Spracherkennung

Spracherkennung (Automatic Speech Recognition, ASR) ist die Technologie, die es Maschinen ermöglicht, gesprochene Sprache zu verstehen, in Text umzuwandeln und darauf zu reagieren. Sie wird in Sprachassistenten, Call-Centern und barrierefreien Technologien eingesetzt.

Funktionsweise: Audioeingabe (digitales Signal) → Vorverarbeitung (Signalverarbeitung, Feature-Extraktion via MFCCs) → Mustererkennung (Akustikmodell: Phoneme; Sprachmodell: Wörter) → Ausgabe (transkribierter Text). Technologien: neuronale Netze (CNN, RNN), Hidden Markov Models, Transformer-Modelle, Cloud-APIs.

Anwendungsbereiche: virtuelle Assistenten (Alexa, Siri, Google), barrierefreie Technologien, Call-Center-Automatisierung, Echtzeit-Untertitelung, medizinische Dokumentation per Sprache.