Привет,

насколько широко сейчас применяется распознавание речи в реальных задачах (или развлекательных, но не поигрался и отключил)?
Точне даже так будет: кто-то знает удачные примеры применения технологий распознавания речи? Насколько эти технологии применяются у нас и на Западе? В каких случаях применение SR себя оправдывает?

Заранее благодарен за ответы.

мобильники, call-центры... много где, думаю.

есть идея создания инструментария (в том числе визуального) для создания голосовых интерфейсов на основе Speech API, быстро, удобно и минимумом работы с кодом.

В целом хотел бы воплотить следующие идеи:

— обработка малоинформативных команд (эмоции, маты и др.)
— возможность использования различных языковых конструкций для описаний действий (например, что бы пользователь мог сказать "я бы хотел" и программа выдала бы список возможностей)
— встроенные элементы управления. Например что-то наподобие tag cloud, intellisense, специфический OpenFileDialog и др., чтобы пользователь всегда видел возможные варианты работы, также аналоги стандартных диалогов
— стандартизация обработки простых команд типа "отмена", "хорошо", "назад" (как DialogResult, где есть стандартные возращаемые значения)
— построение машин состояния и словарей(цепочек) "команда-параметры-действие" в визуальном режиме
— подражание структуре или интеграция с существующими классами winforms (menustrip, toolstrip) для упрощения синхронизации с обычным интерфейсом

Цель:
упрощение процесса добавления голосового интерфейса в настольные приложения

Составные части:
— библиотека классов и элементов управления
— плагины к VS

Применене:
в настольных приложениях развлекательного характера, а также специфика которых не позволяет работать с клавиатурой с небольшим количеством управляющих команд в словаре (для повышения точности распознавания): например программы для планшетов, видеоплееры (правда надо еще не реагировать на свой же звук )

Открытые вопросы:

1. Насколько активно сейчас используются подобные интерфейсы (сам таким не пользуюсь например)? Как с этим обстоит ситуация в англоязычных странах?
Нашел похожий продукт, но чуть смущает что там копирайт 2005 года стоит. Наверное загнулись.
2. Как обстоят дела с самим Speech SDK? Такое впечатление что microsoft его активно продвигает, но им мало кто пользуется. На это косвенно указывают убогие результаты поиска гуглом в этом направлении.

p.s. Попинайте пожалуйста, ибо шаг вперед — это часто результат пинка под зад.
p.p.s. Модераторам: этот пост наверное в шаровару надо.

Заранее благодарен,
557AA0C3F1DD96E97A89F9A1F52CDA9

Аноним 680 однажды (26 января 2008 22:10) писал:

> — обработка малоинформативных команд (эмоции, маты и др.)
Угу... Чтобы по команде "бл...ь!!!" тут-же отменялось последнее выполненное действие.

--
...belive in the matrix...

Здравствуйте, Sheridan, Вы писали:

S>Аноним 680 однажды (26 января 2008 22:10) писал:

>> — обработка малоинформативных команд (эмоции, маты и др.)
S>Угу... Чтобы по команде "бл...ь!!!" тут-же отменялось последнее выполненное действие.

В принципе это и имелось в виду. Не обязательно отмена, но как минимум игнор. Из личного опыта: после 2й неудачной попытки исправить текст шел поток "малоинформативных команд".

Хех, немного офтопично, но... Я вот сижу в комнате один с компом. Если я с ним начну еще и разговаривать... А если в офисе все сотрудники (или часть) начнут общаться вслух со своими кремниевыми друзьями, то будет попорчено очень-очень много нервов.

Мне кажется, что основные потенциальные пользователи таких штук — люди с ограниченными возможностями: плохое зрение, проблемы с руками, координацией. Есть слепые программисты, например. Какие-то решения в этой области уже существуют. Я бы советовал порыться в этом направлении, поискать материал.

Пользовался такой обучающей прогой (учил english)
называлась Reward, так вот там распознавание речи было для проверки speaking
если ты об этом...

Здравствуйте, Аноним, Вы писали:

А>насколько широко сейчас применяется распознавание речи в реальных задачах (или развлекательных, но не поигрался и отключил)?
А>Точне даже так будет: кто-то знает удачные примеры применения технологий распознавания речи? Насколько эти технологии применяются у нас и на Западе? В каких случаях применение SR себя оправдывает?
Кроме каких-то узкоспециальных областей типа интерфейсов для слепых, сейчас стали популярны IVR-системы (Interactive voice response). Т.е. телефонные системы, где вместо стандартного "нажмите 1 для соединения с отделом продаж, нажмите 2 для соединения с саппортом..." — система пытается распознавать голосовые команды.

Это очень помогает, например, если нужно спросить есть ли билеты на нужную дату — с клавиатуры телефона вводить ее затруднительно.

Здравствуйте, Аноним, Вы писали:

А>2. Как обстоят дела с самим Speech SDK? Такое впечатление что microsoft его активно продвигает, но им мало кто пользуется. На это косвенно указывают убогие результаты поиска гуглом в этом направлении.
А, выбрось его нафиг — это убогость. Я серьезно.

Если интересно — то стоит посмотреть на http://www.nuance.com/ и http://www.speechpro.com/

Здравствуйте, Cyberax, Вы писали:

C>Здравствуйте, Аноним, Вы писали:

А>>2. Как обстоят дела с самим Speech SDK? Такое впечатление что microsoft его активно продвигает, но им мало кто пользуется. На это косвенно указывают убогие результаты поиска гуглом в этом направлении.
C>А, выбрось его нафиг — это убогость. Я серьезно.

C>Если интересно — то стоит посмотреть на http://www.nuance.com/ и http://www.speechpro.com/

у Вас есть опыт работы с этими компонентами? Самый интересный вопрос — сколько они стоят и как они распространяются? SDK в свободном виде не нашел (Dragon Natural speech), написал заявку менеджеру, но, честно говоря, сомневаюсь что они будут общаться с "self-employeed". Да и распространение продуктов Dragon будет затруднено (надо качать/устанавливать и т.д.). А MS пихнула свой движек прямо в висту, что очень облегчает его использование в "несерьезных" программах для неискушенных пользователей. Наверное есть смысл сделать поддержку нескольких движков.

Здравствуйте, Аноним, Вы писали:

C>>А, выбрось его нафиг — это убогость. Я серьезно.
C>>Если интересно — то стоит посмотреть на http://www.nuance.com/ и http://www.speechpro.com/
А>у Вас есть опыт работы с этими компонентами?
Сейчас делаем их evaluation для нашего проекта. Могу сказать, что MS'овский API и рядом не стоял.

А>Самый интересный вопрос — сколько они стоят и как они распространяются? SDK в свободном виде не нашел (Dragon Natural speech), написал заявку менеджеру, но, честно говоря, сомневаюсь что они будут общаться с "self-employeed".
Дорого. Сколько точно сказать не могу — я под NDA.

С self-employed они вполне может и будут работать.

А>Да и распространение продуктов Dragon будет затруднено (надо качать/устанавливать и т.д.). А MS пихнула свой движек прямо в висту, что очень облегчает его использование в "несерьезных" программах для неискушенных пользователей. Наверное есть смысл сделать поддержку нескольких движков.
Естественно, нужно все интегрировать в один инсталлятор. Это вполне возможно.