Ubuntu Speech Recognition, rozpoznávání řeči na linuxovém desktopu

James McClain zveřejnil na serveru GitHub zdrojové kódy aplikace pro rozpoznávání řeči a hlasové ovládání linuxového desktopu. Aplikace Ubuntu Speech Recognition (autor ji plánuje přejmenovat) využívá k převodu hlasu na text Web Speech API a služby Google. Videoukázka na YouTube.

19.3.2013 09:50 | Ladislav Hagara | Zajímavý software

Komentáře

[randy]

Novy nazov je Palaver.

[Franta]

využívá k převodu hlasu na text Web Speech API a služby Google

To znamená, že vše co řeknu, se bude posílat na servery Googlu a zpátky přijde rozpoznaný text?

[karel]

Ano, stejne jako je tomu u androidu.

[little.owl]

Ano.

Je to neuveritelny bastl.

[stativ]

LOL, to je teda zabijácký program.

[R]

OMFG

[pesspi]

> To znamená, že vše co řeknu, se bude posílat na servery Googlu a zpátky přijde rozpoznaný text?

Nie. To znamená, že všetko čo povieš sa bude posielať na servry googlu, a jedného dňa už rozpoznaný text naspäť nepríde.

[jadd]

+1, jako případ google toolbaru (translate) pro Linux.

[Bedňa]

To znamená, že vše co řeknu, se bude posílat na servery Googlu a zpátky přijde rozpoznaný text?

Nie

[lertimir]

Je zajímavé sledovat, jak to s tím rozpoznáváním řeči nejde a nejde. Někdy v roce 95 (nebo 96) vyšel OS/2 Warp, který už tehdy měl mít možnost hlasového ovládání prostředí a i diktátu (no musím říct, že se mi nikdy nepodařilo vydat zvuk, který by byl systémem interpretován jako anglické slovo a pár hodin jsem se o to snažil). Od té doby výkon HW velmi pokročil v SW se také asi pokročilo, ale opravdu použitelný systém nikde.

[karel]

Tak ze skusenosti s rozpoznavanim reci na androidu myslim ze tohle by mohlo byt funkcni i pro rozpoznavani ceskeho jazyka, jen musi uzivatel zkousnout to odesilani dat googlu. Faktem zustava ze na linuxu momentalne nic opravdu funkcniho neni.
Zajimalo by me jak vyresi tu nutnost mackat klavesu pred zapocetim a po ukonceni hlasoveho prikazu. Ja osobne uvitam moznost vejit do pokoje a rozkazat notebooku rozsviceni svetel, zapnuti televize, nakrmeni ryby a zaliti kvitek. Odpadne tak nutnost mit manzelku.

[li737]

Pocitaci! Pivo, studene! Parafraze na Picarda a jeho earl grey hot. :) to by byl luxus, ale v aktualni dobe, treba mit moznost jak ovladat hlasem pc vcetne nekterych spotrebicu by se mi docela zamlouvalo. Tusim ze nejake pokroky jsou, nijak jsem to blize nezjistoval. Lec nutnost mit stroj pripojeny do netu a k tomu odesilat jakakoliv data googlu (ci NSA whatever se mi velice prici).

[little.owl]

Hello computer.

[li737]

:))

[Kvakor]

Ta klávesa je celkem logická - jak lokální, tak vzdálená analýza je náročná na prostředky (první na výkon CPU, druhá na rychlost a latenci síťě), tudíž je nutné, aby analyzátor poznal, kdy má analyzovat a kdy už ne. Navíc, kdyby to běželo pořád, tak by se mohlo stát, že by to reagovalo i na neúmyslně pronesené věci, jako třeba v jednom díle Červeného trpaslíka, kde Listerova nadávka "Ale hovnajs!" aktivovala vestavěný záchod .

Ale možná že by to šlo udělat oblikou, třeba přes zapískání - zatímco analýza řeči je velmi složitá a náročná, tak detekování zapískání je relativně jednoduché, a to jak hardwarově (pamatujete na pípací klíčenky, co reagovaly na písknutí?), tak softwarově (viz Goertzelův algoritmus, kterému narozdíl od FFT stačí jen násobení a sčítání). Teprve pak by se spustila analýza/odeslání dat na vzdálený server.

[xm]

Asi nemáte moc zkušenost s Androidem. Rozpoznávání řeči přes Google funguje téměř perfektně i pro češtinu. I diktovat SMSky či emaily není problém, jen výjimečně rozpozná špatné slovo. Nicméně to že se data odesílají na Google servery je pro mě nezkousnutelné. Chtělo by to pořádné client-side rozpoznávání řeči a to opravdu bohužel problém je.

[Bystroushaak]

Použitelné programy pro rozpoznávání řeči existují, jenom jsou krapet náročnější na výpočty. V Liberci nám je ukazovali a vůbec to nemělo špatnou úspěšnost.

[li737]

MyDictate, MyVoice a NewtonDictate vypadaji velice zajimave! Jsem netusil ze se timto na TUL zabyvaji. Skoda jen ze myvoice je jen pro win dle info z odkazu. Nesporne je to velike plus pro postizene osoby, ze se neco takoveho vyviji a jsem hrdy na to, ze TUL se toho ucastni. Dalsi otazka, ale je jak je to s licensi, obavam se ze to asi nebude FOSS? Rad bych se pletl. (BTW fakulta mechatroniky?, nevim zda se tak jeste stale jmenuje)

[Bystroushaak]

Dalsi otazka, ale je jak je to s licensi, obavam se ze to asi nebude FOSS?

Je to komerční program a ne zrovna levný.

BTW fakulta mechatroniky?, nevim zda se tak jeste stale jmenuje

Mechatroniky, informatiky a mezioborových studií :D

Ale nedodělal jsem to.

[Franta]

Je to komerční program a ne zrovna levný.

A jak velkou část vývoje zaplatili daňoví poplatníci?

[Bystroushaak]

A jak velkou část vývoje zaplatili daňoví poplatníci?

Jak to mám vědět, jsem snad pokladní?

Osobně si myslím, že žádnou. Co se univerzity týče, na přednáškách nám kdosi říkal, že od státu nedostává ani půlku toho, co by měl stát dodat, zbytek si nějak vydělává sama. Zrovna tento program byl vytvořen ve spolupráci s komerční firmou, která má teď jediné právo na prodej.

Pokud tě zajímají detaily, prostě jim napiš, jsou to docela komunikativní lidé a imho odpoví.

[Michal Vyskočil]

Je zajímavé sledovat, jak to s tím rozpoznáváním řeči nejde a nejde.

Nejde?

Ono je to s rozpoznáváním řeči podobné jako s Linuxovým desktopem. Taky to jde, jenom to má spoustu ale. To, co je dneska docela zvládnuté jsou "drobnosti" jako rozpoznání jazyka, nebo převod telefoního hovoru na text a vyhledávání v něm. Což není tak podivné, když vezmeme v potaz, že tohle je oblast výzkumu, kterou financuje, mimo jiné, americká DARPA.