Хабрахабр: Метки / распознавание речи http://habrahabr.ru/rss/tag/распознавание речи/ ru editor@habrahabr.ru habrahabr.ru Sun, 12 Feb 2012 01:51:05 GMT http://habrahabr.ru/ http://habrahabr.ru/i/logo.gif Хабрахабр <![CDATA[DIY или Сделай Сам / Умный дом с web-интерфейсом на perlxstut]]> http://habrahabr.ru/blogs/DIY/137726/ http://habrahabr.ru/blogs/DIY/137726/
Читать дальше →
]]> Mon, 06 Feb 2012 20:24:27 GMT tzirulnicov умный домраспознавание речиperlphppicpickit2 <![CDATA[Алгоритмы / Динамическое программирование в алгоритмах распознавания речи]]> http://habrahabr.ru/blogs/algorithm/135087/ http://habrahabr.ru/blogs/algorithm/135087/
Читать дальше →
]]> Wed, 21 Dec 2011 22:20:31 GMT rgen3 динамическое программированиераспознавание речираспознание отдельных слов <![CDATA[Алгоритмы / [Из песочницы] Скрытые Марковские модели в распознавании речи]]> http://habrahabr.ru/blogs/algorithm/134954/ http://habrahabr.ru/blogs/algorithm/134954/
Читать дальше →
]]> Tue, 20 Dec 2011 11:48:31 GMT rgen3 Лингвистикаскрытые Марковские моделираспознавание речи <![CDATA[Разработка под Apple iOS / Распознавание и синтез речи в любое приложение под iOS за час]]> http://habrahabr.ru/blogs/macosxdev/134825/ http://habrahabr.ru/blogs/macosxdev/134825/ Вводная часть:

Сам инструментарий называется NDEV. Чтоб получить необходимый код (его мало) и документацию (её много), надо зарегиться на сайте в «программе сотрудничества». Сайт:

dragonmobile.nuancemobiledeveloper.com/public/index.php

Это весь «геморрой», если клиентов вашего приложения менее полумиллиона и они пользуются сервисами менее 20 раз в день. Сразу после регистрации вы получите членство «Silver», которое позволит вам бесплатно пользоваться данными сервисами.
Разработчикам предлагается пошаговая инструкция по внедрению в свое приложение на iOS сервисов распознавания и синтеза речи:

Читать дальше →
]]> Sun, 18 Dec 2011 18:43:48 GMT Someonesolitude iOSРазработкамобильные приложенияразработчикразработчикипрограммаNDEVречевые сервисыNuanceвнедрениеимплементациясинтез речираспознавание речиречевые технологии <![CDATA[iPhone / Протокол коммуникации Siri взломан]]> http://habrahabr.ru/blogs/iphone/132622/ http://habrahabr.ru/blogs/iphone/132622/ удалось разобраться в протоколе коммуникации, который использует программа Siri, так что теперь этот движок распознавания речи теоретически можно запускать на любом устройстве, в том числе Android, если вы знаете, где добыть идентификатор iPhone 4S, и компания Apple не внесёт его в «чёрный список».

Ключевым элементом Siri является то, как программа общается с сервером (Siri работает только при наличии доступа в интернет). Трафик идёт по протоколу TCP, порт 443, на сервер 17.174.4.4. Если вы попробуете связаться с сервером https://17.174.4.4/ с десктопа, то увидите, что он предъявляет сертификат на имя guzzoni.apple.com (Дидье Гуззони из компании SRI — один из создателей этой технологии).
Читать дальше →
]]> Tue, 15 Nov 2011 08:05:31 GMT alizar ApplidiumSiriраспознавание речиiPhone 4ShttpsGUIDzlibCFPropertyList <![CDATA[Искусственный интеллект / [Перевод] История развития систем распознавания речи: как мы пришли к Siri]]> http://habrahabr.ru/blogs/artificial_intelligence/131945/ http://habrahabr.ru/blogs/artificial_intelligence/131945/
Слушая Siri с ее слегка элегантным чувством юмора, мы восхищаемся тем, как далеко продвинулись за эти годы в отрасли распознавания речи. Давайте взглянем в прошлые десятилетия, которые позволили человеку управлять девайсами, используя только голос.
Читать дальше →
]]> Sat, 05 Nov 2011 10:26:52 GMT karazyabko ИИраспознавание речиgoogle voice searchsiriiphone <![CDATA[Искусственный интеллект / Правила общения с системами распознавания речи]]> http://habrahabr.ru/blogs/artificial_intelligence/130918/ http://habrahabr.ru/blogs/artificial_intelligence/130918/
]]> Fri, 21 Oct 2011 12:27:37 GMT GeorgeR распознавание речиправила общения с роботамиsiri <![CDATA[IP-телефония / FreeSWITCH + mod_unimrcp + VoiceNavigator. Синтез и распознавание русской речи во FreeSWITCH]]> http://habrahabr.ru/blogs/voip/129811/ http://habrahabr.ru/blogs/voip/129811/ FreeSWITCH UniMRCP

В продолжение серии статей об интеграции Asterisk и VoiceNavigator опишу интеграцию VoiceNavigator с FreeSWITCH.

На Хабре имеется несколько статей и упоминаний об FS, но с популярностью Asterisk он не сравнится))

FreeSWITCH, являясь продолжением и развитием идей заложенных в Asterisk, имеет действительно модульную архитектуру, где весь основной функционал, на сколько это возможно, вынесен в отдельные модули. Это позволяет обеспечить большую гибкость создаваемых решений, масштабируемых от софтфона до софтсвича. FreeSWITCH может быть использован в качестве коммутатора, АТС, медиа-шлюза или медиа-сервера для приложений IVR, использующих XML-файлы для управления алгоритмом обработки звонка.

Для FreeSWITCH в отличие от Asterisk нет необходимости отдельно компилировать UniMRCP. Поддержка UniMRCP уже добавлена и работает «из коробки» в виде модуля asr_tts/mod_unimrcp.

Ниже описывается установка FreeSWITCH, подключение к нему VoiceNavigator и создание тестового голосового приложения.
Читать дальше →
]]> Wed, 12 Oct 2011 09:14:00 GMT mulai ip-телефонияfreeswitchсинтез речираспознавание речиcall-центрысистемы голосового самообслуживанияVoiceNavigator <![CDATA[Железо / «Умный дом» собственными руками. Часть 3. Синтез и распознавание голоса с помощью Google]]> http://habrahabr.ru/blogs/hardware/129936/ http://habrahabr.ru/blogs/hardware/129936/ прошлой статье мы смогли добиться получения изображения с наших веб-камер в виде снимков раз в секунду. Теперь пришла пора взяться за обещанное — распознавание и синтез голоса.

Читать дальше →
]]> Fri, 07 Oct 2011 13:00:36 GMT Neuronix google chromeумный домсинтез речираспознавание речиperl <![CDATA[Блог компании Самый Нужный ТЕЛЕФОН / Apple — доедает яблоко?]]> http://habrahabr.ru/company/88005554448/blog/129802/ http://habrahabr.ru/company/88005554448/blog/129802/

Привет, Хабравчане!
Пару мыслей в слух о презентации нового iPhone 4S.

Ждали iPhone 5, получили 4S.
А стоило ли вообще ждать чего-то принципиально нового от Аpple?

В продукции Apple последнего времени всегда не хватает какой-то мелочи, и она обязательно появляется в новой версии с анонсом чуть ли ни как самая главная «фича». История с отсутствием usb в iPad, увеличение мощности процов и разрешения камеры, добавление встроенного распознавание речи в новом iPhone 4S, история про «парящий» touchscreen не нашедшая своего продолжения в новом iPhone.
Стоит признать, у Аpple по-прежнему гениальный маркетинг, но есть ли у Apple новые прорывные технологии как в своё время был «multitouchscreen»?
Возможно, не так всё плохо и новые технологии есть: наличие в iPhone 4S распознавания речи на движке Nuance может быть первыми шагами к новому интерфейсу взаимодействия с телефоном, к голосовому интерфейсу.
В предыдущей версии iPhonе с распознаванием речи справлялся сторонний продукт Google Voice Search, заточенный под поиск в интернете. Новый движок Nuance обладает всем необходимым для реализации полноценного интерфейса управления гаджетом.

Сможет ли новый движок от Nuance стать принципиально новым интерфейсом ввода для iPhone?
Голосовое управление в телефоне, в играх и других приложениях (голосовые смс, голосовые e-mail) есть в этом будущее?

Будем ли мы разговаривать С телефоном или так и будем тыкать его пальцами?

Интересны ваши впечатления от нового гаджета Apple…]]> Wed, 05 Oct 2011 08:51:54 GMT 88005554448 iphoneiphone 4sсамый нужный телефонраспознавание речиnuance <![CDATA[IP-телефония / Asterisk + UniMRCP + VoiceNavigator. Синтез и распознавание речи в Asterisk. Часть 4]]> http://habrahabr.ru/blogs/voip/128898/ http://habrahabr.ru/blogs/voip/128898/ Asterisk UniMRCP

Часть 1
Часть 2
Часть 3

В четвертой части, как и было обещано, рассмотрим ограничения и недостатки Asterisk как голосовой платформы и особенности его взаимодействия с VoiceNavigator.
Голосовая платформа – это программно-аппаратный комплекс с функциями синтеза и распознавания речи, позволяющий создавать решения, направленные на оптимизацию работы контакт-центра, усовершенствование работы с клиентами и построение систем голосового самообслуживания.

Asterisk голосовой платформой в чистом виде не является, т.к. работа с серверами синтеза и распознавания не является его основной задачей и реализуется посредством UniMRCP. Поэтому часть недостатков и ограничений связана именно с реализацией работы в UniMRCP.

Среди больших и известных голосовых платформ, использующихся в колл-центрах для построения СГС, стоит отметить Avaya Voice Portal, Genesys Voice Platform, Siemens OpenScape CCVP, Cisco Unified CCX, Voxeo, Voxpilot.
Информации в Рунете очень не много, как и специалистов по данным продуктам с соответствующим уровнем компетенции. Используются в больших колл-центрах, стоимость соответствующая, и доступна она только для больших компаний.
Если будет интерес к какой-то из платформ, готов написать о них отдельно.

Два основных недостатка, существующие в Asterisk+UniMRCP — это отсутствие поддержки VoiceXML и неработающий barge-in для синтеза речи.
Читать дальше →
]]> Wed, 28 Sep 2011 09:23:01 GMT mulai ip-телефонияasteriskсинтез речираспознавание речиcall-центрысистемы голосового самообслуживанияVoiceNavigator <![CDATA[Алгоритмы / Microsoft Research объявило о прорыве в распознавании речи]]> http://habrahabr.ru/blogs/algorithm/127332/ http://habrahabr.ru/blogs/algorithm/127332/ Коротко и на русском
О новой технологии, над которой в MR работаю уже довольно долго, было объявлено на Interspeech 2011, проходящей сейчас во Флоренции.
С помощью гибридной контекстно-зависимой глубокой нейронной сети (Hybrid Context-Dependent Deep Neural Networks for Large Vocabulary Speech Recognition — CD-DNN-HMM) и Джорджа Дала (George Dahl) из Университета Торонто команде MR удалось улучшить качество и скорость распознавания речи до «почти человеческих» показателей. За счет сходства структур этой нейронной сети с 3D команда добилась значительного прироста скорости при использовании вычислений на GPU.

[ Оригинальная новость ]]]> Tue, 30 Aug 2011 07:34:23 GMT safright распознавание речиMicrosoft ResearcInterspeech <![CDATA[IP-телефония / Asterisk + UniMRCP + VoiceNavigator. Синтез и распознавание речи в Asterisk. Часть 3]]> http://habrahabr.ru/blogs/voip/125512/ http://habrahabr.ru/blogs/voip/125512/ Часть 1
Часть 2
Часть 4

В предыдущей статье было рассказано о тегах синтеза и о построении грамматик распознавания.
В этой части мне хотелось бы показать построение конкретного голосового приложения в Asterisk. Чтобы не придумывать голосовое меню для магазина «Рога и копыта», решил поступить проще и найти на Хабре ранее реализованный пример, на котором можно наглядно показать преимущества использования синтеза и распознавания.

На Хабре нашелся вот этот пост, который когда-то довольно активно обсуждался. Автор предлагает прослушивать прогноз погоды по телефону, используя множество предзаписанных файлов и xml-информеры с сайта Gismeteo. Мне хотелось бы усовершенствовать данное приложение и показать, как синтез и распознавание облегчают жизнь при построении IVR и получении динамической информации.

Приложение будет запрашивать город, погоду в котором хотелось бы узнать, затем спрашивать время (сегодня днем, завтра вечером и т.д.) и сообщать необходимую информацию.
Читать дальше →
]]> Wed, 03 Aug 2011 10:51:08 GMT mulai ip-телефонияasteriskсинтез речираспознавание речиcall-центрысистемы голосового самообслуживанияVoiceNavigator <![CDATA[IP-телефония / Asterisk + UniMRCP + VoiceNavigator. Синтез и распознавание речи в Asterisk. Часть 2]]> http://habrahabr.ru/blogs/voip/125147/ http://habrahabr.ru/blogs/voip/125147/ Часть 1
Часть 3
Часть 4

В предыдущей статье была описана общая схема работы, установлен UniMRCP, Asterisk подключен к VoiceNavigator и создано простое голосовое приложение.
Остановимся подробнее на возможностях синтеза и распознавания. Первая часть статьи будет посвящена языку разметки SSML, вторая — построению грамматик.

Использование языка разметки SSML


Управление синтезом речи на лингвистическом и акустическом уровне, происходит с помощью управляющих тегов в формате SSML.
С помощью тегов можно определить произношение, управлять интонацией, скоростью и громкостью звучания и т.д.
Опишу только наиболее используемые теги.
Подробную информацию по всем тегам можно получит в описании стандарта .
Читать дальше →
]]> Thu, 28 Jul 2011 14:12:12 GMT mulai ip-телефонияasteriskсинтез речираспознавание речиcall-центрысистемы голосового самообслуживанияVoiceNavigator <![CDATA[IP-телефония / Asterisk + UniMRCP + VoiceNavigator. Синтез и распознавание речи в Asterisk. Часть 1]]> http://habrahabr.ru/blogs/voip/124946/ http://habrahabr.ru/blogs/voip/124946/ Часть 2
Часть 3
Часть 4

Учитывая, возросший интерес сообщества к Asterisk решил внести и свою лепту и рассказать о построении голосовых меню с использованием синтеза и распознавания речи.

Статья рассчитана на специалистов, имеющих опыт работы с построением IVR в Asterisk и имеющих представление о системах голосового самообслуживания.

СГС (системы голосового самообслуживания) значительно расширяют возможности по созданию голосовых приложений и позволяют пользователю получать информацию и заказывать услуги самостоятельно, без участия оператора. Это может быть маршрутизация вызовов, запрос и выдача информации по расписанию авиарейсов, состояние банковского счета, заказ такси, запись на прием к врачу и пр.
Распознавание позволяет отказаться от линейных меню, создаваемых с помощью DTMF, разговаривать с системой человеческим языком и легко создавать меню с множественным выбором.
Синтез значительно упрощает работу с динамически меняющейся информацией и большими объемами текстовых данных.


Читать дальше →
]]> Tue, 26 Jul 2011 09:50:40 GMT mulai ip-телефонияasteriskсинтез речираспознавание речиcall-центрысистемы голосового самообслуживанияVoiceNavigator <![CDATA[Блог компании Самый Нужный ТЕЛЕФОН / Робот Милена исполняет желания в Twitter]]> http://habrahabr.ru/company/88005554448/blog/124129/ http://habrahabr.ru/company/88005554448/blog/124129/
У нас для вас очередная радостная новость. Голосовой сервис заказа услуг и товаров «Самый нужный телефон» обзавелся собственным ботом. Одно сообщение роботу Милене — и желание осуществится.


Читать дальше →
]]> Thu, 14 Jul 2011 07:41:32 GMT 88005554448 интернетстартаппрограммированиедружбараспознавание речисинтез речипоиск услугсамый нужный телефон <![CDATA[Блог компании Speereo Software / Распознавание речи на собственном сайте: тестовый стенд распознавания Speereo]]> http://habrahabr.ru/company/speereo/blog/120023/ http://habrahabr.ru/company/speereo/blog/120023/
Итак, с трепетом к первому посту!

Проблема

Часто на веб-сайтах пользователям приходится заполнять формы запросов. Это могут быть названия железнодорожных станций или аэропортов в сервисе заказа билетов, названия улиц в поиске на карте, названия товаров или групп товаров в интернет-магазине, наконец, обычный поиск по сайту или форуму.
Во всех этих случаях происходит выбор из некоторого, заранее известного списка или индексированного набора слов/фраз.
Особенно неудобно вводить такие текстовые запросы, когда поиск осуществляется со смартфона. Иногда делать это настолько неудобно, что мы отказываемся от использования сервиса, решаем «сделаю попозже» и забываем.

Решение

Мы предлагаем альтернативное решение подобных проблем с помощью собственного «облачного» распознавания слитной речи, внедренного в Ваш сайт.
Читать дальше →
]]> Thu, 26 May 2011 09:47:56 GMT olegych76 распознавание речиречьголосовые командыраспознаваниеголосspeereospeereo software <![CDATA[Google / О взаимопонимании Google и Microsoft]]> http://habrahabr.ru/blogs/google/117971/ http://habrahabr.ru/blogs/google/117971/
Нет, этот пост не будет очередной уткой на тему всяких юридических споров, новостей в духе «главный босс одной компании обозвал другую» и домыслов о заговоре. Речь пойдет о движках распознавании речи и генерации речи из текста, предоставляемых компаниями Google и Microsoft, их внутренней совместимости и взаимной дружбе.
Читать дальше →
]]> Fri, 22 Apr 2011 10:15:47 GMT tangro распознавание речи <![CDATA[Google / Используем Google Voice Search в своем приложении .NET]]> http://habrahabr.ru/blogs/google/117234/ http://habrahabr.ru/blogs/google/117234/

Функция распознавания речи с некоторого времени доступна в браузере Google Chrome. Посмотреть как это выглядит можно, например, здесь.

Так как исходный Chromium открыт, возникает закономерное желание подсмотреть, можно ли использовать технологию в своих корыстных целях наступления мира на земле.

Как это часто бывает, все уже сделано за нас в этой статье. Все оказывается очень просто, необходимо сделать POST запрос на адрес www.google.com/speech-api/v1/recognize со звуковыми данными в формате FLAC или Speex. Реализуем демонстрацию распознавания WAVE-файлов с помощью C#.

Читать далее
]]> Mon, 11 Apr 2011 14:30:34 GMT Yakhnev speech recognitionраспознавание речиgooglegoogle voice searchgoogle chromechromium <![CDATA[IP-телефония / Распознавание фраз в зашифрованном VoIP-потоке]]> http://habrahabr.ru/blogs/voip/115582/ http://habrahabr.ru/blogs/voip/115582/ доклада с описанием метода распознавания ключевых фраз в зашифрованном VoIP-потоке с переменным битрейтом. Они заявляют, что средняя точность распознавания составляет 50%, а для некоторых фраз — до 90%.

Распознавание возможно благодаря анализу битрейта зашифрованного потока, в котором разные звуки кодируются с разным битрейтом. Например, гласные кодируются с большим битрейтом, а свистящие и шипящие представляют собой шум, для которого достаточно минимального битрейта.
Читать дальше →
]]> Wed, 16 Mar 2011 12:00:24 GMT alizar VoIPVBRпеременный битрейтраспознавание речикодирование звуков