Rozpoznawanie mowy - baza wypowiedzi różnych osób.

✨ Dyskusja dotyczy wyboru algorytmu do rozpoznawania mowy izolowanej, czyli pojedynczych słów-komend, z naciskiem na system niezależny od mówcy. Poszukiwano darmowej bazy wypowiedzi różnych osób do treningu systemu. Zaproponowano wykorzystanie syntezatora mowy Ivona oraz Microsoft SAPI, choć ten ostatni nie posiada polskiego języka, co można obejść przez dodanie polskich fonemów lub fonetyczną transkrypcję słów. Sugerowano także poszukiwanie badań naukowych i kontakt z firmami zajmującymi się biometrią głosową. Autor preferuje gotową bazę nagrań mówionych, planując analizę cepstralną i ograniczenie do około dziesięciu komend (np. start, stop, prawo, lewo, góra, dół, wykonaj). Pojawiła się też sugestia wykorzystania próbek głosów z nawigacji samochodowych, które mogłyby zawierać różne głosy tych samych słów w odpowiednim formacie.
Podsumowanie AI na podstawie dyskusji. Może zawierać błędy.