نرم‌افزار تشخيص گفتار فارسي به بازار مي‌آيد
امروزه نرم‌افزارهاي تشخيص فرمان‌هاي صوتي به صورتي محدود در انواع كامپيوترها و به‌خصوص روي گوشي‌هاي موبايل نصب شده است.
با کمک اين تکنولوژي ارتباط انسان با کامپيوتر بسيار راحت‌تر و سريع‌تر شده‌است و به‌زودي آرزوي بشر در برقراري ارتباط گفتاري با ماشين‌ها تحقق خواهد يافت.
تايپ کامپيوتري هم از جمله کارهاي متداول و وقت‌گير براي کاربرهاي عادي و پيشرفته کامپيوتر است؛ به ويژه كه اين مسئله براي کاربراني که به هر دليل مايل به استفاده از صفحه کليد نيستند، کاري خسته‌کننده است و استفاده از قابليت تشخيص خودکار گفتار توسط کامپيوتر باعث سهولت و صرفه‌جويي در زمان تايپ مي‌شود.
تلاش گروه‌هاي تحقيقاتي و شرکت‌هاي خارجي براي دستيابي به تکنولوژي تشخيص گفتار به عنوان يكي از تکنولوژي‌هاي سطح اول دنيا، به چندين دهه مي‌رسد، ولي به دليل پيچيدگي موجود در گفتار انسان هنوز رسيدن به دقت صددرصد امکان‌پذير نشده است.
نخستين نرم‌افزار فارسي
در كشورمان نيز فعاليت‌هايي در زمينه طراحي و ساخت نرم‌افزارهاي تشخيص گفتار به زبان فارسي آغاز شده‌است.
در اين راستا گروهي از فارغ‌التحصيلان دانشگاه صنعتي شريف از سال 82 اقدام به تهيه موتور تشخيص گفتار پيوسته فارسي كرده‌اند. براي بالا بردن دقت اين نرم‌افزار در تشخيص گفتار فارسي، از مدل‌هاي آماري و همچنين مدل‌هاي دستوري زبان استفاده شده است.
ارايي اين سامانه كه «نويسا» نام دارد، در شرايط آزمايشگاهي و محيط آرام و بدون نويز قابل قبول است، اما زماني كه از آن در عمل و در شرايط عادي مانند داخل اداره، استفاده مي‌شود، كارايي سامانه افت شديدي دارد.
براي جبران اين مسئله از راه‌حل‌هايي جهت مقاوم‌سازي سامانه به تغييرات موجود در شرايط آكوستيكي محيط و تغييرات موجود بين گوينده‌هاي مختلف استفاده شده است، به گونه‌اي كه سامانه موجود كه مستقل از گوينده و با واژگان بزرگ است، با بهره‌گيري از بهترين روش‌هاي مقاوم‌سازي مي‌تواند خود را با شرايط محيطي جديد و صداي گوينده تطبيق دهد.
اين مسئله سامانه جاري را به نمونه‌اي موفق و كاربردي در مقايسه با انواع خارجي مشابه كرده است.
به‌اين ترتيب، نسخه جاري اين سامانه داراي دقت تشخيص 95درصد در محيط اداري، قابليت استفاده در همه ويرايشگرها يا قسمت‌هايي که امکان تايپ فارسي دارند، نظير word و notepad، دايره واژگان 20 هزار كلمه‌اي و همچنين قابليت تغيير آن براي كاربري‌هاي خاص (پزشكان، وكلا و ....) است. اين نرم‌افزار در عين حال مي‌تواند با شرايط محيطي و صداي گوينده نيز انطباق پيدا كند.
سامانه تايپ گفتاري (ديکته) نويسا بر مبناي موتور شناسايي گفتار پيوسته عصر گويش طراحي شده است. اين سامانه، اولين سامانه تشخيص گفتار تجاري زبان فارسي است که قادر به تشخيص گفتار پيوسته با واژگان بزرگ و به صورت مستقل از گوينده است.
کاربران مي‌تواند از اين نرم‌افزار در هر ويرايشگري در محيط ويندوز استفاده کند. اين نرم‌افزار سرعت تايپ متون را افزايش مي‌دهد و براي كاربران، معلولان نابينا و ناشنوا امكان كاربري راحت‌تر از كامپيوتر و تجهيزات الكترونيكي را فراهم مي‌كند.
مزيت‌هاي تايپ گفتاري
مزيت‌هاي استفاده از اين نوع سامانه‌هاي تايپ گفتاري عبارتند از: صرفه‌جويي در زمان، کاهش هزينه، افزايش سرعت تايپ و ورود اطلاعات، حفظ امنيت اطلاعات در هنگام ورود داده‌ها، قابليت استفاده در بسياري از سامانه‌ها (مستندسازي، ترجمه گفتاري و ...) و جلوگيري از اشتباهات تايپي.
3روش از تکنيکهاي به کار گرفته شده در اين سامانه تشخيص گفتار، به عنوان اختراع در اداره ثبت ايران شناخته شده است:
1 - مدل گرامري همه منظوره براي زبان فارسي بر پايه مدل GPSG(با کاربرد
در موتور بازشناسي گفتار پيوسته مستقل از گوينده با دادگان بزرگ زبان
فارسي نويسا)
2 - ارائه روشي جديد براي تشخيص کلمات خارج از واژگان (با
کاربرد در موتور بازشناسي گفتار پيوسته مستقل از گوينده با دادگان بزرگ
زبان فارسي نويسا)
3 - روش PC-PMC براي مقاوم سازي سامانه‌هاي
بازشناسي گفتار به نويز (با کاربرد در موتور بازشناسي گفتار پيوسته مستقل
از گوينده با دادگان بزرگ زبان فارسي نويسا).
عمده تلاش اين گروه روي مدل‌سازي آکوستيگي گفتار براي تشخيص خودکار آن، بهبود کارايي سامانه‌هاي تشخيص خودکار گفتار در شرايط محيط واقعي و در حضور نويز، استخراج و بکارگيري اطلاعات زباني در سامانه‌هاي موجود و بکارگيري روش‌هاي پردازشي موجود، به‌ويژه روش‌هاي تشخيص خودکار روي کامپيوترهاي با توان و مصرف محدود مانند موبايل ها و PDAهاست.
فرمان صوتي فارسي
ارتباط كلامي با كامپيوتر تنها محدود به تايپ يا كارهايي از اين قبيل نمي‌شود. يكي از مهم‌ترين كاربردهاي چنين سامانه‌هايي، همان فرمان‌هاي صوتي هستند كه به صورت محدود در كامپيوترها و موبايل‌ها به‌كار مي‌روند.
در اين زمينه نيزمحققان ايراني دستاورهايي موفق داشته‌اند كه حاصل آن محصول نرمافزاري «نيوشا» است كه با قابليت تشخيص اعداد و فرامين صوتي از پشت تلفن، سامانه IVR مبتني بر گفتار بانك‌ها، اطلاع‌رساني براي سازمان‌ها، كارآيي بالاي 96 درصد و مستقل از گوينده و همچنين قابليت اضافه‌شدن به عنوان يك واحد مجزا به سامانه‌هاي تلفني موجود عرضه شده است.
نويسا و نيوشا قابليت تركيب نيز دارند كه با استفاده از اين كارآيي جديد مي‌توان به شماره‌گيري و SMS صوتي، مترجم صوتي گفتار به گفتار، اجراي برنامه‌هاي كاربردي با گفتار و ... دست يافت.
با استفاده از اين نرم‌افزارها و تركيب آن در سامانه‌هاي مخابراتي، كاربر با ساده‌ترين وسيله ارتباطي يعني «گفتار» نياز خود را مطرح كرده و اپراتور به صورت هوشمند با استفاده از تشخيص گفتار تلفني و پردازش اين گفتار، ارتباط وي را با دستگاه، سرويس يا فرد پاسخگو برقرار مي‌كند.
اين در حالي است كه در شرايط فعلي تكنولوژي مورد استفاده در سامانه مخابراتي كشور به گونه‌اي است كه يك اپراتور از كاربر مي‌خواهد براي دسترسي به يك فرد يا سرويس خاص، كليدي مشخص را فشار دهد كه اين كار بدون توجه به وقت، حقوق، اضطرار و ابهام ذهني كاربر انجام مي‌شود؛ يعني شخص مجبور است براي انجام يك كار ساده چندين دستور متوالي را انجام دهد.
اما يكي از دغدغه‌هاي طراحان اين سامانه‌هاي نرمافزاري «كپي‌رايت» است. به‌رغم اينكه طراحي نرمافزاري كه بتواند صحبت افراد را در لحظه تايپ كند، يكي از آرزوهاي ديرين و نياز هميشگي كاربران كامپيوتر بوده است، و از سوي ديگر ارايه اين نرم‌افزارها نيز مستلزم صرف هزينه، وقت و انرژي فراوان است، اما همچنان حقوق معنوي اين نرم‌افزارها تضمين نشده و به راحتي حاصل تلاش يك گروه توسط سودجويان به تاراج مي‌رود.
تيم مجري اين نرم‌افزارها از فارغ‌التحصيلان دوره كارشناسي ارشد و دكتراي هوش مصنوعي دانشگاه صنعتي شريف هستند و از اين‌رو بيش‌تر تمركز گروه بر كار پژوهشي و علمي است. با اين حال، محققان نمي‌توانند هزينه‌ها را از جيب خود بپردازند.
اغلب سودجويان گراني محصول را بهانه مي‌كنند و اين در حالي است كه اگر توليدكنندگان محتواي ديجيتال مورد حمايت واقع شوند قطعا قيمت تمام شده اين محصولات پايين‌تر خواهد بود.
اين فناوري در سومين نشست بين المللي تبادل فناوري در حوزه مخابرات در پارک فناوري پرديس با حضور وزير ارتباطات از ميان طرح هاي ارائه شده به مقام سومي فناوري برتر سال دست يافت.
خوشحال خواهم شد که از نظرات و راهنمایی مفید شما عزیزان در جهت بهبود و ارتقاء کیفی این وبلاگ استفاده نمایم .