Storia del Riconoscimento Vocale: Da Audrey (1952) agli LLM Oggi
L'Evoluzione del Riconoscimento Automatico del Parlato
Il riconoscimento vocale iniziò come curiosità da laboratorio e divenne un'interfaccia ubiqua. Tappe fondamentali:
Anni '50–'60: Fondamenti
- 1952 – Audrey (Bell Labs): Riconosceva cifre 0–9 da un singolo parlante usando l'analisi dei formanti.
- 1962 – Shoebox (IBM): Vocabolario di 16 parole (cifre + "più", "meno", ecc.) alla Fiera Mondiale del 1962.
- 1969 – Dynamic Time Warping (DTW): Allineava modelli vocali di lunghezza variabile; consentiva sistemi a parola isolata dipendenti dallo speaker.
Anni '70–'80: Modellazione Statistica
- Anni '70 – Hidden Markov Models (HMM): Baker, Jelinek, Bahl (IBM) applicarono HMM al parlato continuo; framework probabilistico sostituì il template matching.
- 1976 – Harpy (CMU): Vocabolario di 1.011 parole, beam search.
- Anni '80 – Le Reti Neurali Entrano: Waibel (TDNN), Bourlard (ibrido HMM/ANN); precoci ma limitate dalla potenza di calcolo.
Anni '90: Commercializzazione
- 1990 – Dragon Dictate (Dragon Systems): Prima dettatura discreta per consumatori ($9.000).
- 1996 – ViaVoice (IBM): Dettatura continua per PC.
- 1997 – Fondazione Nuance: Consolidò Dragon, Kurzweil, SpeechWorks; alimentò IVR, automotive, medicale.
Anni 2000–2010: Mobile e Cloud
- 2008 – Google Voice Search (iPhone): ASR cloud, gratuito, enorme volano dati.
- 2011 – Siri (Apple): Assistente vocale mainstream.
- 2014 – Deep Speech (Baidu) e CTC Loss: Deep learning end-to-end supera HMM/GMM.
- 2016 – WaveNet (DeepMind): TTS generativo; chiuse il cerchio.
Anni 2020: Modelli Fondamentali
- Whisper (OpenAI, 2022): Multilingue, robusto, open-source.
- ASR integrato con LLM: Consapevole del contesto, punteggiatura, diarizzazione, traduzione in un unico modello.
- Streaming on-device: RNN-T, Conformer, Zipformer—in tempo reale, privato, offline.
Da 10 cifre a conversazione fluente in 70 anni—il prossimo decennio punta a comprensione multilingue, multi-parlante, consapevole delle emozioni ovunque.