Hem Audio Vad är skillnaden mellan tal till text och chatbots?

Vad är skillnaden mellan tal till text och chatbots?

Anonim

F:

Vad är skillnaden mellan tal till text och chatbots?

A:

De många betydande skillnaderna mellan tal-till-text-teknik och chatbots är en del av det som undersöks i den snabba utvecklingen av chatbot- och voicebot-projekt.

En tal-till-text-teknik är helt enkelt en som konverterar verbalt tal till text på en digital sida. Det är dess fulla funktion, men det är inte en som är enkel att utforma. För att konvertera verbalt tal till text måste tekniken bryta ord och meningar i enskilda fonem och arbeta med dem enligt komplexa algoritmer för att skapa text som är korrekt och representerar vad talaren sa.

Chatbots, å andra sidan, är teknologier som uppnår målet att kommunicera med en människa. Det finns två typer av chatbots: textchattbots och röstbots. Textchattbots har funnits mycket längre, eftersom de inte behöver det tal-till-textelement som röstbots använder.

Den största skillnaden mellan tal-till-text-teknik och chatbots är omfattningen. Som nämnts är all tal-till-text-teknik att göra att transkribera det muntliga talet. Chatbotten, å andra sidan, måste ta tal i vilken form den är avsedd för, förstå det och ge svar som försöker klara Turing-testet - testet om en teknik kan lura en människa att tro att han eller hon är prata med en annan person.

Med det i åtanke är chatbots mycket lättare att skapa än röstbots. Chatbotten tar in människans text och ger ett textsvar. Även relativt enkla chatbots har kunnat ge intressanta och roliga resultat för människor sedan slutet av 1980-talet och början av 1990-talet.

Voicebot, å andra sidan, måste ta in muntligt tal, konvertera det till text, kontrollera det för noggrannhet, producera ett svar och bygga det svaret från maskinspråk till hörbart tal. Detta stora antal ganska betydande uppgifter innebär att Voicebot tar mycket datorkraft och mycket design att bygga.

Projekt som Siri, Cortana och Alexa visar en del av spetsen för Voicebot-teknologier. De illustrerar också att denna teknik fortfarande är i sin spädbarn. Även om Alexa och annan teknik kan svara muntligt på mänskligt tal, är de inte särskilt kapabla i den meningen att vi förknippar med verbalt mänskligt tal i allmänhet. Med andra ord finns det en hel del begränsningar för de svar som dessa tekniker kan ge. Det finns till och med en begränsad förmåga hos dagens generation av personliga assistenter att verkligen generera tal till text, till exempel för att transkribera ett e-postmeddelande eller hjälpa någon att skriva en uppsats utan att använda sina händer. Några av de specifika tal-till-text-programmen på marknaden gör det bättre än Siri eller Cortana, förmodligen på grund av resursfördelningen. Det finns emellertid tecken på att framsteg i Voicebot snart kommer att ta fart - till exempel Amazons Lex-plattform som tillåter en studiomiljö för att bygga denna typ av teknik.

I en smart och lärorik uppsats om ämnet talar Tobias Goebel om skillnaden mellan dessa tekniker och kontrasterar processen att "transkribera", vilket tal till text gör, till jobbet med att förstå, vilka chatbots är tänkta att göra.

"Samtidigt som det är lättare för en chatbot att eliminera behovet av taligenkänning, ligger den största utmaningen att bygga fungerande bots i naturlig språkförståelse, " skriver Goebel.

Goebel identifierar också många av de aktuella aktörerna i branschen:

Marknadsledaren för taligenkänning är Nuance, som står bakom välkända system som Dragon NaturallySpeaking för diktation på en PC, som har funnits sedan nittiotalet, men också Siri: taligenkännings- / transkriptionsuppgiften som utförts i Apple-molnens användning Nyanssteknik bakom kulisserna. Andra är LumenVox, Verbio eller Interactions, men taligenkänning erbjuds nu också som en molntjänst via API: er av Amazon, Google, Microsoft och IBM.

När chatbots utvecklas antas det att deras förståelse kommer att fortsätta öka på vissa banor - och det antas också till stor del att mer botteknologi kommer att passera från textgränssnitt till verbala gränssnitt, vilket kräver ytterligare mängder datorkraft.

Vad är skillnaden mellan tal till text och chatbots?