Beszédfelismerés alapú megoldások. AITIA International Zrt. Fegyó Tibor

Átírás

1 Beszédfelismerés alapú megoldások AITIA International Zrt. Fegyó Tibor

2 AITIA Magyar tulajdonú vállalkozás Célunk: kutatás-fejlesztési eredményeink integrálása személyre szabott komplex informatikai rendszerekbe, szolgáltatásokba Szoros kapcsolat egyetemi kutatóhelyekkel

3 AITIA termékcsoportok Távközlési mérımőszerek és szolgáltatások Társadalmi és gazdasági folyamatok szimulációja Web fejlesztés Beszédfelismerés és alkalmazásai

4 Beszédfelismerési technológia Célja: beszédbıl szöveg átalakítása Alkalmazási típusai Parancsszó vezérlés (pl. név szerinti tárcsázás) Kulcsszó keresés rövid szövegben, a parancsszó vezérlés kiterjesztése Kulcsszó keresés folyamatos szövegben Folyamatos felismerés (diktálás, archívum indexálás) Kihívások: < 100% pontosság, zajos környezet, nincs univerzális megoldás

5 VOXenter Hangportál keretrendszer Teljes IVR funkcionalitás GUI a dialógus szerkesztéshez Hívás fogadás és indítás Különbözı adatbázis, és telefon interfészek Példák Név alapú tárcsázás, okmányirodai, önkormányzati tájékoztatás, tudakozó szolgáltatás, helyfüggı szolgáltatás,

6 VOXearch Rögzített hanganyagok feldolgozása, indexelése folyamatos beszédfelismerési módszerrel Tematikus betanítást igényel Adatbázisok győjtése óra/ 200k-5M szó Jelenlegi teszek valós idıben 60-80%-os pontosság Nem diktálás, hanem keresés a cél Példa: híradó keresı ( hangarchívum keresı

7 VOXerver Saját fejlesztéső beszédfelismerı motor + tanító keretrendszer Parancsszó vezérléstıl a folyamatos felismerésig azonos az alap technológia Morféma alapú statisztikus nyelvi modellezés Interfészek külsı alkalmazások felé, beépíthetı fekete dobozként Mobil eszközre portolásra kísérletek

8 Mitıl mőködik? A beszédfelismerı alapvetıen adatvezérelt, statisztikai megközelítéseket tartalmaz A beszéd hangokat sok ember hangjával kell tanítani, témafüggetlen, de akusztikus környezet, és beszédstílus függı A szótárat (nyelvi modell) azzal a témakörrel kell tanítani, ahol használják. Alkalmazás függvényében a tanító szöveg: szó lista folyamatos szöveg A keretrendszer kész, de a tanítás nem megkerülhetı egyedi projektek

9 Őrlapkitöltés, leletezés Az őrlapok egyes mezıiben korlátos válasz lehetıségbıl választhatunk A szabad szavas mezık is tipikusan kis szótárral leírhatóak A tanítás együttmőködést igényel az alkalmazó részérıl, mivel a tanító adat ott áll rendelkezésre Többlépcsıs tanítás a pontosság növelése érdekében: írott, majd elmondott adatokkal Folyamatos karbantartással javul a minıség

10 Őrlapkitöltés, leletezés (2) A kitöltött őrlap szabványos formátumban kerül tárolásra, így integrálható akár a meglévı kórházi dokumentum kezelı rendszerekkel is Elosztott, és centralizált megoldás is elképzelhetı

11 Betegirányítás Automata telefonos rendszer Hangbemondással lehet elérni az osztályokat Általános információk adhatók automatikusan Tehermentesíti a portást/ telefonközpontost Idıpont egyeztetés Szőrıvizsgálatok eredményének lekérdezése

12 Demonstráció (1) Folyamatos felismerı 1.2M szóval tanított rendszer (politikai) jellegő hírek feldolgozása

13 Demonstráció (2) Név szerinti tudakozó elemő szótár Név+város+utca Parancsszavas üzemmód

14 Demonstráció (3) Híradó keresı Folyamatos felismerésre épülı címkézı rendszer 5+ M szavas tanító halmaz Tetszıleges kulcsszóra kereshetünk Új szavak is elıfordulhatnak a morféma modellek miatt