211service.com
AT&T vēlas nodot jūsu balsi atbildīgo par lietotnēm
Cenšoties padarīt runu par dominējošo veidu, kā cilvēki kontrolē tehnoloģiju, AT&T piedāvā savu runas atpazīšanas tehnoloģiju, lai tās varētu izmantot arī citi. Sākot ar jūniju, programmatūras inženieri var izmantot uzņēmuma piedāvāto mākoņpakalpojumu, lai jebkura ierīce, kas var izveidot savienojumu ar internetu, reaģētu uz sava saimnieka balsi.
Kas?: Laboratorijas demonstrācija parāda reāllaika sarunu starp angļu un spāņu valodas runātāju. Izrunātie vārdi tika pārvērsti tekstā, tulkoti un ar mašīnu runāti klausītājam abos galos.
AT&T uzskata, ka šo tehnoloģiju galu galā varētu izmantot visam, sākot no viedtālruņu lietotnēm un tiešsaistes spēlēm līdz automašīnām un ierīcēm. Lai gan sākotnējais piedāvājums tikai pārvērš runu tekstā un atbilstošās komandas, uzņēmums vēlāk apsver iespēju izveidot plašāku piedāvājumu klāstu, tostarp tādus, kas tulko angļu tekstu sešās citās valodās un otrādi, kā arī var sintezēt tulkoto runu.
Mēs uzskatām, ka ir daudz gudru cilvēku, kuri var radīt lietojumprogrammas un pakalpojumus, par kuriem mēs nekad iepriekš neesam sapņojuši, saka Mazins Gilberts, uzņēmuma viedo sistēmu izpētes viceprezidents. AT&T laboratorijas Florham Parkā, Ņūdžersijā. Lai izmantotu tehnoloģiju, izstrādātāji savā programmatūrā ieraksta kodu, lai izmantotu API (lietojumprogrammu programmēšanas interfeisu), ko norādījis AT&T. Šis kods liek lietojumprogrammai sūtīt runu AT&T internetā, kur tā tiek pārveidota par tekstu un atgriezta ierīcē. Jaunās API bija paziņoja pagājušajā nedēļā. AT&T apgalvo, ka tehnoloģija ir par 95 procentiem precīza, uztverot runu angļu valodā un atveidojot to kā tekstu. Tajā teikts, ka tā precizitāte, pārvēršot angļu teksta nozīmi uz citām valodām un no tām, svārstās no 70 līdz 80 procentiem.
Pamatā esošā runas tehnoloģija, ko tagad piedāvā AT&T, jau tiek izmantota daudzās tās lietojumprogrammās, tostarp AT&T tulkotāja lietotne Android un iOS tālruņiem un mobilo balss direktoriju meklēšanu nodrošina Dzeltenas lapas . Es vēlos, lai mūsu platformā būtu pieejams miljons lietotņu, nevis simtiem, kā tas ir šodien, saka Gilberts. Lai arī kāda būtu jūsu ideja, mēs vēlamies nodrošināt šīs API. Teikšu godīgi: es nezinu, kam cilvēki to izmantos.
AT&T tehnoloģija balstās uz gadu desmitiem ilgušiem jauninājumiem uzņēmumā Bell Labs pirms AT&T sabrukuma un sekojošās AT&T uz pakalpojumiem orientētu laboratoriju izveides. Tomēr uzņēmumam ir jākonkurē ar pieredzējušākiem runas atpazīšanas tehnoloģiju nodrošinātājiem, īpaši viedtālruņu jomā.
Piemēram, Nianse nodrošina runas atpazīšanas iespējas daudziem uzņēmumiem, tostarp, kā ziņots, Apple savam Siri personīgajam asistentam. Google runas atpazīšanas tehnoloģija tiek piedāvāta visā Android viedtālruņa operētājsistēmā un jebkurā Android ierīcei rakstītajā lietotnē. Korporācijai Microsoft ir arī runas atpazīšanas tehnoloģija, kas parādās tās Windows Phone operētājsistēmā un tādos partneru produktos kā Ford, ar sinhronizācijas sistēmu auto izklaidei.
AT&T Labs izpilddirektors Krišs Prabhu uzskata, ka runas tehnoloģiju plaša pieejamība ļaus mobilajai skaitļošanai kļūt spējīgākai un ātrāk attīstīties. Pasaules kontekstā, kurā mēs esam lielā mērā atrisinājuši savienojamības un sasniedzamības problēmas, lai gan joprojām pastāv problēmas, runas centieni izriet no pārliecības, ka saskarnei ar tīklu ir jākļūst vienkāršākai, viņš teica laboratorijas demonstrācijā Ņū. York City pagājušajā nedēļā. Mēs cenšamies bruģēt ceļu, lai tehnoloģija nebūtu tā, kas mūs aptur.
AT&T API runas pārveidošanai tekstā, kas tiks palaists jūnijā, sastāv no septiņām versijām, kas pielāgotas konkrētiem lietojumiem, piemēram, īsziņu diktēšanai, vietējo uzņēmumu meklēšanai, atbildēm uz jautājumiem, balss pasta pārveidošanai tekstā un vispārējai diktēšanai. Nākotnē tiks pievienotas arī specifiskas API tiešsaistes spēlēm un sociālajiem tīkliem.
Vēlāk var kļūt pieejamas API, kas tulko tekstu no angļu valodas uz sešām citām valodām: spāņu, franču, itāļu, vācu, ķīniešu un japāņu. Tiek gatavotas arī citas valodas, tostarp korejiešu un arābu valoda, taču AT&T krietni atpaliks no konkurentiem. Piemēram, Google jau piedāvā izstrādātājiem rīkus, kas var tulkot starp jebkuru no vairāk nekā tūkstoš valodu pāriem.
Gilberts saka, ka par visu API izmantošanu 2012. gadā būtu jāmaksā 99 $ reģistrācijas maksa, un plāni pēc 2012. gada nebija publiski pieejami. Google iekasē maksu par savām tulkošanas API.
Lai uzlabotu runas atpazīšanas vai tulkošanas programmatūras precizitāti, ir jāiegūst vairāk piemēru datu, lai apmācītu pamatā esošos algoritmus. Lai palīdzētu šim procesam, AT&T galu galā varētu lūgt atsauksmes no cilvēkiem, kuri izmanto produktus, kuros ir iebūvēta runas un tulkošanas tehnoloģija. Crowdsourcing ļautu sasniegt daudz augstāku precizitātes līmeni, un tas, savukārt, veicinātu plašāku ieviešanu un daudz laimīgākus lietotājus, saka Sam Ramji, datorzinātnieks, kurš ir uzņēmuma stratēģijas viceprezidents. Apigee , kas veido API platformas un strādā pie AT&T projekta.
Ramji uzskata, ka, padarot labu runas atpazīšanas tehnoloģiju viegli pieejamu, tradicionālās izvēlnes un teksta vadītās saskarnes varētu lēnām izzust. Mūsdienu lietotāja saskarnes ir kā koki, kuros mums ir jāpārvietojas, lai atspoguļotu programmas struktūru. Tam vajadzētu notikt, ka ierīces parsē komandu, kas nāk no mūsu mutes, viņš saka.