Sesten yazıya: konuşma tanıma nasıl çalışır?
- Okuma süresi: 5 dk
- Kod bilgisi gerekmez

Bir toplantı kaydını elle yazıya dökmek saatler alır; sesten yazıya araçları bunu dakikalara indirebilir. Ancak çıkan metnin nasıl üretildiğini bilmezseniz içindeki yanlışları da doğru sanabilirsiniz.
Aklınıza bir soru mu takıldı?
Bu derste neler öğreneceksiniz?
- Sesin önce sayılara, sonra ses birimlerine ve kelimelere nasıl dönüştüğünü
- Konuşma tanımanın aksan, gürültü ve özel adlarda neden zorlandığını
- Kaydı paylaşmadan önce izin ve kişisel veri açısından nelere bakacağınızı
- Sohbet botuyla otomatik dökümdeki şüpheli yerleri nasıl avlayacağınızı
Ses önce sayıya dönüşür
Ses, havadaki bir titreşimdir. Mikrofon bu titreşimi saniyede binlerce ölçümle sayı dizisine çevirir. Bilgisayar kelimeyi değil bu sayıları görür.
Stanford Üniversitesi CS 224S dersinin konuşma tanıma ders slaytı ilk adımı şöyle anlatıyor: ses 25 milisaniyelik pencerelere bölünür ve pencere her 10 milisaniyede bir kayar. Her pencere, sesin o anki özelliklerini özetleyen bir sayı kümesine dönüşür. Yani uzun bir konuşma, çok sayıda küçük fotoğrafa bölünmüş gibi işlenir.
Sayılardan ses birimlerine, oradan kelimelere
Sonra iki bilgi birleşir. Birincisi akustik modeldir: hangi sayı örüntüsü hangi ses birimine benziyor? İkincisi sözlüktür: hangi kelime hangi ses birimleri dizisinden oluşuyor? Üçüncü bir parça olan dil modeli ise hangi kelime dizisinin dilde daha olası olduğunu söyler. Slayt bu üç parçayı bir arada anlatıyor; sistem, sese uyan ve dilde de olası olan kelime dizisini seçmeye çalışır.
Bunu bulanık duyduğunuz bir telefon görüşmesine benzetebilirsiniz. Tam duymadığınız kelimeyi bağlamdan tahmin edersiniz. Yazıya döken sistem de aynısını yapar. Slayt, derin sinir ağının bu akustik modelin yerini alabildiğini de gösteriyor.
Neden yanılır?
Aksan, arka plan gürültüsü ve özel adlar çoğu zaman sorun çıkarır. Bu, slayttan değil genel deneyimden gelen bir uyarıdır; o yüzden kendi kaydınızla sınayın. Sezgisel gerekçe açık: dil modeli olası kelime dizilerini öne çıkarır ve nadir bir mahalle adı ya da yeni bir kurum adı bu dizilerde yer almayabilir.
Hata ölçüsü olarak kelime hata oranı kullanılır: otomatik metin doğru metinle karşılaştırılır. Aynı slayta göre bu ölçü işlev kelimelerini (Türkçede “ve” ya da “de” gibi) önemli içerik kelimelerinden ayırt etmez. Uzun bir metinde bir kurum adı yanlış çıksa bile oran düşük kalabilir, oysa tutanağın anlamı bozulur. Bu yüzden yalnız toplam orana bakmayın.
Bu konu hangi eğitimlerde işleniyor?
Konuşma tanıma, Stanford Üniversitesinde CS 224S (Spoken Language Processing) dersinin 2024 bahar dönemi yedinci ders konusudur. Birleşik Krallık hükûmetinin kamu çalışanları için derlediği yapay zekâ eğitimleri sayfasında da uygulayıcı düzeyinde “doğal dil işleme ve konuşma tanıma” başlıklı bir ders yer alıyor.
Kaydı paylaşmadan önce izin ve kişisel veri
Kişisel Verileri Koruma Kurumunun kanun bilgi notu kişisel veriyi kimliği belirli ya da belirlenebilir bir gerçek kişiye ilişkin her türlü bilgi diye tanımlıyor. Tanım geniş olduğu için bir kişiyi belli eden ses kaydını da kişisel veri gibi ele almak güvenli yoldur; bu çıkarım bize aittir. Kurulun 2020/504 sayılı karar özeti bir havayolu şirketinin çağrı merkezi görüşmesine ilişkin. Şikâyetçi, ses kaydının da kişisel veri olduğunu ileri sürmüş; şirket görüşmenin yazılı dökümünü e-postayla göndermiş. Kurul, erişim hakkının kayıt ortamının teslimini değil içeriğe makul ölçüde ulaşılmasını kapsadığını belirtmiş ve şirket hakkında işlem yapılmasına gerek görmemiş.
Pratik sonuç: kayıttan önce katılımcıları bilgilendirin, kurumunuzun kuralına ve izin sürecine bakın, gerçek kaydı genel sohbet botuna yüklemeyin. Bu bölüm genel bilgidir, hukuki tavsiye değildir. Bu derste yalnız kurgusal metin kullanıyoruz; örnek veri hazırlamak için ilgili dersimize bakabilirsiniz.
Adım adım uygulama
- Kurgusal bir toplantı konuşması yazın ya da bir araçtan çıkmış dökümün kişisel veri taşımayan bir parçasını seçin.
- Kurum adı, mahalle ve rakam gibi riskli yerleri kendiniz not edin.
- Aşağıdaki güçlü komutu dökümle birlikte gönderin.
- Botun işaretlediği her yeri ses kaydından dinleyerek kontrol edin.
- Düzeltilmiş metni, kayıtla karşılaştırdıktan sonra tutanağa alın.
Zayıf komut
Bu metni düzelt.
Güçlü komut
Aşağıdaki metin, kurgusal bir belediye meclisi toplantısının otomatik yazıya dökülmüş hâlidir. Metni yeniden yazma. Yalnız ses benzerliği yüzünden yanlış çıkmış olabilecek kelimeleri listele. Her biri için olası doğru karşılığı ve nedenini yaz. Kesin düzeltme yapma; son kararı kayıttan dinleyerek ben vereceğim.
Metin: Kara çay belediyesi meclis toplantısında gül sokaktaki parkın ihale si görüşüldü. Başkan yardımcısı ödeneğin bu yıl ayrılan bütçeden karşılanacağını söyledi.
Yapay zekâ çıktısı (örnek)
1) “Kara çay belediyesi” büyük olasılıkla “Karaçay Belediyesi” olmalı; kurum adı bitişik yazılmış olabilir. 2) “gül sokak” bir sokak adı olabilir ve büyük harfle yazılmalı. 3) “ihale si” kelimenin ikiye bölünmesi; olası karşılık “ihalesi”. Kesin düzeltme yapılmadı; üç yeri kayıttan dinleyerek kontrol edin.
Kontrol listesi
- Kayıttaki herkes bilgilendirildi, kurumun izin kuralı biliniyor.
- Kişisel veri taşıyan kayıt genel sohbet botuna yüklenmedi.
- Özel adlar ve rakamlar kayıtla tek tek karşılaştırıldı.
- Düzeltmeler “olası” olarak işaretlendi, kesin sayılmadı.
- Resmî tutanağa geçen son metni bir insan onayladı.
Sık yapılan hatalar
- Dökümü kontrol etmeden tutanağa koymak: Okunaklı bir metin doğru metin demek değildir.
- Gürültülü ortamda kayıt almak: Mümkünse sessiz oda ve mikrofona yakın konuşma seçin.
- Özel ad ve rakamları atlamak: Yanlış çıkarsa en çok zarar veren yerler bunlardır.
- İzinsiz kayıt yüklemek: Katılımcılar bilgilendirilmeden kaydı bir araca vermeyin.
- Yalnız toplam hata oranına bakmak: Küçük bir oran, önemli bir ismin yanlış olmasını gizleyebilir.
İpucu
Toplantıdan önce özel adların, kısaltmaların ve gündem maddelerinin kısa bir listesini hazırlayın. Dökümü bu listeyle karşılaştırmak, en riskli yerleri dakikalar içinde yakalamanızı sağlar.
Kendinizi deneyin
Konuşma tanımada işlem sırası hangisidir?
Kelime hata oranı neden tek başına yeterli değildir?
Bir çağrı merkezi görüşmesinin ses kaydı için hangisi doğrudur?
Kaynaklar
- Stanford Üniversitesi CS 224S: konuşma tanıma ders slaytı (Bahar 2024) (İngilizce)
- GOV.UK: Artificial intelligence skills for all (İngilizce)
- Kişisel Verileri Koruma Kurumu: Kişisel Verilerin Korunması Kanunu bilgi notu (madde ve gerekçesi) (Türkçe)
- Kişisel Verileri Koruma Kurulu: 2020/504 sayılı karar özeti (Türkçe)
Son kontrol: 16 Kasım 2026. Bu bilgi bu tarihte açılan kaynaklara dayanır; durum değişebilir.
Kaynak: yzdersleri.com/ders/sesten-yaziya-konusma-tanima-nasil-calisir/ · Yapay Zeka Dersleri
Dersi bitirdiniz mi?
İşaretlerseniz menüde ve ilerleme çubuğunda görünür. Bu bilgi yalnızca sizin tarayıcınızda saklanır.
Bu ders işinize yaradı mı?
Anonim oydur; kişisel veri toplanmaz.





