虛擬現(xiàn)實(shí)技術(shù)與應(yīng)用 課件 3-9語(yǔ)音輸入

語(yǔ)音輸入語(yǔ)音輸入2語(yǔ)音輸入是通過(guò)電腦自動(dòng)的將人類的語(yǔ)音轉(zhuǎn)化為相應(yīng)的文字?，F(xiàn)在已經(jīng)有成熟的技術(shù)讓我們和我們的電子設(shè)備進(jìn)行語(yǔ)音溝通，如蘋果公司的Siri，微軟公司的Cortana。蘋果公司的Siri微軟公司的Cortana語(yǔ)音輸入能夠方便普通人，特別是部分有運(yùn)動(dòng)障礙的用戶使用。再者語(yǔ)音控制和輸入可以有效減少使用者的操作時(shí)間，工作量，使用學(xué)習(xí)成本，符合人的原始習(xí)慣。這種方法能夠有效讓使用者有更好的體驗(yàn)。語(yǔ)音輸入——優(yōu)點(diǎn)3語(yǔ)音輸入——微軟語(yǔ)音識(shí)別4在2017年，微軟的技術(shù)可以讓機(jī)器轉(zhuǎn)錄錯(cuò)誤率以5.8%略優(yōu)于人類水平5.9%。語(yǔ)音識(shí)別（聽寫識(shí)別）語(yǔ)音輸入——ChatGPT5目前，已經(jīng)有多款插件，如VoiceControlforChatGPT等，可以讓ChatGPT支持多種語(yǔ)言的語(yǔ)音輸入，如英語(yǔ)，中文，日文等。同時(shí)可以選擇朗讀回復(fù)內(nèi)容。語(yǔ)音輸入——HoloLens6在2015年，微軟已經(jīng)在自己的增強(qiáng)現(xiàn)實(shí)設(shè)備——HoloLens上成功應(yīng)用語(yǔ)音識(shí)別。用戶能通過(guò)語(yǔ)音指令，控制操作我的世界這款游戲。語(yǔ)音輸入——AppleVisionPro7在2023年，蘋果發(fā)布了AppleVisionPro，這是一款A(yù)R與VR融合的混合現(xiàn)實(shí)設(shè)備。它以最自然、最直觀的輸入方式來(lái)控制——眼睛、雙手與語(yǔ)音語(yǔ)音輸入——ProjectMellon8在2023年，英偉達(dá)發(fā)布了可以通過(guò)語(yǔ)音控制XR體驗(yàn)的ProjectMellon。這是一個(gè)輕量級(jí)Python包，能夠利用語(yǔ)音AI和大型語(yǔ)言模型的強(qiáng)大功能來(lái)簡(jiǎn)化沉浸式環(huán)境中的用戶交互。語(yǔ)音喚醒：這個(gè)功能在主流提供語(yǔ)音交互的設(shè)備上均有提供。語(yǔ)音喚醒普遍是針對(duì)單一用戶，非設(shè)備綁定的用戶本人即使知曉該喚醒詞也無(wú)法啟動(dòng)設(shè)備的語(yǔ)音交互功能。語(yǔ)音輸入——語(yǔ)音喚醒91、語(yǔ)音識(shí)別的準(zhǔn)確性仍需要改進(jìn)，口音，方言和小眾語(yǔ)言仍然是困難。2、語(yǔ)音輸入在公共場(chǎng)合不具有保密性，一些隱私無(wú)法通過(guò)語(yǔ)音輸入。3、對(duì)于背景音嘈雜的真實(shí)環(huán)境下，準(zhǔn)確率可能急劇下降，導(dǎo)致交互的失敗。4、目前的語(yǔ)言識(shí)別進(jìn)行文本輸入時(shí)，通常在輸入之后，需要手工調(diào)整部分字句。5、語(yǔ)音輸入對(duì)于控制的細(xì)粒度無(wú)法準(zhǔn)確表達(dá)。特別是對(duì)于