3. Современные программные продукты для распознавания голосовых команд

Автоматизированная система поиска ключевых слов и выражений VoiceDigger (компания «Центр речевых технологий» (ЦРТ))

Характеристики:

 Удаленная работа;

 масштабируемость;

 Точность поиска определяется размером словаря, по которому осуществляется поиск, для словаря из 5 слов надежность поиска составляет не менее 95%, для словаря из 100 слов - 81%.

Typle Premium 2.0

Это простая в использовании программа для управления компьютером с помощью голоса. Она обладает следующими возможностями: можно записать сколь угодно много голосовых команд, а потом просто произнести их в микрофон. Распознавание речи на очень высоком уровне. Команду можно присвоить и сайтам. Для этого достаточно в настройках указать определенный параметр и произнести в микрофон «Открыть сайт Корпорации Typle». Команды можно назначить практически на любые файлы, никаких ограничений в этом нет. Настройка программы простейшая.

Есть две версии Typle - Free (распространяется с официального сайта бесплатно) и Premium ($12.99). Главное отличие бесплатной версии в том, что она позволяет записать только 15 голосовых команд, в то время как Premium - до 450. Кроме этого, платный Typle имеет еще несколько преимуществ облегчающих работу с программой.

Google Voice Search (компания «Google»)

Голосовой поиск от компании Google. Ранее поиск применялся исключительно в мобильных устройствах. С недавнего времени голосовой поиск от Google встроен в браузер Google Chrome, что позволяет использовать этот сервис на различных платформах.

Характеристики:

 поддержка русского языка;

 возможность встраивать распознавание речи на веб-ресурсы;

 голосовые команды, словосочетания;

 для работы необходимо постоянное подключение к сети internet.

Dragon NaturallySpeaking 11 (компания «Nuance»)

Мировой лидер в программном обеспечении по распознаванию человеческой речи. Возможность создавать новые документы, отправлять электронную почту, управлять популярными браузерами и разнообразными приложениями посредством голосовых команд.

Характеристики:

 отсутствует поддержка русского языка;

 точность распознавания до 99%.

ViaVoice (компания «ibm»)

ViaVoice представляет собой программное ядро для аппаратных реализаций. Компания ProVox Technologies на основе этого ядра создала систему для диктовки отчетов врачей-радиологов VoxReports .

Характеристики:

 точность распознавания достигает 95-98%;

 дикторонезависимость;

 словарь системы ограничен набором специфических терминов.

Рассмотрев сравнительные характеристики (таблица 1.2) современных систем распознавания речи, можно сделать следующие выводы:

• наиболее перспективными разработками на российском рынке являются продукты компании «Центр речевых технологий» (ЦРТ);

• большинство популярных на сегодняшний день систем распознавания работают с изолированными словами;

• разработчики достигли высокой точности в командных системах (речевые интерфейсы, голосовое управление);

• в наиболее распространенных современных приложениях точность распознавания составляет в среднем 95-99% ;

• задача распознавания слитной речи в достаточной степени не решена.

Таблица1.2 – Сводная таблица характеристик систем распознавания речи

Название системы	Назначение	Структур-ная единица	Обуче-ние	Поддерж- ка русского языка	Дикторо-независи-мость	Коэфф. расп., зависит от словаря	Стоимость
Voice Digger	Поиск ключевых слов	Слово, фраза	Да	Да	Да	до 97% ,	–
Typle Premium 2.0	Голосовое управление ПК	Слово, фраза	Да	Да	Да	до 95%	0$-13$
Google Voice Search	Голосовой поиск	Слово, фраза	Нет	Да	Да	–	–
Dragon NaturallySpeaking	Голосовое управление, распознавание речи	–	Нет	Нет	Нет	до 98%	85-100$
ViaVoice	Голосовое управление, распознавание речи	–	Нет	Нет	Да	до 95%	100-110$

Таким образом, для моделирования ИС голосового управления персональным компьютером наиболее подходящей по критерию цена-качество является система Typle Premium 2.0.

Основными проблемами существующих систем являются: отличие длительности звуков речи, голосовые различия отдельных людей, сильное влияние эмоционального состояния говорящего на изменения в его речи, потери и искажение звука при распространении в пространстве, усложнение системы обработки в связи с почти бесконечным числом вариаций звуков речи. Решение перечисленных проблем в проектируемой ИС будет осуществляется с помощью качественных устройств ввода команд, фильтрации и улучшения характеристик сигнала.