Россияне учат iPhone записывать SMS с голоса Опции

[NewsBot]

До конца 2011 г. на рынок выйдет первое приложение класса "диктовочный блокнот", предназначенное для преобразования надиктованной русской речи в текст. Об этом рассказал CNews директор питерского "Центра речевых технологий" Михаил Хитров. Приложение будет выпущено для нескольких мобильных платформ, включая и iOS. Сама система для распознавания русской слитной речи "Руссограф" была создана в...

Читать статью на CNews

Сейчас в мире существуют только два математических ядра для работы со слитной русской речью, одно из которых принадлежит разработчикам ЦРТ, а другое — компании из Массачусетса Nuance Communications

Ни у тех ни у тех нет кода русского распознавателя.

А есть у Intel овской команды ( НН регион) , созданный по аналогии с китайским распознователем.

До конца 2011 г. на рынок выйдет первое приложение класса "диктовочный блокнот", предназначенное для преобразования надиктованной русской речи в текст. Об этом рассказал CNews директор питерского "Центра речевых технологий" Михаил Хитров. Приложение будет выпущено для нескольких мобильных платформ, включая и iOS. Сама система для распознавания русской слитной речи "Руссограф" была создана в...

Читать статью на CNews

что за чушь? распознавание есть у российской компании Speereo в т ч и русского языка и в конечных продуктах с 2000 года. И лучший речевой продукт по версии PocketPC&Smartphone magazine неоднократно был продукт Speereo. Причем клоны L&H (корни разработок нюанса, Intel,IBM, google, microsoft) тоже участвовали, но на вторых ролях. От ЦРТ ни одного продукта никто никогда не видел, распознавалка не работает, все серьезные тендеры проигрывают и не суются уже (не зовут). Последний пример -голосовой поиск в яндекс-картах - задача намного проще, а решения нет до сиз пор и не будет уже от ЦРТ. Вечная разработка на госденьги и обещания. Диктовка же SMS вообще никому не нужна. SMS-ки отправляют тогда, когда голос не желателен (урок, транспорт), в противном случае проще позвонить или отправить войсмейл.
Короче аффтару незачет. Просто перепечатать пресс-релиз - это непрофессионально...

Сейчас в мире существуют только два математических ядра для работы со слитной русской речью, одно из которых принадлежит разработчикам ЦРТ, а другое — компании из Массачусетса Nuance Communications

Ни у тех ни у тех нет кода русского распознавателя.

А есть у Intel овской команды ( НН регион) , созданный по аналогии с китайским распознователем.

Неправда.
Есть у
google (все видели но в облаке и коммерчески недоступна) точность ок 92%
nuance (в коллцентрах, хреновая и на мобильных платформах еще хреновее) точность ок 85%
Speereo (все видели в конечных продуктах и коммерчески доступна и самое высокое качество распознавания в т ч в уличных и автомобильных шумах и работает на мобильных платформах а не только в облаке) точность 99-97%

никто не видел или точность ниже 80%
Intel (никто не видел и на суперкомпе и опять же коммерчески недоступна)
студенческие поделки
ABBYY
ЦРТ
Microsoft
IBM
и т д

Хотите поспорить - ссылки на тестовую машину в студию!

Вы че, парни, распознавание голоса было круто сдеано у АСУС на ASUS P525 еще в 2006-м году. работало на ура без всяких голосвых тегов.

А сейчас на андроиде (2.2 и выше) - жмешь кнопку и дикутешь голосом хоть смс хоть е-майл, хоть черта лысого программу - все переводится тут же в текст при наличии доступа в инет.

АУ, люди, 21-й век!!!

о чем спорить?

Гугле - облачная статистика, распознает смысл, но ни в коем случае не падежи.

спирио - разговорник - перводчик, распознавание - громкое надувательство - пусть распознает мама мыла раму.

црт имеет продукты - в Гос Думе стоит их система для 8 стенографисток с педалями - нажимая на педаль стенографистка быстро прокручивает ваву и выбирает себе следующий кусок для стенографии. Программа делит звуковой поток на части, короче говоря.

Россия - единственная страна из двадцатки, в которой государство не занимается проблемой распознавания родной речи.


Насчет интела вы правы.
Это бывшая лаба из Интела. Ныне делает необлачный сервис - работает на десктопе.
Фонемные корпуса наполняются, скоро услышите.

црт имеет продукты - в Гос Думе стоит их система для 8 стенографисток с педалями - нажимая на педаль стенографистка быстро прокручивает ваву и выбирает себе следующий кусок для стенографии. Программа делит звуковой поток на части, короче говоря.

Программа делит, но стенографистка (точнее машинистка-оператор) не выбирает. Она получает в наушники произвольный кусок звукозаписи и работает с ним. Сервер вставляет текст в нужное место и выдает ей следующий фрагмент записи - именно в этом весь смысл. В конце концов получается слитная стенограмма.

црт имеет продукты - в Гос Думе стоит их система для 8 стенографисток с педалями - нажимая на педаль стенографистка быстро прокручивает ваву и выбирает себе следующий кусок для стенографии. Программа делит звуковой поток на части, короче говоря.

Программа делит, но стенографистка (точнее машинистка-оператор) не выбирает. Она получает в наушники произвольный кусок звукозаписи и работает с ним. Сервер вставляет текст в нужное место и выдает ей следующий фрагмент записи - именно в этом весь смысл. В конце концов получается слитная стенограмма.

согласен, выбирает программа. Но педаль жмет стенографистка)

Вы че, парни, распознавание голоса было круто сдеано у АСУС на ASUS P525 еще в 2006-м году. работало на ура без всяких голосвых тегов.

А сейчас на андроиде (2.2 и выше) - жмешь кнопку и дикутешь голосом хоть смс хоть е-майл, хоть черта лысого программу - все переводится тут же в текст при наличии доступа в инет.

АУ, люди, 21-й век!!!

Уважаемый "эксперт", матчасть хорошо бы знать, прежде, чем писать.
На андроиде - распознавалка Google с исходниками Nuance.
На Асусе был Нюанс.

Диктовка на 2.2 не работает как диктовка. Это сличение речевого сигнала на стороне сервера.

о чем спорить?

Гугле - облачная статистика, распознает смысл, но ни в коем случае не падежи.

спирио - разговорник - перводчик, распознавание - громкое надувательство - пусть распознает мама мыла раму.

црт имеет продукты - в Гос Думе стоит их система для 8 стенографисток с педалями - нажимая на педаль стенографистка быстро прокручивает ваву и выбирает себе следующий кусок для стенографии. Программа делит звуковой поток на части, короче говоря.

Россия - единственная страна из двадцатки, в которой государство не занимается проблемой распознавания родной речи.


Насчет интела вы правы.
Это бывшая лаба из Интела. Ныне делает необлачный сервис - работает на десктопе.
Фонемные корпуса наполняются, скоро услышите.

Уж простите, но как можно высказывать мнение о ТЕХНОЛОГИИ, судя по мобильному продукту 2002 года?!

На сегодняшний день работают даже стенды с распознаванием улиц и цифр (что самое сложно в распознавании, уж поверьте или почитайте). Кроме того у Speereo (у нас, скрывать не стану) система работает БЕЗ связи с удаленным сервером, т.е. на клиенте.
Остальные так: нет связи, нет распознавания.
У нас: плевать на связь - распознаем и так.

Но если серьезно, по поводу страны Вы более, чем правы. Даже когда пытаешься рассказать чиновнику, наталкиваешься на непонимание. Словно геометрию папуасу пытаешься разъяснить.

Интел, уж простите, с распознаванием провалился давно и бросил это дело. Они к нам обращались по этому поводу. Если бы были успешны, не стали бы.

Даже когда пытаешься рассказать чиновнику, наталкиваешься на непонимание. Словно геометрию папуасу пытаешься разъяснить.

Я не чиновник, но тоже плохо понимаю зачем нужно распознание слитного голоса. Ладно, упомянутая выше Госдума, суды, конференции, съезды... И то там важна документальность. Поэтому всяко после распознавания будет читка текста лицом, которое потом внизу напишет "с моих слов записано верно", поставит подпись, дату и с этого момента станет "отвечать за базар"
А в быту... Даже не представляю какие могут быть применения.

Даже когда пытаешься рассказать чиновнику, наталкиваешься на непонимание. Словно геометрию папуасу пытаешься разъяснить.

Я не чиновник, но тоже плохо понимаю зачем нужно распознание слитного голоса. Ладно, упомянутая выше Госдума, суды, конференции, съезды... И то там важна документальность. Поэтому всяко после распознавания будет читка текста лицом, которое потом внизу напишет "с моих слов записано верно", поставит подпись, дату и с этого момента станет "отвечать за базар"
А в быту... Даже не представляю какие могут быть применения.

В данном случае - распознавание слитной речи - это технология, а не применение.
Простой пример: в авто устанавливать маршрут удобнее голосом. Дома, среди сотен каналов, хочется выбрать тот, который хочется смотреть сразу - без тыканья в кнопки (или сразу передачу). В терминале оплаты хочется сразу перейти к услуге, которую будете оплачивать. И так далее.)))) И я так могу дооолго.

Главное не как применить, а перебороть предубеждения и опыт крупных корпораций, что сильно испортили репутацию технологии своими плохими попытками ранее.

Простой пример: в авто устанавливать маршрут удобнее голосом. Дома, среди сотен каналов, хочется выбрать тот, который хочется смотреть сразу - без тыканья в кнопки (или сразу передачу). В терминале оплаты хочется сразу перейти к услуге, которую будете оплачивать. И так далее.)))) И я так могу дооолго.

Примеры, конечно, сильные. Только все не в тему. Все это гораздо быстрее, удобнее и молча(!!!) делается с клавиатуры. Это явно не стоит развития целой технологии, тем что в общем это все давно уже реализовано. У меня голосовой набор есть в мобильном телефоне. Не пользуюсь. Знаете почему? ;)

Зарубежных движков распознавания русской речи достаточно много - в период "холодной войны" западные силовые ведомства (DARPA, например) серьезно вкладывались в эту тему. После того, как Россию перестали рассматривать как серьезную угрозу, стали финансировать распознавание арабской и китайской речи.
Компании типа Google или Nuance сняли сливки - Google переманила всю команду разработчиков из AT&T, Nuance, не заморачиваясь, скупила сразу несколько компаний.

А вот российских движков распознавания мало. Реально работающий движок слитного распознавания видел только у Центра Речевых Технологий (его по России-2 показывали).
Что касается ограниченных задач (выделение ключевых слов в потоке речи, распознавание отдельных речевых команд), то готовых решений намного больше: тот же ЦРТ, СТЭЛ, Интеллект-Телеком (тот самый бывший нижегородский Intel), Эктако, ОТ-Контакт, Speereo и еще пяток компаний.
Из всех компаний, кстати, только у ЦРТ выложены на сайте демо-версии распознавания. Возможно, это только свидетельствует о их чуть большей открытости, но без длительной переписки с отделом продаж получить демо-версию от других компаний просто невозможно.

Сообщение отредактировал lvk - 29.3.2011, 19:28

Простой пример: в авто устанавливать маршрут удобнее голосом. Дома, среди сотен каналов, хочется выбрать тот, который хочется смотреть сразу - без тыканья в кнопки (или сразу передачу). В терминале оплаты хочется сразу перейти к услуге, которую будете оплачивать. И так далее.)))) И я так могу дооолго.

Примеры, конечно, сильные. Только все не в тему. Все это гораздо быстрее, удобнее и молча(!!!) делается с клавиатуры. Это явно не стоит развития целой технологии, тем что в общем это все давно уже реализовано. У меня голосовой набор есть в мобильном телефоне. Не пользуюсь. Знаете почему? ;)

Клавиатурой пользуетесь на ходу? Тенденция авторынка - не давать водителю отрывать глаза от дороги. Вводится даже законодательно. Не удивлюсь, если лет через пять будет всемирным требованием. Следовательно, чтобы ввести с клавиатуры, Вам придется остановиться, ввести маршрут и двинуться по нему. Следовательно, на шоссе, например, придется еще искать ГДЕ остановиться.

В телефоне Вы распознаванием не пользуетесь, потому что оно не работает. Но разве на Вашем распознавании стоит наша торговая марка? Не думаю.

Клавиатурой пользуетесь на ходу? Тенденция авторынка - не давать водителю отрывать глаза от дороги. Вводится даже законодательно. Не удивлюсь, если лет через пять будет всемирным требованием. Следовательно, чтобы ввести с клавиатуры, Вам придется остановиться, ввести маршрут и двинуться по нему. Следовательно, на шоссе, например, придется еще искать ГДЕ остановиться.

Не пользуюсь. Маршрут на навигаторе задаю до начала поездки. А в том крайнем случае, когда планы резко меняются, могу это сделать на светофоре, в пробке, а даже и на ходу, если сочту возможным. У меня включен набор T9 - буквально 2-3 нажатия и нужная улица передо мной. Это куда менее отвлекает от дороги, чем разговор по мобильному на ходу - он во многих странах вообще запрещен.
А голосовым набором на телефоне не пользуюсь не только потому, что он неуверенно работает, но и потому, что не хочу чтобы окружающие слышали кому я звоню