Derin öğrenme algoritmaları kullanarak bir konuşma tanıma uygulaması

Abstract

Bu araştırmada, İngilizce konuşma tanıma konusu tartışılmıştır. Konuşma tanıma, sesi metne dönüştürmek isteyen yapay zeka bilimlerinde ana alanlarından biridir. Yapay zeka artık her alanda liderlik yapmaya başlamıştır. Konuşma tanımada da makine öğrenme ve derin öğrenme konuları gittikçe başarılı yöntemler sunmuştur. Konuşma tanıma, son yıllarda daha fazla dikkat çekmesine rağmen, şimdiye kadar, derin öğrenme algoritmalarının kullanımı fazla ilgi görmemiştir. Bu çalışmada, ilk önce konuşma tanıma ve derin öğrenme algoritmalarından bahsedilmiştir. Konuşma tanıma modelini oluşturmak için kullanılan Konvolüsyonel(Evrişimsel) Sinir Ağları algoritması daha sonra açıklanmıştır. Uygulamanın sonuçlarına dayanarak, kabul edilebilir bir performans sağlayabilen bir konuşma tanıma modeli elde edilmiştir. Konuşma tanıtma modeli için elde edilen en iyi doğruluk oranı %83 olarak tespit edilmiştir. Bu çalışmada kullanılan veri, 65.000 ses bulunan İngilizce ses veri kümesidir. Araştırmaya göre, derin öğrenme algoritmaları ile konuşma tanıma sorununu çözebileceği sonucuna varılmıştır.

In this research, the topic of speech recognition in english voice is discussed. Speech recognition is one of the main areas of study in artificial intelligence sciences that seek to convert sound to text. Artificial intelligence is now leading in every field. In speech recognition, machine learning and deep learning have been more and more successful ways of doing things. Speech recognition has received more attention in recent years, but so far, the use of deep learning algorithms has not received much attention. In this study, we first deal with speech recognition and deep learning algorithms. Then , we explained the Convolutional Neural Networks (CNN) algorithm used to create the speech recognition model. In the implementation part of the CNN deep learning algorithm, a speech recognition model was used, which, based on the results of the deep learning algorithm was able to provide acceptable performance. The best accuracy obtained for the speech recognition model was reported at 83%, obtained by CNN algorithm in epoch 48. The dataset used in this study is the English Voice dataset containing 65,000 voices. Based on the research, it can be concluded that deep learning algorithms can solve the problem of speech recognition.