Rozpoznawanie głosu w Internecie rzeczy

Nie jest niczym niezwykłym, że rozmawiasz z niewspółpracującym urządzeniem lub gadżetem. Wkrótce jednak może się okazać, że te urządzenia będą bardziej zwracać uwagę.

Startup o nazwie Wit.ai planuje ułatwić producentom sprzętu i programistom dodawanie niestandardowych kontroli głosowych do wszystkiego, od smartfonów i inteligentnych zegarków po termostaty i drony podłączone do Internetu.

Podczas gdy duże firmy, takie jak Apple i Google, mają własną technologię rozpoznawania głosu, mniejsze firmy i niezależni programiści nie mają głębokich kieszeni potrzebnych do tworzenia oprogramowania głosowego, które nieustannie uczy się z gór danych.

Wit.ai, z siedzibą w Palo Alto w Kalifornii, ma na celu szybko rosnącą liczbę urządzeń z małymi wyświetlaczami lub w ogóle bez ekranu oraz czynności, takie jak prowadzenie samochodu i gotowanie, w których możesz potrzebować pomocy technologii, ale nie chcesz oglądać lub dotykać wyświetlacza.

Aby zapewnić wszelkiego rodzaju programistom dostęp do łatwej w użyciu, zawsze uczącej się usługi w języku naturalnym, firma oferuje ją bezpłatnie tym, którzy zgodzą się udostępnić swoje dane użytkownika społeczności Wit.ai. Zbieranie tych danych powinno z czasem przyczynić się do poprawy dokładności systemu.

Wszyscy na tym skorzystają, mówi współzałożyciel i dyrektor generalny Alex Lebrun.

Lebrun od dłuższego czasu zastanawiał się, jak sprawić, by coś takiego jak Wit.ai działało. Wcześniej założył i prowadził VirtuOz, firmę, która spędziła miesiące na tworzeniu oprogramowania sterowanego głosem w stylu Siri dla klientów takich jak eBay i AT&T (kupiona przez firmę rozpoznawania mowy Nuance pod koniec 2012 roku, obecnie nosi nazwę Nina Web ).

Dzięki Wit.ai programiści wpisują garść poleceń w prostym języku angielskim, które chcą, aby rozpoznawał, takich jak Obudź mnie jutro o 6 lub Obudź mnie za 20 minut, i zanotuj, co chcą osiągnąć za pomocą każdego polecenia — w tym przypadku , ustaw alarm na hipotetycznym inteligentnym zegarku sterowanym głosem. Wit.ai wykorzystuje to, co wie o języku, aby określić różne sposoby wyrażenia polecenia. Następnie, gdy użytkownik chce ustawić alarm na określony czas, wypowiedzi tej osoby są wysyłane do serwera Wit.ai, który analizuje dźwięk i przesyła uporządkowane dane z powrotem do gadżetu — tutaj znajduje się instrukcja ustawienia alarmu dla właściwą datę i godzinę. A próbny na stronie firmy daje wyobrażenie, jak to może działać. Już około 4600 programistów używa Wit.ai z takimi rzeczami jak aplikacje mobilne , roboty , automatyka domowa i urządzenia do noszenia.

Jednym z nich jest Nick Mostowich, student Uniwersytetu Waterloo w Ontario. Podczas hackathonu w zeszłym miesiącu w swojej szkole Mostowich i jego zespół użyli Wit.ai do dodania sterowania głosowego do tostera i kuchenki mikrofalowej . Mostowich mówi, że szybko zebrali zestaw poleceń i celów, które można było zmapować do listy przepisów na zdalnym serwerze, aby użytkownik mógł powiedzieć coś w stylu Ugotuj mi trochę bekonu, a kuchenka mikrofalowa sama się włączy, ustawi na odpowiednią moc poziom i czas.

Pomijając nuklearne bombardowanie bekonem za pomocą głosu, Wit.ai wciąż ma wiele przeszkód do pokonania. Podobnie jak wiele podobnych systemów, które opierają się na chmurze, takich jak Siri, nie reaguje tak szybko, jak mogłoby być, i nie może działać, jeśli nie masz połączenia z Internetem. I chociaż Lebrun twierdzi, że Wit.ai może być również używany w różnym stopniu w języku hiszpańskim, francuskim, niemieckim, włoskim i szwedzkim, nadal jest znacznie lepszy w języku angielskim.

Lebrun uważa, że ​​wraz z dodawaniem do systemu większej ilości danych, języki inne niż angielski ulegną poprawie. Ma nadzieję, że umożliwi programistom korzystanie z Wit.ai online do budowania i trenowania interakcji głosowych, a następnie pobieranie go, aby można było go używać, powiedzmy, na smartfonie, bez konieczności połączenia z Internetem. Zamiast tego może od czasu do czasu zameldować się na serwerach Wit.ai, aby zaktualizować swoją naukę.

ukryć