Що таке РОЗПІЗНАВАННЯ МОВЛЕННЯ Англійською - Англійська переклад

• speech recognition

Приклади вживання Розпізнавання мовлення Українська мовою та їх переклад на Англійською

Налаштування параметрів функції розпізнавання мовлення.
Configures the settings of speech-recognition feature.

Система розпізнавання мовлення, яка може замінити мишу і клавіатуру.
A speech recognition system to replace mouse and keyboard.

Теорія статистичного навчання привела до успішних застосунків у таких областях як комп'ютерний зір, розпізнавання мовлення, біоінформатика та бейсбол.
Statistical learning theory has led to successful applications in fields such as computer vision, speech recognition, bioinformatics and baseball.

Зі світу технологій запам'яталася презентація інструмента розпізнавання мовлення, який як надбудову можна використовувати з САТ-програмами.
From the technology world, there was one presentation that stood out about a speech recognition tool which can be used as an add-on for CAT tools.

І в останньому Андроїді, якщо ви виберете голосовий пошук, він скористається однією з глибоких нейронних мереж для того щоб зробити дуже гарне розпізнавання мовлення.
And in the latest Android, if you do voice search, it's using one of these deep neurall networks in order to do very good speech recognition.

Наприклад, ми використовуємо ці дані, включно з вашим запитом, надісланим третій особі, щоб покращувати розпізнавання мовлення та розуміння намірів користувача в продуктах Microsoft.
For example, we use this data, including your query sent to the third party, to improve speech recognition and user-intent understanding within Microsoft products.

Наприкінці 2009 року Лі Ден запросив Джефа Хінтона було до праці з ним та колегами в Microsoft Research для застосування глибинного навчання до розпізнавання мовлення.
In late 2009, Li Deng invited Geoffrey Hinton to work with him and colleagues at Microsoft Research in Redmond, Washington to apply deep learning to speech recognition.

У доповіді команди дослідників в області штучного інтелекту Speech& Dialog сказано, що система розпізнавання мовлення тепер помиляється так само рідко, як і професійні стенографісти.
The report in the field of scientific intelligence Speech& Dialog team of researchers said that the speech recognition system is now wrong as often as professional stenographers.

Під час використання хмарної служби розпізнавання мовлення Microsoft корпорація Майкрософт збирає й використовує ваші голосові записи для створення тексту транскрипції вимовлених слів у голосових даних.
When you use the Windows online speech recognition service, Microsoft collects and uses your voice recordings to create a text transcription of the spoken words in the voice data.

Ця програма охоплює всі сфери мовлення та обробки мови: від фонетики, синтезу мови та розпізнавання мовлення, до розуміння природної мови та машинного перекладу.
This programme covers all areas of speech and language processing, from phonetics, speech synthesis and speech recognition, to natural language understanding and machine translation.

У сфері штучного інтелекту штучні нейронні мережі було успішно застосовано для розпізнавання мовлення, аналізу зображень та адаптивного керування, для того, щоб побудувати так званих програмних агентів(в комп'ютерних і відео іграх) або автономних роботів.
In the artificial intelligence field, artificial neural networks have been applied successfully to speech recognition, image analysis and adaptive control, in order to construct software agents(in computer and video games) or autonomous robots.

Приблизно в цей самий час, наприкінці 2009 року, нейронні мережі прямого поширення з глибинним навчанням вчинили набіги на розпізнавання мовлення, як відмічено Семінаром NIPS з глибинного навчання для розпізнавання мовлення.
Deep learning At about the same time, in late 2009, deep learning feedforward networks made inroads into speech recognition, as marked by the NIPS Workshop on Deep Learning for Speech Recognition.

У 2016 році понад 80 зі 100 найбільших світових виробників програмного забезпечення, найімовірніше, інтегруватимуть у свої продукти різні когнітивні технології: машинне навчання, автоматичну обробку природної мови або розпізнавання мовлення.
Cognitive technologies enhance enterprise software- In 2016 more than 80 of the world's 100 biggest software companies will likely have integrated cognitive technologies such as machine learning, natural language processing, or speech recognition, into their products.

Починаючи з кінця 60-х років минулого століття, під керівництвом Тараса Вінцюка розроблялися системи розпізнавання мовлення, було пройдено довгий шлях від систем усного діалогу на основі БЕСМ до портативних пристроїв із голосовим управлінням.
Since late 1960s, the teams led by Taras Vintsiuk developed speech recognition systems having passed a long way from spoken dialogue systems based on the BESM to portable devices with voice control.

Всі важливі комерційні системи розпізнавання мовлення(наприклад, Microsoft Cortana, Xbox, Перекладач Skype, Amazon Alexa●, Google Now, Apple Siri, голосовий пошук Baidu та iFlyTek та ряд мовленневих продуктів Nuance тощо) ґрунтуються на моделях глибинного навчання.
All major commercial speech recognition systems(e.g., Microsoft Cortana, Xbox, Skype Translator, Amazon Alexa, Google Now, Apple Siri, Baidu and iFlyTek voice search, and a range of Nuance speech products, etc.) are based on deep learning.

Дослідники показали(2010), що глибинні нейронні мережі, з'єднані з прихованою марковською моделлю з контекстно-залежними станами, які визначають шар виходу нейронної мережі, можуть докорінно знижувати похибки в задачах великословникового розпізнавання мовлення, таких як голосовий пошук.
Researchers demonstrated(2010) that deep neural networks interfaced to a hidden Markov model with context-dependent states that define the neural network output layer can drastically reduce errors in large-vocabulary speech recognition tasks such as voice search.

Такий аналіз на TIMIT Лі Дена зі співробітниками близько 2009- 2010 років, протиставляючи моделі ҐСМ[en](та інших породжувальних моделей мовлення) з ГНМ, стимулював ранні промислові інвестиції в глибинне навчання для розпізнавання мовлення від малих до великих масштабів,[50][70] зрештою привівши до поширеного та домінантного застосування в цій галузі.
Such analysis on TIMIT by Li Deng and collaborators around 2009-2010, contrasting the GMM(and other generative models of speech) vs. DNN models, stimulated early industrial investment in deep learning for speech recognition from small to large scales, eventually leading to pervasive and dominant use in that industry.

З огляду на достатньо велике розмаїття таких нелінійних функцій, теоретично можливо отримати лінійні комбінації(використовуючи вузли зчитування) для виконання будь-якої математичної операції, потрібної для виконання певного завдання, такого як розпізнавання мовлення, або комп'ютерний зір.
Given a large enough variety of such nonlinear functions, it is theoretically possible to obtain linear combinations(using the read out units) to perform whatever mathematical operation is needed to perform a certain task, such as speech recognition or computer vision.

Різні архітектури глибинного навчання, такі як глибинні нейронні мережі, згорткові глибинні нейронні мережі, глибинні мережі переконань та рекурентні нейронні мережі застосовувалися в таких областях, як комп'ютерне бачення, автоматичне розпізнавання мовлення, обробка природної мови, розпізнавання звуків та біоінформатика, де вони, як було показано, представляють передові результати в різноманітних задачах.
Various deep learning architectures such as deep neural networks, convolutional deep neural networks, deep belief networks and recurrent neural networks have been applied to fields like computer vision, automatic speech recognition, natural language processing, audio recognition and bioinformatics where they have been shown to produce state-of-the-art results on various tasks.

Що ще важливіше, задача TIMIT розглядає розпізнавання фональних[en] послідовностей, що, на відміну від розпізнавання словесних послідовностей, дозволяє дуже слабкі«мовні моделі», і відтак спрощує аналіз слабкостей аспектів акустичного моделювання розпізнавання мовлення.
More importantly, the TIMIT task concerns phone-sequence recognition, which, unlike word-sequence recognition, allows very weak"language models" and thus the weaknesses in acoustic modeling aspects of speech recognition can be more easily analyzed.

Інтенсивна спільна робота дослідників з Microsoft Research та Університету Торонто продемонструвала в середині 2010 року в Редмонді, що глибинні нейронні мережі, пов'язані з прихованою марковською моделлю з контекстно-залежними станами, що визначає вихідний шар нейронної мережі, можуть різко скоротити похибки у великих задачах словникового розпізнавання мовлення, таких як голосовий пошук.
Intensive collaborative work between Microsoft Research and University of Toronto researchers demonstrated by mid-2010 in Redmond that deep neural networks interfaced with a hidden Markov model with context-dependent states that define the neural network output layer can drastically reduce errors in large-vocabulary speech recognition tasks such as voice search.

Наприклад, ми використовуємо звіти про помилки, щоб удосконалювати функції безпеки; пошукові запити та переходи в Bing- щоб підвищувати точність результатів пошуку; дані про використання- щоб визначати, яким новим функціям віддавати перевагу; голосові дані- щоб покращувати точність розпізнавання мовлення.
For example, we use error reports to improve security features, search queries and clicks in Bing to improve the relevancy of the search results, usage data to determine what new features to prioritise and voice data to improve speech recognition accuracy.

Наприклад, ми використовуємо звіти про помилки, щоб удосконалювати функції безпеки; пошукові запити та переходи в Bing- щоб підвищувати точність результатів пошуку; дані про використання- щоб визначати, яким новим функціям віддавати перевагу; голосові дані- щоб покращувати точність розпізнавання мовлення.
For example, we use error reports to improve security features, search queries and clicks in Bing to improve the relevancy of the search results, usage data to determine what new features to prioritize, and audio recordings from voice input features to improve speech recognition accuracy.

Керування розпізнаванням мовлення та моделями.
Speech Recognition and Model Management.

Для цього ми впроваджуємо та розробляємо інструменти з розпізнаванням мовлення, які слухатимуть вашу вимову та покажуть свої помилки.
To do this, we are implementing and developing tools with speech recognition that will listen to your pronunciation and show your mistakes.

Ці засоби роблять можливими нові бізнес-моделі, автоматизуючи завдання за допомогою комп'ютерного зору, обробці природної мови та розпізнаванню мовлення.
They can enable new business models by automating tasks through computer vision, natural language processing, and speech recognition.

І хоча SRI досяг успіху з глибинними мережами в розпізнаванні мовника, вони були безуспішними в демонстрації подібного успіху в розпізнаванні мовлення.
While SRI experienced success with deep neural networks in speaker recognition, they were unsuccessful in demonstrating similar success in speech recognition.

Ці засоби роблять можливими нові бізнес-моделі, автоматизуючи завдання за допомогою комп'ютерного зору, обробці природної мови та розпізнаванню мовлення.
New business models can be initiated by automating tasks through computer vision, natural language processing, and speech recognition.

В 2013 та 2014 роках рівень похибки на задачі ImageNet із застосуванням глибинного навчання було швидко додатково скорочено, слідом за подібною тенденцією у великомасштабному розпізнаванні мовлення.
In 2013 and 2014, the error rate on the ImageNet task using deep learning was further reduced, following a similar trend in large-scale speech recognition.