@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix skos: <http://www.w3.org/2004/02/skos/core#> .
@prefix x64: <http://data.loterre.fr/ark:/67375/X64> .
@prefix dc: <http://purl.org/dc/terms/> .
@prefix xsd: <http://www.w3.org/2001/XMLSchema#> .

<http://data.loterre.fr/ark:/67375/8LP> a owl:Ontology, skos:ConceptScheme .
<http://data.loterre.fr/ark:/67375/8LP-K1CXLSF5-M>
  skos:exactMatch x64:-JR9K29CT-L, <https://www.wikidata.org/wiki/Q189436> ;
  skos:example "Since the accuracy of speech recognition is not near to perfect it will cause the natural language misunderstanding. (Yeh & Chu, 2013)"@en, "L'investissement nécessaire pour obtenir de telles performances de RAP sur des genres vidéos variés, tel que les dessins animés, documentaires, etc., serait très coûteux. (Oger, Rouvier & Linarès, 2010)"@fr, "Une manière peu coûteuse d'obtenir la transcription des vidéos est d'utiliser un système de reconnaissance automatique de la parole (RAP). (Oger, Rouvier & Linarès, 2010)"@fr, "Jaitly et al. (2016) propose an online neural transducer for speech recognition that is conditioned on prefixes. (Ma, Huang, Xiong, Zheng, Liu, Zheng, Zhang, He, Liu, Li, Wu & Wang, 2019)"@en, "Automatic Speech Recognition (ASR) on resource constrained environment is a complex task since most of the State-Of-The-Art models are combination of multilayered convolutional neural network (CNN) and Transformer models which itself requires huge resources such as GPU or TPU for training as well as inference. (Haswani & Mohankumar, 2022)"@en, "Afin de déterminer si ces résultats sont liés à la nature du corpus issu de la RAP, nous avons mené les mêmes expériences sur le corpus de sous-titres qui contient les transcriptions exactes de vidéos de quatre des sept genres. (Oger, Rouvier & Linarès, 2010)"@fr, "However currently available STT systems do not recognize word fragments. (Kim, Schwarm & Ostendorf, 2004)"@en, "De plus, le modèle TF proposé d'ordre 1 permet un gain de bonne classification absolu d'environ 2 % en comparaison du modèle de référence TF.IDF sur le corpus de RAP, alors que l'espace de représentation est réduit de 99.7 %. (Oger, Rouvier & Linarès, 2010)"@fr, "Les résultats montrent que, contrairement à l'approche classique en catégorisation de texte qui consiste à se concentrer sur les mots porteurs de sens, l'analyse des fréquences des mots outils permet une caractérisation du style éditorial qui est robuste aux erreurs de RAP. (Oger, Rouvier & Linarès, 2010)"@fr, "Therefore we made use of the recently-developed cloud-based speech-to-text (STT) service for automatically generating transcriptions that would help annotators do their tasks. (Saito, Takamichi & Saruwatari, 2020)"@en ;
  skos:definition "Technique qui permet à une machine de reconnaître les sons, les mots ou les phrases d'un locuteur, dans le but de les transformer en données numériques exploitables. (Office québécois de la langue française)"@fr, "Conversion, by a functional unit, of a speech signal to a representation of the content of the speech. (ISO/IEC 22989:2022 Information technology — Artificial intelligence — Artificial intelligence concepts and terminology)"@en ;
  skos:altLabel "speech-to-text"@en, "ASR"@en, "reconnaissance vocale"@fr, "computer speech recognition"@en, "RAP"@fr, "automatic speech recognition"@en, "speech to text"@en, "reconnaissance de parole"@fr, "STT"@en, "STT"@fr, "reconnaissance automatique de la parole"@fr ;
  skos:prefLabel "speech recognition"@en, "reconnaissance de la parole"@fr ;
  skos:hiddenLabel "Speech recognition"@en, "Reconnaissance de la parole"@fr ;
  skos:inScheme <http://data.loterre.fr/ark:/67375/8LP> ;
  a skos:Concept ;
  dc:modified "2024-09-19T09:44:47"^^xsd:dateTime ;
  skos:broader <http://data.loterre.fr/ark:/67375/8LP-MVXDG4N2-3> .

<http://data.loterre.fr/ark:/67375/8LP-MVXDG4N2-3>
  skos:prefLabel "traitement automatique de la parole"@fr, "speech processing"@en ;
  a skos:Concept ;
  skos:narrower <http://data.loterre.fr/ark:/67375/8LP-K1CXLSF5-M> .