Porozmawiaj z telefonem

Telefony komórkowe mogą robić wiele rzeczy: przeszukiwać Internet, pobierać muzykę, wysyłać e‑maile. Ale zdecydowana większość z 233 milionów Amerykanów, którzy je posiadają, nigdy nie używa ich do więcej niż rozmów i krótkich wiadomości tekstowych. Jednym z powodów jest to, że inne funkcje często wymagają od użytkowników wprowadzania zdań lub długich wyszukiwanych haseł, co jest żmudnym zadaniem.

Korekcja rozpoznawania głosu: Korzystając z interfejsu rozpoznawania głosu Vlingo, użytkownik może wypowiedzieć zdanie do telefonu komórkowego, zobaczyć to zdanie (w tym przypadku wiadomość tekstowa Hey Andy, jak leci) pojawia się na ekranie i użyć prostych narzędzi do edycji, aby zastąpić słowa, które mogą zostały błędnie zinterpretowane przez technologię rozpoznawania głosu. Interfejs pomaga użytkownikom uniknąć ręcznego wprowadzania wiadomości tekstowych, wyszukiwanych haseł i e-maili.

Interfejsy rozpoznawania mowy mogłyby ułatwić korzystanie z takich funkcji. Vlingo, start-up z Cambridge w stanie Massachusetts, wchodzi na rynek z prostym interfejsem użytkownika, który zapewnia rozpoznawanie mowy w aplikacjach na telefony komórkowe. Nie rozwijamy podstawowego silnika rozpoznawania mowy, mówi współzałożyciel Michael Phillips, były naukowiec z MIT i założyciel firmy SpeechWorks, która opracowała interfejsy mowy centrum obsługi dla klientów, w tym Amtrak. Nie musimy tego robić ponownie. Zamiast tego Vlingo bierze mowę, zamienia ją na tekst i zapewnia prosty sposób na poprawianie błędów za pomocą klawiszy nawigacyjnych telefonu, pomagając systemowi w nauce. Wypowiadane przez użytkownika słowa są przesyłane przez mobilne połączenie internetowe w celu analizy na serwerze Vlingo, oszczędzając telefonowi ciężkiej pracy obliczeniowej; transkrypcja pojawia się niecałe dwie sekundy później.

Ta historia była częścią naszego wydania z września 2007 r.

• Zobacz resztę numeru
• Subskrybuj

W ramach testu poprosiłem telefon o Koncert fortepianowy Schumanna. Vlingo szybko wrócił z Seanem Piano Concerto. Kiedy najechałem kursorem na słowo Sean, system zaoferował alternatywy, takie jak połysk i znak. Gdyby któryś z nich miał rację, mogłem kliknąć, aby wstawić go jako zamiennik. Ale ponieważ nie pojawiło się właściwe słowo, wpisałem je ręcznie.

Moja korekta zwiększyła szanse na lepsze wyniki w przyszłości. Nauczyłem system, że następnym razem, gdy użyję słowa, które brzmi jak Schumann, Schumann powinien być jedną z moich opcjonalnych transkrypcji. Nauczyłem go również, że inne osoby prowadzące poszukiwania muzyki mogą używać słowa Schumann – więc może ono również zacząć pojawiać się w ich przypadku.

Firma: Vlingo, Cambridge, MArnFinansowanie: 6,5 miliona dolarów od Charles River Ventures i Sigma PartnersrnZałożyciele: Michael Phillips, założyciel SpeechWorks i były naukowiec badawczy MIT; John Nguyen, były informatyk SpeechWorks

• Prezes Zarządu:

  David Grannan, były kierownik ds. mobilnej poczty e-mail w firmie Nokia

  
  
  

Małe platformy potrzebują mowy, a wyszukiwanie jest potężnym sposobem znajdowania informacji, mówi James Glass, szef grupy systemów mówionego języka w Laboratorium Informatyki i Sztucznej Inteligencji w MIT. Kombinacja tych dwóch jest bardzo silna, mówi, dodając, że Vlingo pracuje na tej granicy.

Vlingo chce, aby operatorzy telefonii komórkowej połączyli jego interfejs z innymi ofertami. Przewoźnicy mogą być szczęśliwi, mogąc je rozdać, ponieważ będą generować przychody, ponieważ ludzie faktycznie korzystają z systemów nawigacyjnych lub surfują po Internecie, mówi dyrektor generalny David Grannan.

Mazin Gilbert, dyrektor wykonawczy przetwarzania języka naturalnego w AT&T Labs we Florham Park w stanie New Jersey, mówi, że inni, w tym AT&T, również opracowują interfejsy mowy dla telefonów komórkowych; uważa, że ​​jednym z problemów będzie zapewnienie odpowiedniego doświadczenia użytkownika w opłacalny, skalowalny sposób. Vlingo uważa, że ​​prosty, elastyczny interfejs jest jednym ze sposobów na ułatwienie wzrostu.

ukryć