Програмний модуль розпізнавання голосових повідомлень з використанням нейронної мережи за технологією глибокого навчання

Abstract

Сучасні інформаційні технології поступово розвиваються у всіх аспектах та напрямках. Цей процес впливає на наші повсякденні речі, наприклад, на бортовий автомобільний комп’ютер для збору й аналізу даних, надсилання інформації, також сприяє покращенню процесу обслуговування автомобіля. Ще один приклад це «розумний» будильник, який використовує додаткові датчики для аналізу фаз сну та вибирає оптимальний час для пробудження користувача. Достатньо перспективним є додавання голосового інтерфейсу до комп’ютеризованих систем, контроль промислової та побутової техніки. Одна з актуальних проблем, яку необхідно вирішити при розробці таких систем управління є проблема недостатньої точності розпізнавання голосових команд. Удосконалення зроблено в напрямку підвищення надійності, незалежності від індивідуальні особливості голосу, знижує негативний вплив фону та шуму на якість розпізнавання. Попит на такі системи зараз обмежений через недостатньо високі параметри та проблеми, пов’язані з темою безпеки голосування. Після аналізу попиту на використання голосового керування в домогосподарстві, наприклад промислових систем було вирішено спроектувати систему, який володіє достатніми параметрами для сприйняття та обробки мови. Щоб підвищити точність розпізнавання голосу системи було вирішено використовувати глибокі нейронні мережі (DNN), які в останні роки неодноразово демонстрував значні результати в процесах прогнозування, класифікації, розпізнавання образів, почерку і мови. Оскільки використання ГНМ та їх модифікацій у задачах розпізнавання мовлення є актуальним завданням сьогодення. Метою дослідження є підвищення точності розпізнавання голосу за допомогою існуючих нейромережевих методів і методів, які є запропоновані в роботі. Темою дослідження в цій роботі є процес розпізнавання голосу запропонований метод і розробка чат-бота під голосовим керуванням. Методи дослідження. Поставлені у роботі задачі вирішувалися шляхом проведення теоретичних та експериментальних досліджень. При аналізі можливостей збільшення показників точності в розпізнаванні голосу використано основні положення математичного аналізу та комп’ютерних технологій Google App Engine, DialogFlow, TensorFlow та платформи Google Cloud.