調査について

背景雑音や残響、エコー、話者からの距離など、多くの要因が ASR システムの性能に影響します。

以下の研究は、これらの課題を論じ、音声および音声認識デバイスのために、より正確で明瞭なASRパフォーマンスを生み出すソリューションを検討するものである。Kardomeの音声認識強化技術が業界の標準的なアルゴリズムを凌駕していることを示しています。

我々は、最も静かな環境から最も騒々しい環境まで、様々な環境におけるASRパフォーマンスを調査することで、Wake Word誤検出率と応答精度率を測定しています。

この研究では、次のような性能指標を調べています。

• 応答精度（RAR）-デバイスが正しく応答した回数のパーセンテージ。
• ウェイクワード検出遅延（DD）-システムがウェイクワードを認識し、さらなるコマンドを受け入れる準備ができるまでの時間。リアルタイムで楽しいユーザー体験をするためには、WWDDはできるだけ小さくする必要があります。
• ウェイクワード誤警報率（FAR）-ウェイクワードが発話されずにユーザーがデバイスを起動した回数のパーセンテージです。
• Wake Word False Rejection Rate (FRR) - デバイスがウェイクワードに応答しない回数のパーセンテージです。例えば、FRRが10%の場合、90%の成功率を示します。