioAnalysis
Librosa
Librosa là một thư viện Python để phân tích tín hiệu âm thanh, tập trung cụ thể vào âm nhạc và nhận dạng giọng nói. Librosa bao gồm các chi tiết cơ bản để xây dựng hệ thống truy xuất thông tin âm nhạc [MIR]. Nhiều sách hướng dẫn, tệp tài liệu và hướng dẫn bao gồm thư viện này, vì vậy không quá khó để tìm ra
nhân sư bỏ túi
Pocketsphinx có thể nhận dạng giọng nói từ micrô và từ tệp. Nó cũng có thể tìm kiếm các cụm từ nóng. Điều làm cho pocketphinx khác với các giải pháp dựa trên đám mây là nó hoạt động ngoại tuyến và có thể hoạt động trên một vốn từ vựng hạn chế, giúp tăng độ chính xác. Nếu bạn quan tâm, có một số ví dụ trên trang thư viện. Lưu ý mục “Cấu hình mặc định”
Kiến trúc thiết kế Pocketsphinx [Daines, 2011]PyAudioAnalysis
pyAudioAnalysis là một thư viện Python mã nguồn mở. Mô-đun này cung cấp khả năng thực hiện nhiều thao tác để phân tích tín hiệu âm thanh, bao gồm
- khai thác tính năng
- phân loại tín hiệu âm thanh nhận được
- phân đoạn được giám sát và không giám sát và phân tích nội dung âm thanh
pyAudioAnalysis có lịch sử sử dụng lâu dài và thành công trong một số ứng dụng nghiên cứu để phân tích âm thanh, chẳng hạn như
- chức năng nhà thông minh thông qua phát hiện sự kiện âm thanh,
- nhận dạng cảm xúc trong lời nói,
- phân loại trầm cảm dựa trên các đặc điểm nghe nhìn,
- phân khúc âm nhạc
pyAudioAnalysis giả định rằng các tệp âm thanh được sắp xếp thành các thư mục và mỗi thư mục đại diện cho một lớp âm thanh riêng biệt
Âm thanh học sâu
Phân tích học sâu âm thanh là sự hiểu biết về tín hiệu âm thanh được thu bởi các thiết bị kỹ thuật số bằng ứng dụng
Kiến trúc nhận dạng giọng nóiCác ứng dụng bao gồm phân tích sự hài lòng của khách hàng về các cuộc gọi bàn trợ giúp, phân tích và truy xuất nội dung phương tiện, công cụ chẩn đoán y tế và theo dõi bệnh nhân, công nghệ hỗ trợ cho người khiếm thính và phân tích âm thanh vì an toàn công cộng
Ví dụ thực tế từ kinh doanh
Các công cụ dựa trên Python để nhận dạng giọng nói đã được phát triển từ lâu và đã được sử dụng thành công trên toàn thế giới. Tổng hợp giọng nói và nhận dạng máy đã là một chủ đề hấp dẫn đối với các nhà khoa học và kỹ sư trong nhiều năm. Lấy cảm hứng từ những chiếc máy nói và nghe trong khoa học viễn tưởng, chúng tôi đã trải qua sự phát triển công nghệ nhanh chóng và bền vững trong những năm gần đây. Các giải pháp phát triển phần mềm tùy chỉnh có thể là một công cụ hữu ích để triển khai nhận dạng giọng nói trong doanh nghiệp của bạn.
“Tìm kiếm bằng giọng nói từ lâu đã là mục tiêu của các thương hiệu và nghiên cứu hiện cho thấy mục tiêu đó đang trở thành hiện thực. Tôi thừa nhận tôi đã hoài nghi về tác động của giọng nói. Tuy nhiên, những câu chuyện của các con tôi và của những đồng nghiệp của tôi mang về nhà một trong những phần bị hiểu lầm nhiều nhất của cuộc cách mạng di động. ”
— Alex Robbio, Chủ tịch và đồng sáng lập của Belatrix Software
Mỗi trường hợp sử dụng trợ lý giọng nói là duy nhất. Đối với một số người, nó giúp giao tiếp với các tiện ích. Theo nghiên cứu của PwC, hơn một nửa số người dùng điện thoại thông minh ra lệnh bằng giọng nói cho thiết bị. Ở người trưởng thành [25-49 tuổi], tỷ lệ những người thường xuyên sử dụng giao diện giọng nói thậm chí còn cao hơn so với những người trẻ tuổi [18-25]. 59% so với. 65% tương ứng
Năm 1996, IBM MedSpeak được phát hành. Kể từ đó, nhận dạng giọng nói đã được sử dụng để ghi lại lịch sử y tế và ghi chú trong khi kiểm tra quét. Ghi chú bằng nhận dạng giọng nói, bác sĩ có thể làm việc mà không bị gián đoạn để viết trên máy tính hoặc biểu đồ giấy
Ví dụ, Toshiba thực hiện các bước quan trọng hướng tới sự hòa nhập và khả năng tiếp cận, với các tính năng dành cho nhân viên khiếm thính. Có một chương trình của công ty được gọi là Hệ thống cố vấn thiết kế toàn cầu, trong đó những người khuyết tật khác nhau tham gia vào việc phát triển các sản phẩm của Toshiba
Ngoài ra, chúng ta có thể xem xét các ví dụ từ ngành ngân hàng. Dịch vụ ngân hàng bằng giọng nói có thể giảm đáng kể nhu cầu về chi phí nhân sự và dịch vụ khách hàng của con người. Một trợ lý ngân hàng được cá nhân hóa cũng có thể làm tăng đáng kể sự hài lòng và lòng trung thành của khách hàng
Nhận dạng giọng nói cũng đã giúp các nhà tiếp thị trong nhiều năm. Tác động chính của trợ lý giọng nói trong tiếp thị đặc biệt đáng chú ý trong các danh mục như
- phân tích dữ liệu lớn. Nhờ nhận dạng giọng nói với xử lý âm thanh SciPy, các nhà tiếp thị có thể truy cập một loại dữ liệu mới để phân tích. Giọng của người dùng từ các quốc gia khác nhau, kiểu nói và từ vựng của mọi người có thể giúp diễn giải vị trí của khách hàng. Ngoài ra, phân tích dữ liệu lớn giúp có thể nhận ra độ tuổi và các đặc điểm của đặc điểm nhân khẩu học
- Hành vi người dùng. Bài phát biểu hội thoại cho phép thực hiện các tìm kiếm dài hơn, dẫn đến thay đổi kích thước của các truy vấn tìm kiếm ngớ ngẩn từ người dùng. Giờ đây, các nhà tiếp thị nên tập trung vào các truy vấn tìm kiếm dài hơn để phân tích kỹ lưỡng hành vi thị trường của sản phẩm hoặc đối tượng mục tiêu của dịch vụ
Và có lẽ ví dụ phổ biến nhất về chuyển đổi giọng nói của con người là việc sử dụng các công cụ tổng hợp giọng nói để loại bỏ rào cản ngôn ngữ giữa con người với nhau. Giảm hiểu lầm giữa các đại diện doanh nghiệp sẽ mở ra những chân trời hợp tác rộng lớn hơn, giúp xóa bỏ ranh giới văn hóa và tạo điều kiện thuận lợi cho quá trình đàm phán
Proxet đã có thể cung cấp phần mềm nhận dạng giọng nói. Các chuyên gia giàu kinh nghiệm của công ty có thể tạo một trợ lý giọng nói đặc biệt cho dự án của bạn để giải quyết các nhiệm vụ quan trọng