Local blog for Italian speaking developers
Sfatiamo il mito del machine learning: ecco come viene utilizzato nel riconoscimento vocale
5 febbraio 2018
Pubblicato da Saptarshi Mukherjee e Prashant Dhingra, Google Cloud
Questo è il secondo post del blog della nostra serie che esamina i modi di utilizzare il machine learning per risolvere problemi molto comuni. In questo articolo vediamo come il ML viene adoperato nel riconoscimento vocale.
Nel post precedente abbiamo parlato di
come utilizzare la classificazione delle email per migliorare il servizio clienti
. Le email sono solo uno dei modi in cui i clienti interagiscono con le aziende. Quando si tratta di problemi complessi, il 48% dei clienti preferisce parlare al telefono con un rappresentante del servizio clienti anziché tramite chat basate su testo o email (fonte:
American Express 2014 Global Customer Service Barometer
). Inoltre, nel panorama del business odierno un numero crescente di interazioni ormai avviene in tempo reale.
Prendiamo l'esempio di una banca commerciale. Per questioni urgenti, come il caso di un cliente che segnala una carta di credito rubata, non ha senso inviare un'email. In queste situazioni, è più probabile che la persona chiami un rappresentante del servizio clienti, e mettersi in contatto con l'agente giusto al più presto può fare la differenza tra un piccolo inconveniente e un problema più grande. Ciò significa che i sistemi di riconoscimento vocale, con la loro capacità di identificare rapidamente determinate parole e il loro contesto, ora sono più importanti che mai.
Dal momento che nel riconoscimento vocale bisogna colmare il divario tra il mondo fisico e quello digitale, ci sono molti livelli di programmazione coinvolti nel processo. Per spiegarci meglio partiamo dall'input, ossia dalla forma d'onda audio. Questa forma d'onda viene digitalizzata e convertita usando la
Trasformata di Fourier
che converte un segnale da una funzione di tempo a una funzione di frequenza, simile alla griglia del display dello spettro di alcune apparecchiature audio. Quindi, usiamo il machine learning per trovare i fonemi (unità distinte di suono) più probabili e le sequenze di parole probabili basate sulla sequenza di grafici di frequenza convertita. Infine, a seconda dell'applicazione, viene restituito un ouput sotto forma di risposta testuale o risultato. Nel caso di un call center del servizio clienti, generalmente questo output testuale (o il suo equivalente binario) consente di indirizzare la chiamata in pochi millisecondi.
Creare il proprio sistema di riconoscimento vocale è un procedimento complesso e ogni livello comporta implementazioni e problematiche complesse. In questo post ci concentreremo sulla modellazione di fonemi, ossia sul riconoscimento di parole isolate.
Anche se questa è una rappresentazione semplificata, il procedimento vero e proprio contiene tutti i possibili fonemi e ricerca la corrispondenza, non solo con i fonemi discreti, ma con la parte iniziale, centrale e finale di queste forme d'onda (ad esempio il suono della "k" o l'inizio aspirato di una certa vocale).
Tornando per un istante all'esempio del call center, un HMM può creare un grafico che collega i fonemi, o talvolta anche le parole consecutive in una sequenza, dando luogo a un istogramma di possibili output corrispondenti ai vari team di supporto all'interno dell'azienda. Servendosi di un ampio set di dati delle conversazioni registrate dei clienti e del modo in cui vengono indirizzate ai rispettivi call center, è possibile creare un sistema di routing affidabile, basato sull'AI, che indirizzi subito i clienti al reparto giusto.
Come abbiamo notato in precedenza, creare il proprio sistema di riconoscimento vocale è una grande impresa. Richiede un set di dati di grandi dimensioni per addestrare il modello e questi dati campione devono essere etichettati con un procedimento manuale e piuttosto laborioso. A questo livello, i dati sono costosi da archiviare in locale e la conversione dei dati archiviati in un modello funzionante richiede molteplici tentativi iterativi, notevoli risorse di calcolo e talvolta giorni o addirittura settimane per l'addestramento. Se sei interessato a implementare rapidamente un'applicazione basata sul linguaggio, ma vuoi evitare la tediosa esperienza dell'addestramento del modello, considera uno strumento come l'
API Cloud Speech
.
Ci sono anche molti altri modi in cui il riconoscimento vocale può essere utile: dai sottotitoli alla trascrizione in tempo reale. Se sei interessato a saperne di più, puoi consultare le nostre
best practice
e le
applicazioni campione
.
Etichette
Android
Firebase
machine learning
Google Cloud Platform
GDL
Eventi
Google Developers Live
Google Play
TensorFlow
App
Chrome
Cloud
api
GDLItalia
GDE
GDG
Google Assistant
iOS
Kotlin
Actions on Google
Deep Learning
AppEngine
AMP
BigQuery
Cloud Functions
Flutter
Android Studio
Google Developers Expert
Università
Google AppEngine
JavaScript
AI
Android Wear
GAE
Google Play Store
HTML5
Maps
security
Android App Development
AngularJS
IoT
Kubernetes
Annunci
Cloud Firestore
Cloud Machine Learning
Google I/O
Polymer
Android Things
Community
DevTools
Google App Engine
intelligenza artificiale
Entrepreneurship
Firebase Analytics
GSoC
Games
Google Cast
ML
open source
Crashlytics
Dart
Diversity
Drive
Google Data Studio
Google Play Games
TensorFlow Lite
Android Developers
Android O
Cloud Spanner
Cloud TPU
Compute Engine
DevFest
Google Compute Engine
Google Developers
Material Design
Mobile
PWA
Python
Startup
AIY Project
ARCore
Android Jetpack
AndroidDev
Androidq
Apps Script
Artificial Intelligence
Augmented Reality
Firebase Cloud Messaging
Google Cloud
Google Maps
Gsuite
IO19
ML kit
Research
VR
coding
unity
#io19
AR
Android Dev Summit
Android Developer
Android Q
Cardboard
Cloud AI
Coral
Developers
Dialogflow
Firebase Realtime Database
Gmail
Google AI
Google Cloud Messaging
Google ContainerEngine
Google Play Console
Kotlin Coroutines
NLP
Programming
Responsive Design
TensorFlowjs
Testing
WTM
Women
beacons
cloud storage
developer
node JS
student programs
women techmakers
API Cloud Vision
Add-ons
Android P
AndroidDevStory
Animation
AutoML
Brillo
Classroom
DSC
Database
Developer Student Clubs
Edge TPU
Fabric
Featured
Flutter Web
G Suite
GWT
GoLang
Google
Google Brain
Google Cloud Next
Google Container Engine
Google Developer Groups
Google I/O Extended
Graph
Hosting
Instant Apps
Keras
Livedata
Mobile Sites
Prediction
Privacy
Project Tango
SDK
Stackdriver
Tales
UI
Udacity
Virtual Reality
Web
Web Development
YouTube
analytics
android security
api.ai
courses
google io
indies
natural language processing
reti neurali
sign-in
young developers
2d Animation
3d
AIY
ARkit
Adversarial Learning
Alpha
Android App
Android App Developmen
Android App bundle
Android Architecture
Android Architecture Components
Android Auto
Android Automotive OS
Android Dev Summit Android Developer
Android Developer Challenge
Android Developers GooglePlayAwards
Android Development
Android Go
Android Instant App
Android Pie
Android Q Scoped Storage
Android Q audio
Android Styles
Android audio playback capture
Android codelabs
AndroidTV
AndroidX
Angular
Aogdevs
Api Design
App Development
App Distribution
Apps
Architecture
Architecture Components
Arduino
Best Practices
Betatesting
Bugs
C++
Certification
Cloud Anchors
Cloud Next
Cloud Run
Cloud Service Platform
Cloud Shell
Cloud Study Jam
Coached Conversational Preference Elicitation
Commerce
Community Connector
Computer Science
Consistency
Containers
Converge
Conversation Design
Crash Reporting
DLS Design
Dagger
Data Science
Databases
Dependency Injection
Design
Developer Communities
Developer Community
Developer Culture
Developer Story
Developing Media Apps
Development
Eager
Edge TPU Dev Board
Education
Emulatore Android
Error Message
Eslint
Europe
Firebase Extensions
Firebase Summit 2019
Firebasehosting
Flutter 1.5
Flutter at IO
FlutterDark
GCE
GDD
Game Development
Gboard
Gesture Navigation
Glass
Go
Google AI Quantum
Google App Script
Google Cloud Functions
Google Cloud billing
Google Coral
Google Developer Days
Google Home Hub
Google IOS Android
Google Identity Platform
Google Launchpad
Google Lens
Google Now
Google Photos
Google Play Devs
Google Play Indie Games Festival
Google Play Instant
Google Plus
Google codelabs
Google+
GoogleDevWeekly
GoogleLaunchpad
GooglePlay
Graphics
Healthcare
I/O
IO
IO19 Flutter
In-app Billing
Indie Games
Indie Games Festival
Indie games showcase
Indie showcase
Ingress
Instant Games
Issues
Java
Jetpack
Knative
Kotlin Beginners
Kotlin Everywhere
Kotlin codelabs
Lighthouse
Live Caption
Live Streaming
Localization
Location
M-Theory
Mondaygram
Monetization
NYT
NativeScript
Navigation
Neural Graph Learning
Neural Structured
Nodejs
OS
OS Updates
Olivex
One Time Codes
Online Education
PHA
Performance Monitoring
Policy
Posenet
Project Mainline
Project Treble
Quantum Computing Theory
Reactive Programming
Regression
Remote Config
Resonance Audio
Room
Scoped Storage
Semantics
Semi Supervised Learning
Serverless
Sms Retriever Api
Sms Verification
Speech Recognition
Swift
Tensorflow Core
Tensorflow Hub
Test Lab
Text
Tokenizer
Tpu
Transformers
UX
UX Design
UX Research
Universal Sentence Encoder
Unsupervised Data Augmentation
Unsupervised Learning
User Experience
Viewmodel
Voice
WWW
Wear OS
WebAssembly
Widget
Women in Tech
WomenTechmakers
android kotlin
app stability
assistant
audio recording
augmented faces
authsub
best practices and updates
billing
botnet
business
c++ games
cancer
chatbot
chrome privacy
codelab
codelabs
competition
daydream
designer
dominio .dev
error handling
event
firebase games
firebase gdc
firebase hosting
firebase unity
game center authentication
game testing
games authentication
gdc
google summer of code
googledevelopers
grow
hashcode
indie
indie developers
internship
kids
machine intelligence
machine learning accelerator
maker
multi-platform
nearby
oauth
openid
performance
persistent AR
privacy sandbox
prizes
prototype
purchase flows
queries
realtime
responsible AI
security rules
showcase
solutions challenge
startup africa roadtrip
startup times
students
summer of code
unity crashlytics
verify apps
win
Archivio Blog
2020
feb
gen
2019
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2018
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2017
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2016
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2015
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2014
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2013
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
Feed
Follow @GoogleDevsItaly