Student World

Se zajímavou inovací v oblasti rozpoznávání řeči a automatického překladu přišel tým vedený Tanjou Schultzovou z Carnegie Mellon University. Rozpoznávání probíhá na úrovni nevyslovených slov, která se pak rovnou převádějí do cílového jazyka (zatím zkoušeno mezi angličtinou a španělštinou). Výsledek funguje podobně jako filmový dabing.
Text je rozpoznáván podle signálů z elektrod, které má mluvčí připojené k hrdlu a obličeji. Mluvčí jen šeptá, respektive mluví „bezhlasně“, a nahlas se ozývá už jenom řeč v cílovém jazyce. Identifikace probíhá podle signálů/pohybů obličejových svalů, jazyka, hrdla…
Systémy tohoto typu by měly umožnit i konverzaci v reálném čase – na rozdíl od poněkud neohrabaných způsobů, kdy je vyslovená věta (či její část) nejprve nahrána a až dodatečně analyzována.
Vlastní rozpoznávání v tomto případě neprobíhá na úrovni slov, ale jednotlivých fonémů. Slova už systém rekonstruuje. Databáze slov je sice stále nutná, ale pro vlastní rozpoznávání je už třeba jen daleko méně jednotek. Systém je také vybaven statistikami, podle nichž se v daném jazyce fonémy kombinují; když něco nedokáže rozpoznat, pokusí se řetězec odhadnout.
První prototyp systému z kategorie tzv. sub-vocal speech recognition byl představen už v loňském roce.

Zdroj: New Scientist, http://www.newscientisttech.com/article/mg19225755.800-its-the-next-best-thing-to-a-babel-fish.html

autor Pavel Houser