Распознавание речи — способность устройств реагировать на голосовые команды. Распознавание речи позволяет управлять различными устройствами и оборудованием без помощи рук (что особенно полезно для многих инвалидов), обеспечивает ввод данных для автоматического перевода и создает готовые к печати диктанты. Одними из первых приложений для распознавания речи были автоматические телефонные системы и медицинское программное обеспечение для диктовки. Оно часто используется для диктовки, запроса баз данных и подачи команд компьютерным системам, особенно в профессиях, где используются специализированные словари. Кроме того, с его помощью создаются персональные помощники в автомобилях и смартфонах, такие как Siri от Apple.
Прежде чем любая машина сможет интерпретировать речь, микрофон должен преобразовать колебания голоса человека в волнообразный электрический сигнал. Этот сигнал, в свою очередь, преобразуется аппаратными средствами системы — например, звуковой картой компьютера — в цифровой сигнал. Именно цифровой сигнал анализирует программа распознавания речи, чтобы распознать отдельные фонемы — основные составляющие речи. Затем эти фонемы объединяются в слова. Однако многие слова звучат одинаково, и, чтобы выбрать подходящее слово, программа должна опираться на контекст. Многие программы определяют контекст с помощью триграммного анализа — метода, основанного на базе данных частых кластеров из трех слов, в которых задается вероятность того, что за любыми двумя словами последует заданное третье слово. Например, если диктор говорит «кто я», следующим словом будет признано местоимение «я», а не похожее по звучанию, но менее вероятное «глаз». Тем не менее для исправления ошибок иногда требуется вмешательство человека.
Программы для распознавания нескольких отдельных слов, такие как телефонные системы голосовой навигации, работают практически для каждого пользователя. С другой стороны, программы для распознавания непрерывной речи, такие как программы для диктовки, должны быть обучены распознавать речевые паттерны человека; обучение предполагает чтение пользователем вслух образцов текста. Сегодня, с ростом мощности персональных компьютеров и мобильных устройств, точность распознавания речи заметно повысилась. Количество ошибок сократилось до 5 процентов в словарях, содержащих десятки тысяч слов. Еще большая точность достигается в ограниченных словарях для специализированных приложений, таких как диктовка рентгенологических диагнозов.
