为什么语音识别如此困难?都有哪些具体挑战?我读了一个关于语音识别的问题,它在某种程度上回答了我的一些问题,但答案大多是轶事而非技术性。而且这个问题还没有真正解释为什么我们不能通过增加硬件来解决这个问题。
我见过使用神经网络和环境FFT分析执行自动噪声降低的工具,并取得了出色的结果。所以我看不出为什么我们仍然需要处理噪声问题,除非在像极其吵闹的背景噪声或多个语音源等困难情况下。
除此之外,难道不只是使用非常大、复杂、经过训练的神经网络来进行处理,然后投入足够的硬件使其快速运行吗?
我知道强烈的口音是个问题,我们都有我们的俚语,但即使人们以慢而清晰的美式或英式口音说话,这些识别引擎仍然会做出基本错误的事情。
那么,怎么回事呢?有哪些技术问题使计算机仍然很难理解我呢?
我见过使用神经网络和环境FFT分析执行自动噪声降低的工具,并取得了出色的结果。所以我看不出为什么我们仍然需要处理噪声问题,除非在像极其吵闹的背景噪声或多个语音源等困难情况下。
除此之外,难道不只是使用非常大、复杂、经过训练的神经网络来进行处理,然后投入足够的硬件使其快速运行吗?
我知道强烈的口音是个问题,我们都有我们的俚语,但即使人们以慢而清晰的美式或英式口音说话,这些识别引擎仍然会做出基本错误的事情。
那么,怎么回事呢?有哪些技术问题使计算机仍然很难理解我呢?