Sesli komut tanıma sistemleri, insan-makine etkileşimde yaygın olarak
kullanılmaktadır. Ses tanımada akustik ve dil modelleri kullanılmaktadır. Ses tanımadaki
başarım bu iki modele bağlıdır. Veritabanı dile ait özellikleri ne kadar iyi kapsarsa modelleme
de o kadar iyi olmaktadır. Akustik ve dil modellemesi için çok disiplinli bir çalışma yapılması
gereklidir. Bu tez çalışmasında, ses tanıma sistemlerinin daha kolay geliştirilmesi için derin
öğrenme tabanlı yöntemin uçtan uca ses tanımada kullanılması ve sesli komut tanıma
başarımlarının elde edilmesi üzerinde çalışılmıştır. Bu çalışmada, RNN yapısı ile Speech
Commands Dataset içerisindeki temel komut kelimelerinin sınıflandırma başarımları elde
edilmiştir. Deneysel çalışma sonunda %70,63 dogru sınıflandırma başarımı elde edilmiştir.
Voice command recognition systems are widely used in human-machine interaction.
Acoustic and language models are used in voice recognition. The performance of voice
recognition depends on these two models. The better the database covers the language features,
the better the modeling. A multidisciplinary study is required for acoustics and language
modeling. In this thesis, it has been studied to use end-to-end voice recognition method and to
achieve voice command recognition achievements in order to develop voice recognition
systems more easily. In this study, classification performance of basic command words in
Speech Commands Dataset is obtained with RNN structure. At the end of the experimental
study, 70.63% correct classification performance was obtained.
