Podatkovni vi

1
Podatkovni višemedijski prijenos i racunalne
mrežeSpeech Recognition
Sveucilište u Zagrebu Fakultet Elektrotehnike i
racunarstva Zavod za elektronicke sustave i
obradbu informacija

• Joško Rogulj
• Joško Rokov
• Nino Talian
• Sijecanj 2006.

2
Sadržaj

• Uvod
• Princip rada
• Opca kategorizacija sustava
• Primjene
• Komercijalni sustavi
• Besplatni sustavi
• Zakljucak
• Literatura

3
Uvod

• Prepoznavanje govora je proces kojim racunalo
  identificira izgovorene rijeci
• Velik broj rješenja s tehnologijom raspoznavanja
  govora
• Kompleksnost problema

4
Princip rada

• Koraci sustava za raspoznavanje
• Snimanje govora i detekcija iskaza
• Predfiltriranje
• Uokviravanje
• Filtriranje (opcionalan korak)
• Usporedba
• Djelovanje

5
Opca kategorizacija sustava

• Podjela s obzirom na tipove iskaza koji se mogu
  detektirati
• Izolirane rijeci
• Povezane rijeci
• Kontinuirani govor
• Spontani govor
• Provjeravanje/identifikacija govora

6
Primjene

• Diktiranje
• Naredbe/kontrola
• Telefonija
• Prijenosni uredaji
• Medicinske svrhe
• Ugradeni (embedded) sustavi

7
Komercijalni sustavi

•  Dragon Naturally speaking (Nuance) --
  http//www.nuance.com/
•  IBM ViaVoice -- http//www.scansoft.co.uk/viavoic
  e/
•  SpeakToText (CoolSoft) -- http//www.coolsoftllc.
  com
•  VR Commander (Interactive Voice Technologies) --
  http//www.vrcommander.com/
•  Audiomatic (Wise Riddles Software) --
  http//www.wiseriddles.com/Audiomatic
•  e-Speaking (e-speaking) -- http//www.e-speaking.
  com/
•  Realize Voice Lite (Realize Software) --
  http//www.realizesoftware.com
•  Voice Studio (Ultimate Interactive Desktops) --
  http//www.voicestudio.us
•  Abbot (Softsound) -- http//www.softsound.com
•  Dictation Buddy (High Criteria) --
  http//www.highcriteria.com
•  MacSpeech iListen -- http//www.macspeech.com/
• ...

8
Besplatni (OpenSource) sustavi

•  Xvoice -- http//xvoice.sourceforge.net/
• Open Mind Speech -- http//freespeach.sourceforge.
  net/
• CMU Sphinx -- http//cmusphinx.org
• NICO toolkit -- http//nico.sourceforge.net/
• GVoice -- http//www.cse.ogi.edu/omega/gnome/gvoi
  ce/
• CVoiceControl -- http//www.kiecza.de/daniel/linux
  /index.html
• ...

9
Zakljucak

• Ocekivanja
• Veci broj komercijalnih proizvoda
• Niže cijene postojecih rješenja
• Razvoj boljih algoritama
• Veci broj OpenSource rješenja
• Nove primjene

10
Literatura

• http//www.tldp.org/HOWTO/Speech-Recognition-HOWTO
  /
• http//www.nuance.com/naturallyspeaking
• http//www.scansoft.co.uk/viavoice/
• http//sourceforge.net
• ...