Repository files navigation

Konuşmacı tanıma, ses işaretinin içerdiği bilginin kullanılması ile otomatik olarak kimin konuştuğunun belirlenmesi işlemidir. Konuşmacı tanıma,konuşmacı doğrulama vekonuşmacı belirleme olmak üzere ikiye ayrılır.

• Konuşmacı doğrulama: Verilen bir ses örneğinin iddia edilen kişiye ait olup olmadığının tespiti.
• Konuşmacı belirleme: Verilen ses örneğinin sistemde daha önceden kayıtlı olan kişilerden hangisine ait olduğunun saptanması.

Ayrıca konuşmacı tanıma işlemleri:

• Metinden bağımsız
• Metne bağımlı

olarak iki gruba ayrılabilir.

Konuşmacı tanıma sistemlerinin kullanım alanları oldukça yaygındır. Örneğin:

• Telefon bankacılığı
• Sesli arama
• Telefonla alışveriş
• Veritabanı erişim servisleri
• Bilgisayarların uzaktan sesle kontrolü
• Adli uygulamalar

Ses işaretinin durağan olmaması, ortamdaki gürültü ve hava şartlarından kolayca etkilenmesi, konuşmacı tanımayı diğer örüntü tanıma problemlerine göre daha zor hale getirir. Bundan dolayı sınıflandırma yöntemlerininhem yüksek başarım vermesi hem de hızlı çalışması beklenmektedir.

Ses teknolojisi, yedi ortak konuşma uygulamasını içermektedir.

Şekil 2.1: Ses teknolojilerinin çeşitleri (yer tutucu)

Ses teknolojisi içerisinde:

• Otomatik konuşma tanıma
• Sürekli konuşma tanıma
• Ayrık sözcük tanıma
• Kelime yakalama sistemleri

yer alırken, ayrıca:

• Ses sentezleme
• Konuşmacı tanıma
• Dil tanıma
• Ses üretme
• Konuşmacı ayırımı
• Ses kodlama

da bulunmaktadır.

Otomatik konuşma tanıma problemi:
Verilen bir akustik dizisiX için, kelime dizileriW’yi bulmaktır.
Matematiksel gösterim:

$$ f: X \to W $$

Bir konuşma tanıma sistemi şu modüllerden oluşur:

1. Sinyal işleme modülü

   • Konuşma sinyalinin gösterimini elde eder.

2. Özellik çıkarma modülü

   • Anahtar elemanları belirler, fazla bilgiyi çıkartır.

3. Zaman düzenleme ve model karşılaştırma

   • Kelime tespiti ve eşleştirme yapar.

4. Dil modeli

   • Son kelime dizisini seçer.

Şekil 2.2: Genel konuşma tanıma modeli (yer tutucu)

• Ses, mikrofonla analogdan sayısala dönüştürülür.
• İşlemler:Örnekleme → Nicelendirme → Kodlama
• Amaç: Gürültü ve stres gibi dış etkenlerden bağımsız gösterim elde etmektir.

• Sinyaldeki geçişleri yakalar.
• Fonemleri ayırt edecek parametreler hesaplanır.
• Segmentasyon: Kelimelerin başlangıç ve sonlarının bulunması.

• Konuşma hızındaki değişikliklere uyum sağlar.
• Eğitim sırasında çıkarılan parametre kümeleri ile karşılaştırma yapılır.

• Hedef dilin kurallarına uygun olarak kelime dizisi seçilir.
• Tanıma sistemi, dil bilgisi kurallarını dikkate alarak çalışır.

Konuşma tanıma sistemleri şu açılardan sınıflandırılabilir:

• Konuşmacıya bağlılık: Tek veya çok kişiye ait olabilir.
• Dağarcık genişliği: Tanınacak metin kümesinin büyüklüğü.
• Yerleşim: Sürekli, bağlı veya ayrık tanıma.

1. Ayrık sözcük tanıma sistemleri (isolated word recognition systems)
2. Sözcük yakalama sistemleri (word spotting systems)
3. Sürekli konuşma tanıma sistemleri (continuous speech recognition systems)

Konuşma tanımada kullanılan temel teknikler şunlardır:

• Neural Networks (Yapay Sinir Ağları)
• Dynamic Time Warping (Dinamik Zaman Eşleştirme)
• Hidden Markov Models (Saklı Markov Modelleri)

1. Nabiyev, V. (2005).Yapay Zeka. Seçkin Yayıncılık San. ve Tic. A.Ş., Ankara. ISBN 975-347-985-9, ss. 704–714.

2. Yalçın, N. & Bay, Ö. F. (2006).İlköğretim birinci sınıf öğrencilerine konuşma tanıma teknolojisi yardımıyla ilkokuma yazma öğretimi.
   6th International Educational Technology Conference, Eastern Mediterranean University, vol. 3, pp. 1659. Famagusta, North Cyprus, 19–21 April.

3. Morgan, D. & Scofield, L. C. (1991).Neural Networks and Speech Processing.
   Kluwer Academic Publishers, pp. 102–108, USA.

4. Becchetti, C. & Ricotti, L. P. (1999).Speech Recognition Theory and C++ Implementation.
   John Wiley & Sons Ltd., England. ISBN 0-471-97730-6, ss. 167–188, 310–311.

5. Gökhan, A. (1997).Yapay Sinir Ağları ile Ayrık Türkçe Sözcüklerin Tanınması.
   Yüksek Lisans Tezi, Fırat Üniversitesi Fen Bilimleri Enstitüsü, Elazığ, ss. 1–17.

6. Jurafsky, D. & Martin, J. H. (2000).Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition.
   Prentice Hall, Upper Saddle River, New Jersey, USA. ISBN 0-13-122798-X, pp. 235–249.

7. Mengüşoğlu, E. (1999).Bir Türkçe Sesli İfade Tanıma Sisteminin Kural Tabanlı Tasarımı ve Gerçekleştirimi.
   Yüksek Mühendislik Tezi, Hacettepe Üniversitesi Fen Bilimleri Enstitüsü, Ankara, ss. 14–16, 22–26.