Kod KâşifiMERAK ET. DENE. KEŞFET.Bir şey öğren

Yayıncı: Kod Kâşifi · Düzeltme bildir

Aynı ses, farklı kelime: konuşmayı anlamak

Konuşma tanıma sistemi, duyduğu sesleri kelimelere çevirmeye çalışır. Benzer sesler ve cümlenin bağlamı sonucu değiştirebilir.

Benzer ses dalgası iki boş kelime taşına ayrılıp çevre ipucuyla anlam kazanıyor.
Konuşma tanıma benzer sesleri ayırmak için cümlenin bağlamından yararlanabilir. Kod Kâşifi için üretilen yapay zekâ illüstrasyonu.

Telefon bir kelimeyi başka yazınca

Bir telefonun dikte özelliğine kısa bir cümle söylediğini düşün. Ekrandaki yazı çoğunlukla doğru, fakat içindeki bir kelime bambaşka. Söylediğin şeyi biliyorsun; telefon ise yalnızca eline ulaşan ses ve öğrendiği örüntüler üzerinden bir sonuç üretmiş. Aradaki fark bazen komik bir mesaj, bazen de yanlış bir sayı olabilir. Bu küçük olay, konuşmayı yazıya çevirmenin göründüğünden zor olduğunu gösterir.

İnsanlar da gürültülü bir odada söylenen sözü yanlış duyabilir. Ama konuşan kişiye dönüp tekrar sorabilir, konuyu ve yüz ifadesini değerlendirebiliriz. Bir konuşma tanıma sisteminin kullanabildiği ipuçları, tasarımına ve aldığı veriye bağlıdır. Cümleyi yazmış olması, konuşanın niyetini eksiksiz bildiği anlamına gelmez. Dolayısıyla otomatik metni bitmiş bir belge yerine kontrol edilmesi gereken ilk taslak gibi düşünmek yararlıdır.

Sesin sayılara uzanan yolculuğu

Konuşurken ağzımızdan çıkan ses, havada titreşim olarak ilerler. Mikrofon bu titreşimleri elektrik sinyaline dönüştürür; kayıt sistemindeki devreler de sinyali sayısal biçimde temsil eder. Programın önünde küçük harflerden oluşan hazır bir kelime listesi bulunmaz. Önce zamana yayılan bir ses kaydı vardır. Sistem bu kayıttaki örüntülerden hangi sözcüklerin söylenmiş olabileceğine ilişkin bir sonuç çıkarmaya çalışır.

Aynı sözcük farklı kişiler tarafından aynı biçimde söylenmez. Ses yüksekliği, konuşma hızı, vurgu ve seslerin birbirine bağlanması değişebilir. “Bir dakika” ifadesini yavaşça söylediğinde iki kelime belirgin duyulurken hızlı bir konuşmada sınırları daha zor seçilebilir. Sistemin işi yalnızca sözlükteki kelimeleri tanımak değildir; akan ses içinde olası kelime sınırlarını da bulmaktır. Bunun için eğitim sırasında gördüğü konuşma örneklerinden yararlanır.

Çevredeki sözcükler nasıl yardım eder?

Kâğıda “Masaya bir ___ koydum” yazalım. Kitap, tabak veya kalem bu cümleye uyabilir. “Okumayı bitirince masaya bir ___ koydum” dediğimizde kitap seçeneği daha güçlü görünür. Bu değişim, çevredeki sözlerin verdiği ipucundan kaynaklanır. Konuşma tanıma sistemleri de tasarımlarına göre önceki veya çevredeki sözcüklerden yararlanabilir. Ses tek başına belirsiz olduğunda dil örüntüleri olası sonuçların daralmasına yardımcı olur.

Fakat iyi bir tahmin, sesin yerini tamamen almamalıdır. Okuma hakkında konuşuyor olmana rağmen masaya gerçekten bir tabak koymuş olabilirsin. Beklenen sözcüğe fazla ağırlık vermek, alışılmadık ama doğru bir ifadeyi değiştirebilir. Bu yüzden anlamlı görünen her otomatik cümle doğru sayılmaz. Metin kulağa mantıklı gelirken kayıtla uyuşmayabilir. Kontrol sırasında hem cümlenin anlamını hem gerçekten söylenen sesi dikkate almak gerekir.

Bir kelimenin iki anlamı başka bir mesele

Türkçedeki “yüz” kelimesi güzel bir ayrımı gösterir. “Kutuda yüz boncuk var” dediğinde sayıdan, “Suda biraz yüz” dediğinde yüzme eyleminden söz edersin. İkisinde de yazılacak kelime yüzdür. Otomatik sistem bu kelimeyi doğru yazmışsa, anlamının farklı olması tek başına yazıya çevirme hatası değildir. Sözcüğü yazmak ile hangi anlamda kullanıldığını yorumlamak birbirine bağlı, fakat farklı görevlerdir.

Başka bir durumda sistem gerçekten farklı bir kelime seçebilir. Gürültü içinde “kırk” sözcüğünün sesleri yeterince açık gelmediğinde “kürk” gibi bir sonuç ortaya çıkabilir. Bunların yazılışı ve anlamı farklıdır. “Kırk tane kart” ile “kürk tane kart” karşılaştırıldığında çevredeki sözcükler hatayı fark etmeye yardımcı olur. Yine de yalnızca örnek cümleye bakıp her kayıtta böyle bir karışma olacağını söyleyemeyiz; gerçek ses koşulları belirleyicidir.

İsimler ve sayılar neden dikkat ister?

Bir sınıf gezisi için hazırlanan hayalî notta “Saat on üçte kapıda buluşacağız” dendiğini düşün. Otomatik metinde saat on iki görünürse tek kelimelik hata bütün planı değiştirir. “Konu anlaşılmış gibi duruyor” diyerek geçmek yetmez. Sayı, tarih ve isimleri ayrı bir kontrol turunda incelemek iyi olur. Metin paylaşılmadan önce bu küçük ayrıntıların doğru yazıldığını görmek, sonradan oluşacak karışıklığı önleyebilir.

Alışılmadık bir karakter adı veya bir oyunun özel terimi de zorlayıcı olabilir. Sistemin eğitim örneklerinde sık bulunan bir kelime, daha az tanıdığı ismin yerine gelebilir. Bu, o ismin yanlış veya değersiz olduğu anlamına gelmez. Beklenen dil örüntüsü ile konuşmanın gerçek içeriği farklıdır. Bir araca özel terimler tanıtılabiliyorsa bu özellik yardımcı olabilir; yine de tanıtılan terimleri son metinde kontrol etmek gerekir.

Noktalama da okumayı değiştirebilir. “Ali geldi.” cümlesiyle bir geliş olayını bildiririz; “Ali geldi?” yazdığımızda ise ses tonunun da yardımıyla bir soru sorabiliriz. Otomatik metin sonuna yanlış işareti koyarsa kastettiğin soru, kesin bir açıklama gibi görünebilir. Konuşurken ses tonuyla verdiğin ipucunun yazıda nasıl karşılandığına bak. Otomatik noktalama ekleyen araçlar da hata yapabilir. Bu nedenle kontrol turunda yalnızca sözcükleri saymak yerine cümleyi baştan sona oku; senin kastettiğin açıklama mı, soru mu, yoksa bir uyarı mı ortaya çıkmış, düşün.

Hata her zaman konuşandan kaynaklanmaz

Boş bir koridordaki yankı, pencere dışındaki trafik veya aynı anda konuşan iki kişi kaydı zorlaştırabilir. Mikrofonun sesi ne kadar iyi aldığı da önemlidir. Konuşma biçimleri arasında doğruluk farkları oluştuğunda, bunu insanların düzgün konuşmamasıyla açıklamak doğru değildir. Sistemin hangi örneklerle eğitildiği ve nasıl değerlendirildiği de sonucu etkiler. Teknolojiyi incelerken yalnızca kullanıcıya değil, aracın sınırlarına da bakmamız gerekir.

Konuşma tanıma araştırmaları bu sınırları ölçmek için üretilen metni referans metinle karşılaştırır. Bazı sistemler sözcük atlayabilir, ekleyebilir veya yanlış bir sözcük yazabilir. Çok uzun kayıtlarda tekrarlayan ifadeler gibi başka hatalar da görülebilir. Tek bir başarılı deneme, aracın her ortamda kusursuz olduğunu göstermez. Ödevini veya bir açıklamayı paylaşırken doğruluğu o belirli metin üzerinden değerlendirmen daha güvenilir bir yaklaşım olur.

Kayıt yapmadan bağlamı deneyebilirsin

Bu fikri incelemek için kimsenin sesini kaydetmeye gerek yok. Bir arkadaşın kâğıda son kelimesi eksik üç cümle yazsın. İlkinde yalnızca “Bir ___ gördüm” olsun. İkincisinde “Gökyüzüne bakınca bir ___ gördüm”, üçüncüsünde ise “Gece gökyüzüne bakınca parlak bir ___ gördüm” yazsın. Her adımda aklına gelen seçenekleri kaydet. Yeni ipuçlarının seçenekleri nasıl değiştirdiğini birlikte karşılaştırın.

Sonra arkadaşın son boşluğa beklemediğin bir kelime yazsın; örneğin yıldız yerine uçak. İlk tahminin güçlü olsa bile tek mümkün cevap olmadığını fark edersin. Dilin olasılıklarla dolu olması, konuşma tanımanın neden zor olduğunu anlamana yardım eder. Ardından yüz kelimesini iki farklı anlamda kullanan cümleler kur. Bu ikinci çalışmada yazı değişmezken yorumun değiştiğini özellikle gözlemle; iki deneyin birbirinden farkını anlat.

Taslağı kullanılabilir metne dönüştür

Dikte kullanabileceğin bir çalışma varsa önce öğretmeninin yönergesini izle. Kendi kısa metnini hazırlayıp otomatik yazıyı cümle cümle gözden geçir; varsa ses kaydıyla eşleştir. İsimleri ve sayıları işaretle, anlaşılmayan bölümü tahminle doldurmak yerine yeniden söyle veya açıkça düzelt. Başkalarının konuşmasını kaydetmek ve paylaşmak ayrı bir izin ve mahremiyet meselesidir. Yöntemi öğrenmek için kişisel konuşmaları toplamak zorunda değilsin.

En ilginç nokta şu: Bir hata, sistemin hangi ipuçlarına fazla güvendiğini gösterebilir. Sürekli aynı özel adı değiştiriyorsa onun yerine ne yazdığını inceleyebilirsin. Çok gürültülü ortamda sözcükler atlanıyorsa sessiz bir yerde yapılan denemeyle karşılaştırabilirsin. Amacın kendi sesine kusur bulmak değil, aracın hangi koşullarda yardımcı olduğunu anlamaktır. Otomatik metnin son okuyucusu hâlâ sensin; o küçük kontrol, anlamın korunmasını sağlar.

Kaynaklar ve ileri okuma

KEŞFE DEVAM

Bir sonraki merakın ne?

Jaguar Land Rover saldırısı için ağ bağlantısı ve kilitle hazırlanmış temsili çizim
2 dk okumaSiber olaylar

Jaguar Land Rover saldırısı: fabrikanın görünmeyen dijital zinciri

Bir otomobil fabrikasında bilgisayarlar durunca yalnızca ofisteki ekranlar susmaz. JLR’nin 2025 saldırısı, üretimle yazılım arasındaki bağı görünür kıldı.

Yazıyı oku
Mavi bir arka planda Ctrl, Alt, Shift ve Windows tuşu kapakları; aralarında artı işaretleri ve hızla hareket eden bir fare imleci.
11 dk okumaYeni keşif

Windows kısayol tuşları rehberi: fareyi bırak, klavyeyle uç

Bilgisayar başında en çok zaman kaybettiren şey çoğu zaman yavaş bir işlemci değil, fareyle menü menü dolaşmaktır. Windows’ta iki üç tuşa birlikte basarak pencereleri dizebilir, ekran görüntüsü alabilir, donan bir programı kapatabilir, hatta kopyaladığın eski şeyleri geri getirebilirsin. Bu rehberde en işe yarayan Windows kısayollarını, nasıl akılda tutulacaklarını ve bir haftalık bir antrenman planını bulacaksın.

Yazıyı oku
Turuncu ve lacivert bir arka planda Süper, Ctrl, Alt ve T tuş kapakları; yanında küçük bir terminal penceresi ve dört kareli çalışma alanı simgesi.
9 dk okumaYeni keşif

Pardus kısayol tuşları: Süper tuşundan çalışma alanlarına

Okulundaki etkileşimli tahtada, bilişim sınıfındaki bilgisayarda ya da evdeki eski dizüstünde Pardus ile karşılaşmış olabilirsin. Pardus, Türkiye’de geliştirilen, ücretsiz ve açık kaynaklı bir işletim sistemidir. Bu rehberde Pardus’un masaüstünde, dosya yöneticisinde ve terminalde işini hızlandıracak kısayolları, Linux’a özgü küçük sırları ve kendi kısayolunu nasıl tanımlayacağını öğreneceksin.

Yazıyı oku