Please enable JavaScript.
Coggle requires JavaScript to display documents.
FUNDAMENTOS - Coggle Diagram
FUNDAMENTOS
conceitos
ASR
AUtomatic Speech Recognition
reconhecimento
automático
fala
conversão
fala
texto
ou
STT
speech-to-text
Taxa de amostragem
número
amostras
sinal
por segundo
hertz
padrão
16kHz
MFCC
Mel-Frequency Cepstral COefficients
coeficientes cepstrais na escala mel
atributo
acústico
clássico
Espectograma log-mel
representação
tempo-requênica
energia
bandas
escala
mel
logarítimica
entrada
típica
1 more item...
modelo acústico
componente
estima
probabilidade
sinal
observado
dado
unidade
1 more item...
léxico
disiconário
pronúncias
liga
palavras
sequência
fonemas
modelo de língua (LM
componente
estima
probabilidade
sequência
palavras
LM
language model
traduz
modelo linguagem
HMM
Hidden Markov Model
base
ASR
estatístico
clássico
OOV
Out-of-vocabulary
palavra
fora
vocabulário
sistema
WER
WOrd Error Rate
taxa
erro
palavras
S+D+I/N
CER/SER
CHaracter Error Rate
taxa
erro
caracteres
Sentence Error Rate
taxa
erro
sentenças
RTF
Real-Time-Factor
tempo
processamento
dividido
duração
áudio
Parâmetros
número
internos
modelo
ajustando
treinamento
também
chamado
1 more item...
DNN
Deep Neural Network
rede neral profunda
muitas
cmadas
arquitetura
equação fundamental
formula
problema
1 escolha
dada
O
sequência
atributos acústicos observada
encontrar
W
sequência de palavras
+provável
notaçaõ
P(A|B)
probabilidade
A
quando
B
ocorreu
regra de Bayes
resultdo
básico
teoria
probabilidades
permite
inverter
1 more item...
P(W|O) = P (O|W) x P(W)/P(O)
P(O)
probabildiade
som
observado
igual
1 more item...
ASR estatístico
transcrição
escolhida
sequência
palavras
W
1 more item...
decomposição
explica
divisão
trabalho
modelo acústico
sozinho
n distingue
1 more item...
modelo de língua
resolve
dúvida
1 more item...
sozinho
n sabe
1 more item...
componentes
extração de atributos
função
converte
sinal
vetores
lista
números
2 more items...
cada
1 more item...
exemplo
reduz
16 mil
amostras
segundo
100 vetores
1 more item...
modelo acústico
estimar
P(O|W)
probabildaide
atributo
dado
fonema
estado
exemplo
reconehcer
trecho
sinal
corresponde
/s/
1 more item...
sistemas
clássicos
representa
cada
fonema
HMM
2 more items...
misturas de gaussianas (GMM)
modela
probabildiade
cada
estado
1 more item...
gaussiana
curva
forma
sino
1 more item...
mistura
soma
várias
1 more item...
híbrido DNN-HMM
rede neural profunda
substitui
gaussianas
estimativa
1 more item...
léxico
(dicionário de pronúncias)
ligar
cada
palavra
sequências
fonemas
1 more item...
exemplo
com
variantes
lista
palavras
sistema
conhece
cada
1 ou +
1 more item...
define
vocabulário
reconhecedor
palavras fora do vocabulário
1 more item...
subpalavra
pedaço
palavra
definido
estatisticamente
meio
1 more item...
token
(unidade de processmaneto)
unidade
modelo
lê/gera
cada
1 more item...
texto
geral
subpalavra
tipos
especiais
funcionam
comandos
Whisper
1 more item...
áudio
decodificador
buscar
entre
hipóteses
combinadas
sequência
maior
1 more item...
exemplo
algoritmo
Viterbi
busca
em feixe
beam search
combina
3 modelos
procura
sequência
maior
pontuação
algoritmo
busca
n é
modelo
treinado
designa
parte
rede
gera
texto
livro
1 more item...
algoritmo de Viterbi
encontra
extamente
melhor
caminho
programação dinãmica
1 more item...
custo
cresce
proporcionalmente
(n exponencialmente)
duração
1 more item...
combinado
busca em feixe
mantém
apenas
hipóteses
1 more item...
pode
desenvolver
n só
melhor
hipótese
mas
2 more items...
modelo de língua
estimar
P(W)
plausibilidade
sequência
palavras
preferir
1 more item...
modelo
clássico
n-gramas
estima
probabildiade
palavra
1 more item...
trigramas
estima
possibilidade
1 more item...
técnicas
suavização
smoothing
1 more item...
qualidade
medida
perplexidade
1 more item...
neurais
LLMs
substituídram
n-gramas
muitas
1 more item...
também
refere
LLMs
clássica
fluxo
1
entrada
áudio
digitalizado
sinal
amostrado
1 more item...
2
atributos
MFCC/log-mel
vetor
cada
100 ms
3
modelo acústico
P(O|W)
HMM
com
GMM
rede neural
1 more item...
4
léxico
prinúncia
liga
fonemas
plavras
1 more item...
5
modelo de língua
P(W)
n-gramas
modelo neural
decodificador
VIteri
beam search
saída
texto
melhor
hipótese
lista
N-best
lattice
importância
embora
sistema
ponta a ponta
dominam
pesquisa
grande
parte
1 more item...
melhor
forma
entender
problema
API
application Programming interface
canal
padronizado
progrma
pede
serviço
1 more item...
serviço
transcrição
nuvem
sistema
instiuição
2 more items...
aprendizado de máquina
conceitos
modelo
função
matemática
muitos
números
inteiros
1 more item...
parâmetros
(pesos)
números
aprendidos
diferente
parâmetros
1 more item...
treinar
ajustar
parâmetros
respostas
aproximem
respostas
1 more item...
função de perda
mede
tamanho
erro
gradiente descendente
método
faz
ajuste
gradual
retroprogrmação
(backprogramation)
redes neurais
cálculo
qunato
cada
1 more item...
interferência
etapa
depois
treinado
modelo
usado
1 more item...
treinamento
objetivo
n acertar
mas
generalizar
acertar
dados
1 more item...
dados
convertidos
3 conjuntos
treinamento
usado
ajustar
1 more item...
validação
usado
escolher
1 more item...
decidir
1 more item...
teste
reservado
avaliaçaõ
final
nunca
uado
ajuste
pena
produzir
1 more item...
overfitting
solução
regularização
limita
ajustes
excessivos
aumento
dados
modelo generativo
sáida
passo a passo
cada
palvra/pedaço palavra
a partir
anteriores
aprendizado
supervisionado
ex
áudio
transcriçaõ
revisada
pessoas
n supervisionado
ex
agrupamento
trehcos
voz
diarização
autossupervisioando
dado
fornece
tarefa
parte
escondida
1 more item...
ex
wav2vec 2.0
pré-treinamento
grandes
modelos
1 more item...
fracamente
supervisionado
rótulos
abundantes
mas
imperfetios
ex
whisper
transcrições
coletadas
1 more item...
reforço
grandes
modelos
linguagem
prefer~encia
humanas
rede neural artificial
neurônio artificial
calcula
soma
ponderada
entradas
aplica
função de ativação
cmadas
saída
camada
entrdda
seguinte
profunda
qunado
muitas
cmadas
1 more item...
última
camadas
classificador
função softmax
2 more items...
aprendizado profundo
vetor de representação
lista
ordenada
números
cada
quadro
espectograma log-mel
80 bandas
1 more item...
saída
camada
rede neural
também
1 more item...
tipos
densa
(totalmente conectada)
cada
neurônio
1 more item...
convolucional
CNN
pequenos
filtros
2 more items...
exemplo
padrão
1 more item...
recorrente
RNN
processa
sequência
1 more item...
long short-term memory
LSTM
2 more items...
transformer
mecanismo de atenção
processar
cada
1 more item...
modelo
pondera
relevância
1 more item...
exemplo
Whisper
grandes
1 more item...
2 procedimentos
completam
vocabulário
básico
pré-treinamento
2 more items...
transferência de aprendizado
1 more item...
modelos
atuais
bilhões
parâmetros
ultrapassam
1 more item...
treinamento
exige
processamento
1 more item...
treinar
ajustar
automaticamente
parâmetros
modelo
1 more item...
introdução
reconehcimento automático de fala
tarefa
converter
sinal
voz
sequência
palavras
escritas
´definição
reúne
3 problemas
1o
físico
voz
chega
1 more item...
precisa
1 more item...
2o
linguístico
=sons
podem
1 more item...
fala
real
1 more item...
3o
estatístico
sistema
precisa
1 more item...
Câmara dos Deputados
utiliza
transcrição
autmática
integrada
sistema
interno
1 more item...
ASR
Automatic Speech recognition
funcionamento
saída
texto
sistema
n precisa
entender
dito
1 more item...
compreensão
1 more item...
entrada
áudio
n confundir
TTS
text-to-speech
caminho
inverso
1 more item...
identificação/verificação
locutor
(speaker identification/verification)
n perguntam
1 more item...
saída
2 more items...
diarização
quem falou quando
separando
trechos
1 more item...
detecção de atividade de voz
VAD
apenas
separa
2 more items...
saída
marcação
1 more item...
identificação de idioma
LIId
Language Identification
reconehce
1 more item...
ou
STT
histórico
anos
1950
identificavam
dígitos
falados
único
1 more item...
vocabulário
mínimo
1970-80
abordagem
estatística
baseada
modelos ocultos de Markov
1 more item...
combinação
modelos
sparados
HMM-GMM
4 more items...
anos 2010
redes neurais profundas
substituídram
gaussianas
modelo acúsitco
1 more item...
longo
sobretudo
2a metade
ganharam
1 more item...
2a metade
ent-toend
CTC
RNN-T
modelos
atenção
codificador
1 more item...
2020
modelos
treinados
volumes
grandes
1 more item...
fala como sinal
som ao sinal digital
voz
onda
pressão
sonora
microfone
converte
onda
sinal
elétrico
1 more item...
sinal
digitalizado
pode
armazenado
sem
1 more item...
com
1 more item...
parâmetros
número
canais
áudio
moo
1 more item...
estéreo/multicanal
2 more items...
noções de fonética
fonema
unidade
mínima
distingue
singificado
língua
1 more item...
alofones
realizaçaõ
concreta
fonema
varia
conforme
2 more items...
diferença
regional
tia
tchia
tia
coarticulação
articulação
som
antecipa
seguinte
n há
1 more item...
prosódia
reúne
aspectos
entonaçaõ
ritmo
duração
intensidade
distingue
pergunta
afirmação
Vossa Excelência votou.
Vossa Excel~encia votou?
marca
fronteiras
frases
torna
relevante
pontuação
1 more item...
relação
letras/sons
n biunívoca
letra
x
mínimo
1 more item...
sons
iguais
1 more item...
ambiguidades
resolvidos
1 more item...
atributos acústicos
do sinal ao espectograma
sistema
n trabalha
diretamente
amostras
sinal
3 more items...
MFCC
Mel-Frequency Cepstral COefficients
atributos
clássicos
era HMM-GMM
obtido
transformada do cosseno
espectro log-mel
2 more items...
cepstral
deriva
cepstrum
1 more item...
microfone
conceitos
captaçaõ
microfone
converte
pressão
1 more item...
digitalizçaão
amostragem/quantização
exemplo
16 mil amostras/segundo
1 more item...
janelamento
quadros
janelas
cerca
1 more item...
análise espectral
transformada de Fournier
energia
frequência
1 more item...
escala perceptual
banco de filtros mel
(1 banda/filtro)
logaritmo
espectograma
log-mel
2 more items...
compressão
transformada do cosseno
MFCC
atributo
1 more item...
itens
constumam
combinar
definição
técnica
afirmação
alcance
tecnologia
erro
+comum
atribuir
componente
função
outro
modelo acústico
1 more item...
exagerar
capacidade
sistema
termos
absolutos
elimina
garante
independentemetne
em
qualquer
condição
como ler
identificar
componente
conferir
função
atribuída
corretamente
conferir
métrica
verificar
fórmula/sentido/alcance
corretos
desconfiar
absoluto
sistemas
ASR
probabilísticos
afirmações
acerto
total
imunidade
ruído
dispensa
revisão
humana
fatores
afetam
desempenho
reconhecimento
piora
sinal
afasta
condições
modelo
1 more item...
tipos
ruído de fundo
exemlo
aplausos
ar codnicionado
reduz
relação
sinal-ruído
conversas paralelas
reverberação
comum
salas
amplas
faz
1 more item...
distância
microfone
fala
capta
+fácil
2 more items...
qualdiade equipamento
sobreposiçaõ de falas
2 ou mais
oradores
falam
=tempo
compressão
perdas
transmissão
redes
baixa
qualidade
1 more item...
respsota
preservar
áudio
alta
1 more item...
linguístico
falante
fala espotânea
+difícil
fala
lida
1 more item...
velicidade
sotaque
regional
estrangeiro
idade
características
voz
timbre
altura
especial
grupo
falantes
pouco
representdo
1 more item...
literatura
registra
taxas
erro
diferentes
1 more item...
domínio
vocabula´rio
outro
fator
decisivo
modelo
1 more item...
+disntae
domínio
treinado
+taxa
1 more item...
ganhos
robustez
3 estratégias
1a
treianr
+dados
+diversos
cobrindo
ruídos
sotaques
estilos
estratégia
Whisper
treinado
680 mil horas
1 more item...
2a
aumento da dados
data augmentation
acrescentar
artificialmente
1 more item...
mascarar
faixas
1 more item...
técnica
conhecida
1 more item...
3a
pré-processamtno/adaptação
supressão
ruído
uso
1 more item...
nenhuma
torna
sistmea
1 more item...
mede
qualidade
reconhecimento
taxa de erro de palavra
WER
compara-se
transcriçaõ
automática
(hipótese)
transcriçaõ
referêncai
feita/conferida
1 more item...
3 tipos de erro
substituições
palavra
trocada
1 more item...
eliminações/deleções (D)
palavra
referência
1 more item...
inserções (I)
hipótee
contém
1 more item...
dado
S+D+I)/N
número
S
1 more item...
D
1 more item...
I
1 more item...
N
número
1 more item...
alinhamento
referência/hipótese
feito
distância
1 more item...
exemplo
o deputado pediu a palavra pela ordem
o deputado pediu palavra pela orda agora
1 eliminação
1 more item...
1 substituição
1 more item...
1 inserção
1 more item...
resultado
1 more item...
4 propriedades
1
quanto menor
melhor
1 more item...
2
pode
ultrapassar
1 more item...
n rigoroso
tratar
1 more item...
3
WER
depende
1 more item...
4
WER
trata
1 more item...
contextos
profissionais
comum
complementar
1 more item...
CER
taxa de erros de caractere
5/43
11,6%
senhor presidente peço a palavra pela ordem
virou
1 more item...
útil
entre
palavra
sem
1 more item...
taxa de erro de sentença
SER
Sentence Error Rate
mede
proporção
frases
1 more item...
variantes
WER
corrigem
parte
distorções
proposta
1 more item...
escore de confiança
estimativa
produzida
próprio
reconhecedor
palavra/trecho
1 more item...
costuma
calculado
a partir
probabilidades
próprio
1 more item...
latência
sistemas
tempo real
atraso
entre
fala/exibição
texto
fator de tempo real
RTF
1
significa
1 more item...
mundo real
Cãmara
2026
ParlAMericas
parlametnos
nacioanis
1 more item...
