تشخیص گفتار در هوش مصنوعی

تشخیص گفتار یکی از شاخه های مهم مهندسی کامپیوتر و هوش مصنوعی است که هدف آن تبدیل سیگنال صوتی انسان به متن قابل فهم برای ماشین است. این فناوری کاربردهای فراوانی در دستیارهای صوتی، ترجمه همزمان، سیستم های پاسخگوی خودکار و... دارد. با پیشرفت مدل های یادگیری عمیق و یادگیری خودنظارتی، دقت و کارایی سیستم های تشخیص گفتار به طرز چشمگیری بهبود یافته است. زبان فارسی به دلیل تنوع لهجه ها و کمبود داده های صوتی چالش های خاص خود را دارد. در این تحقیق، پیشینه روش های مختلف تشخیص گفتار، چالش های زبان فارسی و روش های نوین مورد بررسی قرار گرفته و با استفاده از مدل های پیشرفته، راهکارهایی جهت افزایش دقت ارائه شده است