Hlasové ovládanie vďaka AI úplne zmení spôsob, akým používame počítače a telefóny

 

KĽÚČOVÉ ZISTENIA:

• Softvér na rozpoznávanie reči dosahuje presnosť, ktorá umožňuje jeho plnohodnotné pracovné nasadenie.

• Lokálne aplikácie zabezpečujú súkromie, kým cloudové riešenia dokážu automaticky filtrovať rečové nedostatky.

• Nové hardvérové zariadenia využívajú modely AI na izoláciu šepotu aj v hlučnom pracovnom prostredí.

Pracovné prostredie v kanceláriách prechádza zmenou spôsobu zadávania textu do počítačov. Tradičné písanie na klávesnici postupne dopĺňajú systémy na diktovanie, ktoré využívajú modely strojového učenia na rozpoznávanie reči. Zadávanie hlasom sa už nevyužíva len na písanie správ, ale aj na tvorbu prezentácií alebo programovanie aplikácií.

Zdroj foto: Subtle

Nástroje na rozpoznávanie hlasu existujú už desaťročia, no až v posledných rokoch dosiahli presnosť potrebnú pre reálne pracovné nasadenie. Vývojári dokázali vytvoriť aplikácie, ktoré plynulo menia hovorené slovo na text s minimálnou chybovosťou. Na trhu momentálne existujú dve hlavné kategórie týchto nástrojov s odlišným prístupom k spracovaniu dát a ochrane súkromia.

Zdroj foto: Subtle

Open-source programy, ako napríklad aplikácia Handy, spracúvajú hlasový záznam lokálne priamo v počítači používateľa. Tento prístup zaručuje, že pracovné údaje neopustia zariadenie a neodosielajú sa na cloudové servery na ďalšiu analýzu. Konkurenčným prístupom sú predplatené cloudové služby zamerané na firemný sektor, ktoré využívajú rozsiahlejšie modely na pokročilú úpravu textu.

Príkladom je platforma Wispr Flow, ktorá v poslednom kole financovania získala 280 000 000 USD a jej trhové ocenenie dosiahlo 2 000 000 000 USD. Súbežne so softvérom sa vyvíjajú aj špecializované hardvérové riešenia pre hlasové ovládanie, ktoré odstraňujú problémy s hlukom v okolí. Zariadenia v tvare bežných bezdrôtových slúchadiel dokážu zachytiť čistý hlas aj v preplnených priestoroch.

Zdroj foto: Subtle

Startup Subtle uviedol na trh model za 250 USD, ktorý využíva modely AI na oddelenie reči od okolitého hluku. Testy ukázali, že takéto riešenia dosahujú päťnásobne nižšiu chybovosť pri prepise v hlučnom prostredí v porovnaní s bežnými slúchadlami a štandardným modelom na prepis reči. Zamestnanci tak môžu diktovať texty šeptom bez toho, aby rušili svoje okolie alebo znižovali presnosť prepisu.

Hlas sa tak stáva čoraz silnejším vstupným rozhraním počítačov a telefónov. Základný hardvér je už bežne dostupný a služby na spracovanie reči sa neustále zlepšujú. Tieto systémy dokážu nielen prepisovať text, ale aj vyvodzovať kontext a vykonávať špecifické príkazy. Očakáva sa, že podobné technológie v blízkej budúcnosti vytvoria alternatívu k tradičným vstupným perifériám.  

PREČO JE TO DÔLEŽITÉ: Hlasové rozhrania menia spôsob interakcie s počítačmi, čím zrýchľujú tvorbu obsahu a vytvárajú alternatívu k tradičným formám zadávania textu pre všetkých používateľov.

Zdroj: newatlas.com foto: Subtle

Zobrazit Galériu