Automatisierte Spracherkennung (ASR)

Definition

Automatische Spracherkennung (ASR) ist eine Technologie, die gesprochene Sprache mithilfe von KI-Modellen automatisch in Text umwandelt. Sie ermöglicht Transkriptionen und sprachgesteuerte Anwendungen.

Zweck

Ziel ist es, Maschinen das Verstehen menschlicher Sprache zu ermöglichen. Es wird in Sprachassistenten, Diktiertools, im Kundenservice und in Barrierefreiheitstechnologien eingesetzt.

Bedeutung

• Kerntechnologie hinter Sprachschnittstellen.
• Hilft, Barrieren für Menschen mit Behinderungen abzubauen.
• Die Genauigkeit variiert je nach Sprache, Akzent und Hintergrundgeräuschen.
• Erfordert kontinuierliche Verbesserung mit neuen Daten.

Funktionsweise

1. Erfassen Sie Audioeingaben über ein Mikrofon oder eine Datei.
2. Verarbeiten und normalisieren Sie das Audiosignal.
3. Extrahieren Sie Merkmale (z. B. Phoneme, akustische Modelle).
4. Wenden Sie Sprachmodelle an, um Sprache kontextbezogen zu interpretieren.
5. Text zur weiteren Verwendung ausgeben.

Beispiele (Reale Welt)

• Apple Siri: ASR wird im Sprachassistenten verwendet.
• Google Cloud Speech-to-Text API: Transkription für Apps.
• Microsoft Azure Cognitive Services: ASR für Unternehmensanwendungen.

Referenzen / Weiterführende Literatur

• Automatische Spracherkennung – NIST.
• Spracherkennung – IEEE Signal Processing Society.
• Sprach- und Sprachverarbeitung – Jurafsky & Martin, Stanford.
• Was ist ASR (Automatische Spracherkennung) – Shaip