Da li je konačno stiglo vreme izdavanja komandi glasom?

Još od vremena kada su računari počeli da ulaze u naše domove javila se želja korisnika da svojim ljubimcem upravljaju glasom. Ostvarenja sedme umetnosti u kojima se dotična mogućnost često forsirala dovela su do toga da mnogi priželjkuju da dugo očekivani čas konačno kucne. Moramo da priznamo da što se ove oblasti kompjuterskog razvoja tiče, stvari baš ne stoje najbolje (bar kada je kućno tržište u pitanju). Nakon pionirskih pokušaja pojedinih proizvođača, koji su podrazumevali prosto izdavanje osnovnih komandi, došla je mogućnost diktiranja teksta računaru, ali se od tada manje-više tapka u mestu. Iako će programeri koji rade na ovakvim projektima pokušati da vas ubede kako se daleko doguralo, nama običnim smrtnicima čini se da većeg napretka ipak nema (važnije su svakako 3D performanse novih grafičkih karti). Ne treba zaboraviti ni da je prepoznavanje glasa u principu izuzetno složen proces, što donekle opravdava sporost razvoja. Među poznatijim kompanijama IBM jedini već dugi niz godina pokušava da usavrši svoj tzv. speech recognition system i učini ga upotrebljivim za svakodnevni rad. Njegov poznati serijal ViaVoice doživeo je deseto izdanje koje nam je poslužilo da se i sami uverimo dokle se stiglo.

Nakon instalacije, ViaVoice se smešta na desktop u obliku dodatnog taskbara pri vrhu ekrana, a opcijama može da se pristupa i putem ikonice koja se nalazi na Systrayu. Takođe, startovanjem Worda uočava se postojanje novog menija – Dictation, koji označava da je tekst moguće unositi glasovnim putem. Tekst je na ovaj način moguće unositi u bilo kom programu koji zahteva neku ulaznu veličinu, a postoji i lista putem koje se određuje tačno koji su to programi. Za uspešan rad program je potrebno kalibrisati tako da što bolje prepoznaje vaš glas, a to se postiže čitanjem niza kontrolnih tekstova. Pored toga, programska rutina može da izvrši „čitanje” dokumenata na hard disku i na taj način otkrije koje izraze najčešće upotrebljavate. Dodatno „brušenje” izvedeno je opcijom za degradiranje kriterijuma prepoznavanja (što može da bude mač sa dve oštrice) i količine buke u prostoriji u kojoj se radi. Pohvalno je i to što je za određene fraze (brojevi, datumi, nabrajanja, vreme...) moguće odrediti ponašanja programa, tačnije šta će se na ekranu pojaviti ako izgovorite neku od njih. Iz ovoga se jasno vidi da je primarna namena ViaVoicea glasovni unos teksta (diktiranje), ali se on može upotrebiti i za izdavanje komandi ili pozivanje instaliranih programa.

Bez obzira na to koliko se ljudi iz IBM-a trudili da nas ubede kako je novi algoritam bolji (a zaista jeste), odnosno koliko njegova upotreba pospešuje prepoznavanje reči i izraza, moramo priznati da to još uvek nije to. Ljudima sa neengleskog govornog područja i dalje će biti veoma teško da sroče nešto smisleno, odnosno, programska rutina nemilosrdno će kažnjavati sve nerazgovetno izgovorene reči i izraze. Važno je napomenuti da ViaVoice prepoznaje čak 300.000 fraza, a omogućeno je i dodavanje novih, što je u svakom slučaju pozitivno (na primer, svaki dokument u Wordu se analizira, a nepoznate fraze označavaju). Stvar se drastično poboljšava upotrebom kvalitetnijeg mikrofona (na konfekcijske primerke od stotinak dinara zaboravite), ali se tada postavlja pitanje da li je takva investicija opravdana i u kojoj meri svakodnevno imate potrebe da diktirate računaru na engleskom jeziku.

Hardverska zahtevnost je minimalna, a autori u osnovnoj varijanti preporučuju Pentium procesor brzine 300 MHz i 64 MB RAM-a. Naravno, zvučna kartica i mikrofon su obavezni. Korisnicima Windowsa XP biće potrebno 192 MB RAM-a, uz napomenu da ViaVoice instaliran zauzima 520 MB prostora na hard disku. Ipak, za vreme testiranja uočili smo znatno usporenje pri radu kompletnog sistema koje je nestalo „kao rukom odneseno” deaktiviranjem ViaVoicea. Da li je u pitanju propust programera, neslaganje sa našom test-mašinom (Celeron IV 1,7 GHz, 256 DDR) ili uobičajena pojava, nismo uspeli da saznamo, pa na ovaj podatak treba obratiti pažnju.

Vladimir PISODOROV