음성인식의 원리

컴퓨터는 입력된 소리 중 필요한 음성만을 검출해야한다.

 

보통 사람의 목소리를 특정할 수 있는 주파수 대역은

여자는 200~250HZ, 남자는 100~150HZ이다.

 

그렇기에 컴퓨터는 잡음 제거 등 기술도 병행하며 음성에 해당하는 정보를 얻는다

 

이후 얻어진 음성을 초당 50회 정도로 쪼갠 후 음성이 변화하는 특징을 분석하기 쉽게 수치화 한다.

그런 후 각각의 데이터 간의 변화, 특징 벡터를 구하여 쪼개진 데이터가 어떤 음소에 매칭 되는지를 만들어내는 과정인 음향모델링을 진행하게 된다.

 

현재 음향 모델링은 대부분 딥러닝을 통해 이루어진다.

 

딥러닝에는 문장과 음성이 매칭 된 기본데이터가 필요하기에 정해진 원고를 사람이 읽게 하여 데이터를 만들거나 무작위로 수집된 음성을 사람이 직접 받아쓰기 하는 식으로 수작업을 동원해 학습 데이터를 생성한 후 이를 앞서 만든 특징 벡터와의 비교를 통해 음성 데이터의 변화가 개별 음소에 매칭 될 확률을 학습한다.

 

이후 언어 모델을 통해 음성 인식 결과가 문맥에 맞는 단어로 매칭 될 수 있도록 한다

따라서 많은 문장을 언어 모델로 학습할수록 문맥을 고려해 음성을 더욱 정확하게 인식시킬 수 있다.