Özet / içindekiler
50’ler ve 60’larda ilk basit örneklerini veren konuşma tanıma sistemleri, 70’lerde
öznitelik çıkarım tekniklerinin, 80’lerde ise istatistiksel modellerin kullanılmasıyla, büyük
gelişim kaydetti. 2000’lerde gelişen yazılım ve donanım teknolojileri ile birlikte yapay zekâ
teknolojilerinin de bu alanda kullanılmasıyla, konuşma tanıma sistemleri yeni bir boyut
kazandı.
Konuşma tanıma sistemleri günümüzde sanal asistanlardan müşteri hizmetlerine
kadar pek çok alanda kullanılan bir teknolojidir. Konuşma tanıma sisteminin adımlarından
birisi olan öznitelik çıkarımı, sistemin verimliliği ve tanıma oranı bakımından çok önemlidir.
Bu sebeple günümüzde yaygın olarak kullanılan üç önemli öznitelik çıkarım tekniğinin
karşılaştırılması bu tezin konusu olarak seçilmiştir.
Bu çalışmanın ilk bölümünde konuşma tanıma sistemlerinin genel yapısı verilmiştir.
Bu bölümde amaç sistemin genel yapısını ve öznitelik çıkarımının sistemin neresinde yer
aldığını anlamaktır. Ayrıca konuşma sinyal işleme konusu öznitelik çıkarım tekniklerinin
temelini oluşturduğundan bu bölümde detaylıca ele alınmıştır. İkinci bölümde öznitelik
çıkarımı için seçilen üç teknik olan LPC, MFCC, PLP-RASTA detaylıca açıklanmış ve
literatürde yapılan çalışmalar ışığında bu tekniklerin çeşitli yönlerden karşılaştırması
yapılmıştır. Üçüncü bölümde ise ele alınan üç öznitelik çıkarım yöntemi için Türkçe ve
İngilizce komutlar için bir saniyelik ses dosyalarından oluşan veri seti üzerinden elde edilen
öznitelik vektörleriyle, her yöntem ve dil için ayrı olacak şekilde aynı özelliklere sahip
evrişimsel sinir ağı eğitilmiştir. Öznitelik çıkarım tekniklerinin Türkçe ve İngilizce için
yakaladığı tanıma oranlarının ve hesaplama sürelerinin karşılaştırılması yapılmıştır.
v
Son olarak, bulgular ve sonuçlar bölümlerinde, elde edilen çıkarımlar, yorum ve
öneriler eklenerek verilmiştir. Ayrıca, RTÜK bünyesinde yayınların kaydedilmesini
sağlayan SKAAS ile konuşma tanıma sistemlerinin birlikte kullanılması bu bölümlerde
incelenecektir.