Naslouchající a mluvící počítač bude poprvé vyzkoušen ve vesmíru

Bender's coming

jak se vam libi solidni MP3 prehravac Emgeton 830 ?? recenze napr. http://www.mpx.cz/data/kliknuto.asp?cl=14366 doporucite nebo ne ?

Nelibi.

Z množství zde uvedených názorů jsem jen nepochopil, zda se blíží doba, kdy budu moci do PC diktovat (česky) a on to přeloží do textu. Programů na spouštění příkazů hlasem jsem viděl už stovky, ale ty mně práci na počítači zas tak neurychlí.
P.

Ale ono to funguje a docela dobře - v angličtině. Českej trh je malej a banda zdejších warezáku MS nestojí za implementaci.

Alexi díky, ale nepotěšil jste mne. Má Cockney angličtina mi tedy zřejmě neumožní propustit sekretářku....
P.

Nebral bych to ovladani pocitace hlasem az tak zhave - predstavde si ze byste hlasem delali neco vizualniho - grafiku, navrh GUI, nebo i jenom pohyb v textu (napr.:"pocitaci posun se o 15, ne 16, nebo mozna 17 radku nahoru a pak doprava!").

A i kdyz by se na tohle pouzilo "stare" ovladani, tak predstava toho ze bych se vykecaval s pocitacem (obzvlaste v jedne mistnosti s vice lidmi) mi pripadne trochu ujeta (ale mozna bych si zvykl, kdovi...).

Kazdopadne to na nejakou revoluci nevidim - uz jen proto, ze timhle tempem muzeme asi tezko cekat ze se najednou objevi neco, co bude schopne neceho takoveho jako spolehlive ovladani hlasem.

Pekne ste sa rozpisali, ale uvedomujete si ze nedavno sa do vesmiru vyniesol najvykonnejsi pocitac ktory sa tam testoval a bol to notebook pentium 1 tusim 200Mhz? Rychlejsie maju problemy s rusenim.Preto si myslim ze nejaka super umela inteligencia vo vesmire este dlho nebude.

... nicmene si nemyslim, ze by o neco zasadniho prichazela.
Momentalne se tim (zejmena mluvenim stroju) zivim. Ctenari zive, nezijte tak v zajeti PC a Windows.  Drtiva vetsina aplikaci jsou mluvici automaty rozpoznavajici prikazy z nabidky - treba automaticka pokladna v obchodaku, kde si Amik sam protahuje zbozi skrz carovou ctecku a pak si to sam zaplati karou (to bych chtel v CR fakt videt nasazene ) )
 
V anglictine v telefonu obcas nepoznam, kdy mluvi TTS (text to speech), prehravaji se namluvene wavy, ci jiz mluvim s zivym unudenym operatorem. Rozpoznavani slov je v anglictine pro prekvapive uspesne. Napr. v telefonnim seznamu cca 10000 lidi hledam jiz jen hlasem. Aplikace se ovsem maximalne snazi vyuzivat DTMF.
zapomente na cestinu. Jazyk kterym mluvi par hulvatu kdesi v Evrope moc firem nezajima. Bohuzel, je to tak.
 
Jinak velice uspesne a vyzadovane je nasazeni mluvicich stroji v pilotnich kabinach, tancich a podobne, kdy operator (pilot...) nema cas sledovat v kritickych situacich displaye. Zajimave je sledovat, kdyz pocitac rika 2 a vice ruzne dulezitych hlasek - pouziva se jinak zabarveny hlas (napr. zensky). Takze napr. pri poklesu rychlosti letadla pod kritickou mez zacne stroj varovat jednim hlasem o nizke rychlosti, kdyz pilot nereaguje a nasledkem nizke rychlosti se zacne letadlo nekontrolovane naklanet, tak varuje dalsim hlasem o prilisnem naklonu, az nakonec tesne pred dopadem dalsi hlas zacne informovat o blizkosti zeme...
 
par linku:
http://www.research.att.com/projects/tts/demo.html
http://www.vxml.org/
http://www.w3.org/Voice/Guide/
http://www.voxeo.com/
http://studio.tellme.com/index.pl
http://www.oasis-open.org/cover/vxml.html
 
Toz se majte

>> Podívejme se například na to, jak Microsoft (ale totéž platí o všech ostatních programech)

To jsem nevedel, ze Microsoft je program, dekuji za upozorneni

Nedělejte si iluze, toho se nedožijeme... - nemluvě o tom, že tohle neumí 90% lidí, natož počítač

Tady většina lidí nepochopila přesně o čem článek je. Mnozí píší o ovládání přes mikrofon ve Warpu, někteří si myslí, že tohle má už vyřešení OSX, leč nemá. Nemá to ještě vyřešené nikdo.
Tady totiž nejde o to, aby se počítač naučil spustit kalkulačku na povel "KALKULAČKA", nebo minimalizovat okno po vyslovení "MINIMALIZUJ".
Naslouchající a mluvící počítač je něco, čemuž řeknete "Potřebuji najít ten dokument o tropickém hmyzu, co jsem někde uložil asi tak před měsícem. Najdi mi ho, doplň tam dnešní datum a moje jméno a třikrát mi to vytiskni v nejlepší kvalitě" a on to udělá.
Mluvící počítač je něco, co člověku bezchybnou češtinou včetně správné intonace a s přirozenou barvou hlasu přečte Stopařova průvodce.
A tohle je to, co nám už léta slibují a pořád nic. Ne rozeznání nahraných povelů - to umějí i mobilní telefony zpřed tří let...

zkuste povely na Manzelka OS nejlepe ve verzi 2,3,4 .. 1 dela vzdy problemy.
Moje umi prikazy: pivo, tv ovladac, zmlkni, vecere, noviny, a pak radu nedokumentovatelnych :))))

Pokud vím, tak M$ má API na rozpoznávání řeči už dávno. Viděl jsem tam angličtinu, čínštinu a japonštinu.

Shodou okolností o tom včera mluvili na Discovery. Nejedná se jen o počítač, ale o robota. Má tvar koule o průměru cca 20 cm a vznáší se ve vzduchu (což ve vesmíru asi nebude problém). Má i kameru a rozpoznává tvary a lidi, takže se na vás pomocí dmychadel i natáčí a sleduje vás. Má to být robot "k ruce", takže když potřebujete, tak si ho zavoláte a když "přiběhne" tak mu dáte třeba příkaz "Potřebuju abys letěl do uzlu 2 a zkontroloval tam teplotu." a on tam zaletí, změří teplotu a vrátí se zpět. Podle mě to je velký pokrok, ikdyž zatím jen ve fázi praktického testování. V další fázi zřejmě přijdou roboti, kteří budou místo lidí vystupovat do vesmíru a pracovat podle pokynů lidí.

problemy k vyreseni rozpoznavani jsou celkem tri:

1) uspesnost je stale nizka. I kdyz je chybovost treba jenom 5%, k diktovani textu je to dost nepouzitelne. Vzpomente si na OCR - chybovost u dobre citelneho textu pod 5%, ale stejne to lidi radsi prepisuji, protoze opravovat ty chyby po OCR je casto pomalejsi. Bohuzel tohle nejde dost dobre vyresit, spousta slov (hlavne v anglictine) ma stejnou nebo velmi podobnou vyslovnost a bez kontextu stroj nepozna o co jde. No a pochopeni kontextu je uz pokrocila umela inteligence, neco co uz vubec nefunguje. Ovladani hlasem je na tom podstatne lip, protoze tech vyrazu je take podstatne mene. Prakticky se jiz pouziva napriklad v lekarstvi pri laparoskopickych operacich k ovladani kamery. Presto i zde je urcita chybovost a hlasove ovladani je pozuite jenom jako nutnost, protoze chirurg ma v rukach jine nastroje a kameru nemuze jinak ovladat.

2) uzivatel. Predstavte si sami sebe jak v kancelari kde je vic lidi neco diktujete pocitaci. Zni to dost uchylne. To se tyka i ovladani hlasem - sice je to fajn feature, ale sedet v kancelari s dalsimi 10 lidmi a poslouchat neustale OK, Close, Restart,... Casem taky prijdete na to, ze pohnout mysi a zavrit okno pomoci ikonky je rychlejsi a min namahave nez hlasovy povel - to si kazdy sam muze overit napriklad na te zminovane opere...

3) ruchy. Presne jak je v clanku, je dost problem odlisit beznou konverzaci od povelu. Nehlede na preslechy treba od sousedniho stolu, kde nekdo ovlada svuj pocitac. K odliseni povelu se pouzivaji klicova slova (napriklad "Opera Forward"), coz nuti uzivatele prilis myslet a celou operaci jeste vic prodluzuje. Casem kazdy prijde na to, ze klik na ikonku je proste rychlejsi, o Operich mouse gestures ani nemluve...

Tento pohlad je, pri vsetkej ucte, kratkozraky. Mnoho ludi povazuje hlasove ovladanie za obdobu mysacieho - lenze to je prave ten omyl. Browseru nebudeme "diktovat hore, hore, klik, delete, http dvojbodka lomitko lomitko www bodka google bodka com, tabulkator, tabulator, hlasove rozoznavanie, tabulator, enter", ako je to pri ovladani klavesnicou ci mysou. To by nemalo vyznam. Treba zadat "spust explorer, otvor www.google.com, napis hlasove rozoznavanie, odosli" alebo neskor, ked bude pocitac inteligentnejsi, iba "vyhladaj text hlasove rozoznavanie, ukaz mi prvy a treti odkaz". Co podla mna najviac brzdi vyvoj hlasoveho rozoznavanie, je velmi pomaly vyvoj umelej inteligencie. Sucasne aplikacie vedia 'ovladat' pocitac iba na urovni nahrady mysi ci klavesnice - vlavo, vlavo, hore, klik... Co je nepouzitelne (kym to poviete, tak to mate davno mysou vyklikane). Cas, kym pocitac pochopi text "vyhadaj clanky o umelej inteligencii" tak, ze sa spyta na jazyk, ze otvori browser, spusti gugla, napise 'umela inteligencia' a navyse zisti, ktore odkazy nie su porno ale vyzeraju relevantne a zobrazi ich, este proste neprisiel a nezda sa, ze by v blizkej buducnosti hrozil... Najskor musia prist inteligentne korektory pravopisu ci OCR (proste ked dakto napise "dvaja hrozny psi, a dve macky, boli napadnuty kobylkami" aby to prerobilo na "dvaja hrozni psi a dve macky boli napadnute kobylkami" - je to zdanlivo trivialne, ale neexistuje korektor, co by to dokazal opravit), potom inteligentne slovniky (hodte si cokolvek do PC translatoru a o zabavu mate postarane) a az potom hadam prijde cas uvazovania o normalnejsiom hlasovom ovladani...

vsak si taky vsimete, ze ve startreku pouzivaji hlas jen k zadavani prikazu pro vyhledavani v databazi znalosti. no a taky ve vytahu k zadavani pater, pac jenom ten vytah by mel mit charakter mensiho metra, a tolik tlacitek by se do nej neveslo...

"Nám se ovšem zdá, že 5% chybovost v kosmu je stále poněkud velká… "
 
Takovýto názor bych čekal tak od desetiletého kluka a ne od dospělého odborníka.
 
Takže třeba 1% nebo ještě menší (ale nenulová) chybovost už by se vám v kosmu nezdála poněkud velká?????
A mimochodem, 19 úspěšných případů na 1 neúspěšný (ona 5% chybovost) není vůbec špatný poměr. To kolikrát si i s člověkem z očí do očí musíte něco vysvětlit - jak to dotyčný vlasrně myslí.
Víte, ony se kritické příkazy, povely a instrukce musí vždy potvrdit. A je jedno, zda je zadáváte z klávesnice nebo myší.ˇUž desítky let se to řeší tak, že se vás pošítač dozáže, zdsa to opravdu chcete, zda jste si vědom toho, co děláte a co po něm žádáte. Běžně to vypíše na obrazovce (to známe z praxe snad všichni) a Klarisa to holt řekne na hlas - např. zopakuje Váš příkaz, abyste věděl, že ho správně analyzovala...
 
 
 
 
 
 

Pokud jsem to spravne pochopil, tak to neuvadi autor clanku ale Xerox. Takze Tva narazka je ponekud mimo.

Já jsem z textu článku

Xerox uvádí, že poslední verze Clarissy se už podstatně zlepšila, neboť její chybovost už není 10procentní jako u předchozí verze, ale jen pětiprocentní. Nám se ovšem zdá, že 5% chybovost v kosmu je stále poněkud velká…

pochopil, že První větu uvádí Xerox, druhou autor.

No nevim jak autor, ale já s používánim nápovědy obecně problém nemám. U Autocadu např. v 95% najdu do 2 minut o potřebuju. Jo MS nápovědy to je jiná. Do práce jsme dostali Office 2003 a polovina nápovědy vede na text "[x] Stránka nebyla nalezena ......".
Včera jsme zase pro změnu hledal příčinu chyby ve Windows Update. Po 20 minutách otvírání dalších a dalších stránek s nápovědou a po asi 30 pokusech o vyhledávání s použitím kódu chyby a originálních slov jejího komentáře, jsem radši zaeperimentoval a během 5 minut problém vyřešil sám

  Čaute, Tak môžem napísať, že comp používam bez zrakovej kontroli a mám software, ktorý mi len číta a môžem povedať, že pre mňa je to super vec. Ani tento spôsob nieje ešte dokonalí, ale dása v pohode pracovať na nete a pod. Škoda len, že tie obrázky akosi nevie rozpoznať. No čo sa týka zadávania príkazov, myslím, že pre nikoho nieje problémom sa naučiť písať, ale tu mi zas budú odporovať ľudia, ktorý majú problémi s motorikou. Tak asi všetko má význam, nie? Len nechápem, prečo práve vo vesmire.

NASA postavi super pocitac, ktory rozoznava rec a komunikuje s clovekom pomocou reci. Rozhodnu sa ze ho nasadia na prvu vypravu na Mars. Ako posadka odstartuje od raketoplanu smerom na Mars, kapitanovy to neda a chce pocitac vyskusat. Pyta sa ho:
- Pocitac, doletime uspesne k Marsu?
Pocitac na to: Yes
- Pristaneme uspesne na Marse?
Pocitac na to: Yes
- Ako Ti mam verit ved ty si len stroj?
Pocitac na to: Yes
(a teraz uz po anglicky)
- Yes what?
Pocitac na to: Sir! Yes, Sir!

ale inak nic proti, nech sa chalaniska zabavaju ked maju na to peniaze ....

Dobry den,
jen jsem chtel napsat, ze jsem rad, ze prispevky p. Hlavenky jsou zpet. Uz jsem na zive malem zanevrel, po mesici ostatnich bezcennych clanku...
Dekuji,
Vladimir

no ale bohuzial tento clanok nie je velmi dobry... ale vlastne dobra ani nie je tema, o ktorej tento clanok

Tema je dobra - to vidis dle naevnosti, ale clanek je ubohy

ano, slohově i informačně to je o ničem :)

"Naslouchající a mluvící počítač bude poprvé vyzkoušen ve vesmíru"

heh no co rict nevedel jsem ze jsem ve vesmiru : ) vlastne jsem ze : )
pc jsem ovladal hlasem CESKY uz na ZS copak neznate voice tronics (byl na chip cdromu v 90's) nebo jak se to jmenovalo a predcitani cesky taky
/ anglicky .. ze se k tomu porad vracite IBM prodava diktovaci programy dlouha leta, "ovladani" Opery hlasem ma kazdy zadarmo (+firefox co jsem nezkousel) predcitani je uz v XPckach (myslim ze byl i v W2000, cesky vam text precte treba sw 602.cz

opravdu si myslite ze je pohodlne kdyz vam pc cte treba text ? mam to vyzkousene nic moc nekdy se to hodi (opera anglicky text it zprav treba, ale jinak zadna zmena porad ctu vlastnima : )

a ovladani hlasem haha jako co „vypni se laskavě, drahoušku“ ja radej zmacknu spinac a odchazim bez diskuzi bez hadek : p

ovladani hlasem treba v aute kdyz se win ce zblazni a zavrou vas v aute (uz se to stalo) tak budete rvat na autoradio : D prakticke

ovladani hlasem je tak pro lidi ktere chcete oblbnout ze neovladaji pc schovate klavesnici a monitor .. to bude praktice vyuziti vsechny informace jen zvukem hehe nepochybuju ze takovy nerozumny lidi co se stiti/boji priblizit k pc to vyuzijou : )

Jasne, ze jsi ve vesmiru. Nebo kde si myslis, ze jsi? Mozna ze jsi z nejake jine dimenze, ale my, pozemstane, zijeme na Zemi, ktera je ve vesmiru. Rozhodne neni mimo vesmir Takze vsechno co se kdy vyzkousi noveho, se vyzkousi ve vesmiru

no jo ty si prehled ze jsem napsal " vlastne jsem ze : )" ale co ISS stejne neni ve "vesmiru" je stejne pod ochranou magnetickeho pole kousek od zeme takze budou zkouset nove technologie pred barakem : )

A uvažoval jsi někdy o tom, že počítač ten text nečte zrovna jako rodilý Čech/Angličan a když mu dáváš nějaké hlasové příkazy, tak jedině předem připravené a většinou jedno až dvouslovné? Zkus třeba v Opeře nadefinovat hlasový příkaz na to, aby v toolbaru přehodila čtvrtou ikonku zleva za třetí ikonku zprava. Tohle Ti ten počítač nerozumí - kdyby ale dokázal rozpoznat všechno co řeneš, byla by to hodně užitečná věc... (a nemyslím jenom na přehazování ikonek

" The system is designed to carry out more than >>>> 75 <<<<
takze asi stejne hlasove ovladanych funkci jako Opera : D to neni zadny pokrok : ) na to ze hlasove ovladana opera bude i v set top boxech k TV : )


"příkazy... většinou jedno až dvouslovné?" ...ja psal " IBM prodava diktovaci programy dlouha leta" http://www.scansoft.com/viavoice/pro/ diktovaci sw za 200 US ti musi rozeznat vice nez 2 slova za sebou : ) ps prodavaj uz od 30 dolacu nebo na http://shop.voicerecognition.com/

" kdyby ale dokázal rozpoznat všechno co řeneš, byla by to hodně užitečná věc... " dit sem psal
"ovladani hlasem je tak pro lidi ktere chcete oblbnout ze neovladaji pc schovate klavesnici a monitor .. to bude praktice vyuziti vsechny informace jen zvukem hehe nepochybuju ze takovy nerozumny lidi co se stiti/boji priblizit k pc to vyuzijou : )"

Problem je v tom, ze proces zadavani prikazu hlasem ma dve faze: (1) prevod mluveneho slova na text, coz je to co dela ten diktovaci program a treba to dela i dobre, a horsi (2) analyza textu v prirozenem jazyce a rozpoznani povelu. To je mnohem horsi, a taky proto to zatim nefunguje moc dobre a hlavne proto to rozhodne neni zrale na jakekoliv pouziti.

[quote]Výsledek je, bohužel, stále mizerný: nápovědy okenních programů jsou pořád hrůzostrašnými díly, obsahujícími mnoho informací, avšak ještě jsem neviděl uživatele, který by byl schopen najít v nich pomoc.[/quote]

Mozna je to pozdni nocni hodinou, ale nejak jsem nepochopil, jak napoveda souvisi s rozpoznavanim reci. Nicmene jesli nejste schopen najit pomoc v napovede, je mi lito, ale verte, ze takovi lide existuji. Je treba je ovsem napred presvedcit, aby se do te napovedy podivali. Kdyby si vsichni precetli napovedu k programum, byla by internetova fora o polovinu "kratsi".

Jinak souhlasim s autorem, ze vetsi problem bude pro pocitac rozumet samotnym pokynum (at uz jsou v jakekoli forme - pisemne, verbalni), nez porozumet hlasu.

Autor, jako hrdy windowsak, zasadne necte dokumentaci

tiez som to nejak nepochopil. som zivy dokaz toho, ze napovedu (nie len okna) pouzivam a aj mi (skoro) vzdy pomohla. tak neviem co tym autor chcel povedat. asi, ze v nej nevie hladat...

Ak je nápoveda k Windovs tak úžasná, tak skúste nájsť jednoduchú vec - ako nastaviť aby num lock na klávesnici bol po štarte winXP zapnutý. Asi som blbý, ale ja som to nenašiel a tak to vždy po inštalácii opravujem v registry.

Ve WinXP Professional CZ SP2 si nastaveni system pamatuje. Pokud vim, tento problem jsem mel jenom s piratskou anglickou verzi. Ale je mozne, ze se vyskytuje i jinde.

Autorovi clanku by som odporucal vyskusat zabudovane rozpoznavanie reci v Mac OS X.

No jiste - dokonce jiz ve starsich systemech pred mnoha lety to fungovalo, a to velmi dobre. Nechapu, o cem ten clanek je - takove technologie jsou uz davno v praxi pouzivane, jenze se malokdo obtezuje to lokalizovat - napr v Mac OS je to jen pro English nebo Spanelstinu, mam pocit, ale spis jen pro Eng. A presnost je velice dobra. Dokonce se analyza vzorku hlasu standardne pouzivala v Mac OS i k logovani do systemu, ale to uz ted neni.

A co se tyce jinych oboru - ruzne software pro postizene nebo pro slepce toto taky pouzivaji leta. A neni treba vymyslet zadny specialni system na oddeleni od bezne konverzace - staci vymyslet jedinecne, jinde nepouzivane slovo, treba smyslene, a to bude iniciovat rozpoznavani prikazu - napr. obligatni "Pocitaci, poslouchej a vykonej" A je to. Napr. na Macu to tak je normalne - kazdy prikaz muze napr. povinne byt odlisen slovem "Computer" a Mac hned vi, ze ma poslouchat..

problem spis je v tom kolik vypocetniho vykonu bude zrat neustala analyza bezne konverzace, nemluve o tom ze kdyz budou mluvit vic jak 2 lidi a nebudou delat jasne mezery :) tak bude pocitac naprosto mimo

No tak to prostě bude ignorovat, ne?

Nejaky rozpoznavani melo uz OS/2 warp ne? Tak jakypak nesplneny sliby? A stary Dragon Dictate jsem pouzival uz ve win 3.11, supr program. Ale pote, co jsem nastydl, pocitac jiz nepoznal his masters voice :)

Je videt ze jste mladik, OS/2 Warp rozpoznavani mel, ale minimalne 5 let predtim uz bylo zabudovano rozpoznavani hlasu do OS 6 ci 7 na Macintoshi. A pokud se pamatuju, tak Macintosh rozpoznaval Severoamerickou anglictinu a Spanelstinu. A to rozpoznavani bylo prekvapive dobre. Kdyz pak po letech prichazel OS/2 Warp a hlasali ovladani hlasem jako uzasnou novinku, musel jsem se usmivat, uz jsem vedel ze to je pekna hracka ale nikdo si s ni nechce dlouho hrat. Je to jako videotelefon - proc se to nepouziva? Protoze to nikdo nechce, lidi volaji na zachode, v posteli, pri soulozi,..nechtej aby je nekdo videl, zensky pak treba proto ze nejsou naliceny apod. S ovladanim hlasem je to zrovna tak - aby kazdy vedel co zrovna delate, pocitac reagoval na prikazy kolegu, prekrikovali jste hudbu, kontrolovali jestli PC spravne pochopilo vas prikaz atd. atd. to nikdo nechce.. Ostatne treba v Mac OS X je ovladani hlasem zaimplementovano i pro jednotlive aplikace a to rozpoznavani je tak dobre, ze kdyz jsem to nejaky cas pouzival se svoji prisernou vyslovnosti, tak Mac stejne 95% prikazu rozpoznal spravne. Tak NASA vyviji vlastni system a nejsou lepsi nez inzenyri Apple? No to je ostuda!

AFAIK Warp jeste rozpoznavani nemel - az OS/2 v.4 Merlin.