Érti, sőt egyre jobban érti és értelmezi az emberi beszédet a múlt héten bemutatott iPhone 5-ös készüléken (a várva várt kütyü főbb újdonságait lásd külön) is elérhető Siri program. Elég, ha csak megkérdezzük, mi volt a minapi magyar–holland focimeccs eredménye, a telefon kikeresi az információt a neten, megjeleníti a képernyőn, majd kellemes géphang olvassa fel nekünk, hogy milyen csúnyán kikaptunk.

Az Apple azonban nincs egyedül, a tavaly októberben bemutatott Siri mellett ma már a nagy konkurens, a Google a legújabb (4.1-es verziójú) Android rendszerébe is hasonló funkciót pakolt be. Bár késett fél évet, a tesztek szerint a keresőcég Google Voice Search nevű megoldása minden tekintetben felveszi a versenyt almás konkurensével.

NEM CSAK SZÓBAN, ÍRÁSBAN IS
Ezek a rendszerek a weben és az adataink között keresnek, így már egyszerű válaszokat is tudnak adni a kérdéseinkre. Sőt, érzelmeinket lesik automaták az ügyfélszolgálattal folytatott telefonbeszélgetések alatt (lásd a keretes írást). A gépek egyre többet értenek a beszédünkből, ráadásul a nyelvek közti fordítás sem okoz problémát, néhány kattintással lefordítható egy honlap, ha rengeteg hibával is, de mégiscsak érthetően.

Eddig segítség nélkül maradtunk viszont, amikor leginkább kellett volna a fordítás. Egy idegen országban az étlapot szemlélve igen körülményes lenne a nem ismert nyelvet bepötyögni az okostelefonunkba. A Google legújabb fejlesztése ebben is segít: egyszerűen lefényképezzük az ismeretlen szöveget, a szoftver felismeri a karaktereket, és megadja a gépi fordítást. Ez különösen akkor nagy segítség, ha nem latin, hanem például kínai, arab vagy cirill betűkkel állunk szemben, amit még begépelni sem tudnánk egykönnyen.

E téren is igyekszik másolni az Apple iOS-en elérhető hasonló alkalmazást, a World Lens programot a Google. Ám ez csak angol, francia, spanyol és olasz nyelvre érhető el, ráadásul minden nyelvpárt öt dollárért kell megvásárolni. A Google szolgáltatása, a Translate 59 nyelven működik, ráadásul ingyen.

JÓ ÜZLET
Üzleti lehetőségeket lát a szöveg- és hangfelismerésben a kizárólag e témával foglalkozó Nuance Communications Inc. Az ismert Nuance-Recognita Zrt. segítségével fejlesztett, így magyar szoftvermérnöki tudást is tartalmazó Dragon Dictation nevű programukkal okostelefonon és számítógépen is szinte tökéletes hangvezérlést tesznek lehetővé. A jegyzetelést kiváltó megoldás nem csak diákoknak és újságíróknak lehet segítség, a szövegfelismerés egyre újabb területekre tud betörni. Például a Nuance szoftveres beszédmotorját használja a magyar NNG új navigációs programjaiban. Az iGO Primo legújabb funkciója felismeri az egy összefüggő mondatban elhangzott címeket, ezáltal a különösen vezetés közben veszélyes képernyő-nyomogatás nélkül találhatjuk meg a kiválasztott címet.

Egyre több okostelefon-alkalmazás (applikáció) is képes a szöveges utasítások megértésére, és beszélni is tudnak. Ezeknek a képességeknek az integrálása eddig költséges feladat volt. Az iSpeech nevű cég 25 nyelven elérhető szöveget beszéddé (és vissza) alakító rendszerét már egy modulként lehet a szoftverekhez kapcsolni. Az amerikai telekommunikációs óriás, az AT&T is szabadon hozzáférhetővé tette Watson nevű beszédfelismerő rendszerét a fejlesztőknek. A saját programok megnyitása azért fontos, mert minél többen használják azokat, annál inkább tökéletesedik minden öntanuló szoftver. Az Android és az iOS beszédfelismerőit használók akár több százmilliós tábora így komoly értéket jelent a Google-nek s az Apple-nek, és ez az okostelefonok világán kívül is felhasználható. Szinte bármilyen berendezés beszédképessé tehető ugyanis a szoftvermodulok segítségével a háztartásban, a hűtőtől kezdve a világításig. Kérdés persze, hogy valóban szükségünk van-e a villanykapcsoló kiváltására.

iPhone 5: ezt vártuk annyira?
■ Akár a Facebook-részvény árfolyama, úgy durrant ki az iPhone 5-lufi a minap. Az Apple korrekt kis készüléket rakott össze, de technológiai értelemben nagy újdonságot nem adott. A „hűha faktort” ezúttal hiába keresik a rajongók. A hívek bosszankodhatnak: az újfajta adatcsatlakozó sem EU-s (USB) szabvány, ám a régi kiegészítők csak drága csatlakozóadapterrel működnek majd. A kijelző kicsivel nagyobb lett, a 4 colos képernyőn egy sorral több ikon fér el. A kütyü kissé vékonyabb, könnyebb, a processzor erősebb, az akku valamivel tovább bírja, és végre megérkezett a gyors 4G-s (LTE) támogatás is. A fő újdonság inkább a 6.0-s iOS rendszer, amely a megújult hangasszisztenst is tartalmazza. Az új Siri (amely a régebbi 3GS, 4 és 4S készülékre is frissíthető) immár sportesemények eredményéről is ad infót, mozifilmek, éttermek értékeléseit is kikeresi, és hangbemondással kreálhatunk Facebook-posztokat a segítségével.●


Rivális megoldások
Apple Siri. A 2011 októberében debütált iphone-os, hangos asszisztens a hatalmas ügyfélbázis okán a legismertebb.
Dragon Dictation. Okostelefonra és számítógépre is elérhető program, mely a természetes beszédet hosszabb időn keresztül is folyamatosan írott szöveggé alakítja.
DriveSafe.ly 2.0. Segítségével akár vezetés közben is biztonságosan válaszolhatunk SMS-ekre és
e-mailekre hangutasításokkal, diktálással.
Google Voice Search. A Siri ellenfele, nem keverendő össze a Google Voice nettelefonnal és a Google Talk csevegőprogrammal.
IVONA. Mobilunkat rá tudjuk venni bármilyen szöveg felolvasására az applikáció segítségével. Így az apró kijelzőn olvasás helyett akár meg is hallgathatunk szövegeket.
Jibbigo Voice Translator. Az ötdolláros alkalmazás távoli helyekre utazóknak lehet a segítségére. A telefon a hallott szöveget felismeri, és a kijelzőn mutatja a fordítást. További előnye a külföldi használatnál, hogy internetkapcsolat nélkül is működik.
PlaySay. A játékos nyelvoktató szoftver a kiejtésünket is ellenőrzi a Nuance beszédfelismerő moduljának köszönhetően.
Vlingo. Aki régebbi (3GS-nél korábbi) iPhone-jával is szeretne Siri-szerűen beszélgetni, az applikációval ezt jóval olcsóbban megteheti, mint ha egy új készüléket szerezne be. Ráadásul a Vlingóval még a Facebook- és Twitter-fiókokat is össze lehet kötni.Automata ügyfélszolgálatok
Az emberi szövegfelismerést számos vállalkozás szerint leginkább a telefonos ügyfélszolgálatokon lehetne felhasználni. A magyar Nextent egy olyan érzelemfelismerő szoftvert készített, amellyel mérhető az ügyfelek elégedettsége, így egy rossz irányba induló beszélgetés időben megszakítható, a cégeknek lehetőségük van hatékonyan mérni módosításaik eredményességét. A VirtuOz nevű amerikai vállalkozás az ügyfélszolgálatokat automatizálná: a beszédfelismerés, a mesterséges intelligencia és a gépi beszéd összekapcsolásával a céges tudásbázisokból próbálnak megoldást keresni az ügyfél problémájára. Egyelőre a chatalapú segítő robotok az elterjedtebbek, például a Symantec honlapján a virtuális Nathan segít az installálásban vagy a problémamegoldásban; az amerikai AT&T telekom, az online pénzküldés specialistája, a PayPal honlapján is találkozhatunk már ilyennel. A Gartner piackutató cég szerint még az idén a Fortune 1000 vállalat 15 százaléka használ ilyen intelligens automatizált ügyfélszolgálatot. Előrejelzésük alapján 2015-re az automaták a call centerekben olyan sztenderddé válhatnak, mint ma a nyomógombos menürendszer. Talán elsőre ijesztőnek hangzik, hogy egy számítógéppel kell beszélgetni problémáink megoldásához, de egy előnye mindenképp lesz: nem kell végighallgatni a hosszadalmas listát a választható menükről, hiszen problémánk elmondása után remélhetőleg azonnal érkezik a megoldás.

Kapcsolódó cikkek