Uočavanje ključnih riječi ključna je značajka softverskih programa i alata za prepoznavanje govora. Softver za prepoznavanje govora oslanja se na složene tehnologije kako bi “shvatio” što netko govori, a zatim ga pretvorio u tekst. Kako bi se to postiglo, softver za prepoznavanje govora mora se oslanjati na različite tehnologije i analitičke metode. Jedan od njih je uočavanje ključnih riječi.
Dvije različite vrste uočavanja ključnih riječi djeluju različito. Prvi je uočavanje ključnih riječi u neograničenom govoru ili analiza linearnog toka fonetike bez određenih prijeloma riječi. Drugi oblik poznat je kao uočavanje ključnih riječi u izoliranom prepoznavanju riječi, gdje softver može imati “tragove” u smislu tišine ili prekida između riječi.
Uočavanje ključnih riječi u neograničenom govoru oslanja se na neke specifične programe koji se nazivaju algoritmi. Ovi programi u osnovi rade s “bitovima” ili pojedinačnim fonemima kako bi predvidjeli što najvjerojatnije “znače” ili u koji kontekst će se najvjerojatnije smjestiti. Jedan popularan algoritam za ovaj zadatak naziva se iterativno Viterbi kodiranje, što se ponekad objašnjava kao pronalaženje “najmanje normalizirane udaljenosti” jedne sekvence od druge, drugim riječima, uspoređivanje bitova podataka za “podudaranje” koje pomaže u prepoznavanju govora. Neki od ovih algoritama iznimno su učinkoviti u tumačenju ljudskog govora bez stvarnog razumijevanja na razuman način.
Druga vrsta, uočavanje ključnih riječi u izoliranom prepoznavanju riječi, ponekad koristi ono što stručnjaci zovu “dinamičko iskrivljenje vremena”. Ovaj proces analizira brzinu ili tempo kako bi pomogao u prepoznavanju govora. Postoji mnogo analitičkih usporedbi koje pomažu u oblikovanju konačnog rezultata, koji jedinstveno tumači riječi.
Obje vrste strategija uočavanja ključnih riječi ponekad se objašnjavaju onim što profesionalci nazivaju “skrivenim Markovljevim modelima”. Markovljev model nazvan je po znanstveniku koji ga je smislio i koristi složene statističke metode za pronalaženje nedostižnih rezultata. Uočavanje ključnih riječi i drugi softver za prepoznavanje govora uglavnom se temelji na vjerojatnosti, kao i na snimanju sekvenci i usporedbi, tako da stroj može generirati tekst koji više odražava ono što kaže ljudski korisnik.
Tehnologija govora u tekst pokazuje se iznimno korisnom za pretvaranje verbalne komunikacije na stranicu bez potrebe za velikim količinama ručnog tipkanja. Vjerojatno će alati za ključne riječi i druge tehnologije nastaviti pokretati sve moćnije programe za prepoznavanje govora koji će komunikaciju učiniti učinkovitijom u različitim medijima. Tehnologije poput ovih koje idu ruku pod ruku s digitalnim prijenosom informacija, što će suvremenom svijetu i njegovim građanima donijeti raznovrsnije sposobnosti.