Rozpoznawanie mowy

Rozpoznawanie mowy to zdolność urządzenia elektronicznego do rozumienia wypowiadanych słów. Mikrofon rejestruje głos użytkownika, a sprzęt przekształca sygnał z analogowych fal dźwiękowych w cyfrowy dźwięk. Następnie dane dźwiękowe są przetwarzane przez oprogramowanie, które interpretuje dźwięk jako poszczególne słowa.

Popularnym rodzajem rozpoznawania mowy jest oprogramowanie „mowa na tekst” lub „dyktowanie”, takie jak Dragon Naturally Speaking, które wyświetla tekst podczas mówienia. Chociaż można kupić programy do rozpoznawania mowy, współczesne wersje systemów operacyjnych Macintosh i Windows mają wbudowaną funkcję dyktowania. Funkcja ta umożliwia nagrywanie tekstu, a także wykonywanie podstawowych poleceń systemowych.

W systemie Windows niektóre programy automatycznie obsługują rozpoznawanie mowy, a inne nie. Możesz włączyć rozpoznawanie mowy dla wszystkich aplikacji, wybierając Wszystkie programy → Akcesoria → Ułatwienia dostępu → Rozpoznawanie mowy w systemie Windows i klikając „Włącz dyktowanie wszędzie”. W systemie OS X możesz włączyć dyktowanie w panelu preferencji systemowych „Dyktowanie i mowa”. Wystarczy zaznaczyć przycisk „Włącz” obok pozycji Dyktowanie, aby włączyć funkcję zamiany mowy na tekst. Aby rozpocząć dyktowanie w obsługiwanym programie, wybierz Edycja → Rozpocznij dyktowanie. W systemie OS X możesz także wyświetlać i edytować polecenia głosowe, otwierając panel preferencji systemowych „Dostępność” i wybierając pozycję „Elementy mówione”.

Innym rodzajem rozpoznawania mowy jest interaktywna komunikacja głosowa, powszechna na urządzeniach mobilnych, takich jak smartfony i tablety. Urządzenia z systemami iOS i Android pozwalają mówić do telefonu i otrzymywać odpowiedzi głosowe. Wersja dla systemu iOS nosi nazwę „Siri” i pełni funkcję osobistego asystenta. Możesz poprosić Siri o zapisanie przypomnienia w telefonie, podanie prognozy pogody, wskazanie drogi lub udzielenie odpowiedzi na wiele innych pytań. Ten rodzaj rozpoznawania mowy jest uznawany za naturalny interfejs użytkownika lub (NUI), ponieważ w naturalny sposób reaguje na wypowiadane przez użytkownika dane wejściowe.

Chociaż wiele systemów rozpoznawania mowy obsługuje tylko język angielski, niektóre programy do rozpoznawania mowy obsługują wiele języków. Wymaga to osobnego słownika dla każdego języka oraz dodatkowych algorytmów do rozumienia i przetwarzania różnych akcentów. Niektóre systemy dyktowania, takie jak Dragon Naturally Speaking, można nauczyć rozumienia głosu użytkownika, dzięki czemu z czasem będą rozpoznawać go dokładniej.