আমি এমএফসিসি এবং লুকানো মার্কভ মডেলগুলি ব্যবহার করে শব্দ স্বীকৃতির জন্য কনসেপ্ট সিস্টেমের একটি প্রমাণ তৈরি করেছি। আমি যখন পরিচিত শব্দগুলিতে সিস্টেমটি পরীক্ষা করি তখন এটি আশাব্যঞ্জক ফলাফল দেয়। যদিও সিস্টেমটি, যখন কোনও অজানা শব্দটি ইনপুট করা হয় তখন নিকটতম ম্যাচের সাথে ফলাফলটি দেয় এবং স্কোরটি এটি নির্ধারণের জন্য আলাদা নয় যেমন একটি অজানা শব্দ যেমন:
আমি 3 টি লুকানো মার্কভ মডেলকে বক্তৃতা করার জন্য, একটি পানির কল থেকে জল বের করার জন্য এবং একটি ডেস্কে নক করার জন্য প্রশিক্ষিত করেছি। তারপরে আমি এগুলি অদেখা তথ্যে পরীক্ষা করে নিচের ফলাফলগুলি পেয়েছি:
input: speech
HMM\knocking: -1213.8911146444477
HMM\speech: -617.8735676792728
HMM\watertap: -1504.4735097322673
So highest score speech which is correct
input: watertap
HMM\knocking: -3715.7246152783955
HMM\speech: -4302.67960438553
HMM\watertap: -1965.6149147201534
So highest score watertap which is correct
input: knocking
HMM\filler -806.7248912250212
HMM\knocking: -756.4428782636676
HMM\speech: -1201.686687761133
HMM\watertap: -3025.181144273698
So highest score knocking which is correct
input: unknown
HMM\knocking: -4369.1702184688975
HMM\speech: -5090.37122832872
HMM\watertap: -7717.501505674925
Here the input is an unknown sound but it still returns the closest match as there is no system for thresholding/garbage filtering.
আমি জানি যে কীওয়ার্ডে একটি OOV (শব্দভাণ্ডারের বাইরে) শব্দটি স্পষ্ট করে কোনও আবর্জনা বা ফিলার মডেল ব্যবহার করে ফিল্টার করা যায় তবে এটি বলে যে এটি অজানা শব্দের একটি সীমাবদ্ধ সেট ব্যবহার করে প্রশিক্ষণপ্রাপ্ত যেখানে আমার সিস্টেমে এটি প্রয়োগ করা যায় না সিস্টেমটি রেকর্ড করতে পারে এমন সমস্ত শব্দ জানি না।
বক্তৃতা স্বীকৃতি সিস্টেমে কীভাবে অনুরূপ সমস্যা সমাধান করা হয়? এবং মিথ্যা ধনাত্মকতা এড়াতে আমি কীভাবে আমার সমস্যার সমাধান করতে পারি?