Nakon lansiranja novog iPhonea u listopadu najviše se pričalo o aplikaciji Siri, koja se ponaša kao svojevrsni asistent u svakodnevnom životu i odgovara na pitanja korisnika, na temelju prepoznavanja ljudskog govora. Doduše, aplikacija nije savršena, što dokazuju i razne videosnimke na YouTubeu, ali pokazuje u kojem smjeru bi mogla krenuti budućnost. Jednog dana tako neće biti neobično glasom "naređivati" televizoru, tosteru, automobilu...
O tehnologiji prepoznavanja govora ozbiljnije se priča još od 1990-ih godina prošlog stoljeća, ali u svakodnevni život se počela uvlačiti tek nedavno, zahvaljujući napretku u području smartphonea. Preciznost prepoznavanja govora u suvremenim mobilnim aplikacijama, kao što su Siri i Dragon Go, kreće se oko 90 posto, a cilj je još povisiti tu razinu.
Pojedine tvrtke ulaže mnogo sredstava i vremena u razvoj globalnog sustava koji bi podupro tehnologiju prepoznavanja govora. Primjerice, američka kompanija Nuance je "mapirala" 13 od 22 jezika koja se govore u Indiji, te radi ostalih devet, piše portal BBC-a. Problem je pak u prikupljanju podataka potrebnih za analizu jezika, intonacije i naglaska, s obzirom da se razvoj potrebnih algoritama oslanja na uzorke govora u stvarnim situacijama. Prikupljanje je pritom posebno teško u područjima gdje ljudi rijetko koriste pametne telefone i(li) razvijena tehnološka rješenja.
Međutim, najveća prepreka mlade tehnogije je istovremeno prepoznavanje mnogostrukih glasova. Tako je npr. tehnologija govora beskorisna u prostoriji gdje se održava neki sastanak. Stručnjaci i tehnolozi se nadaju da će i ta prepreka jednog danas biti uklonjena, a do tada će se koncetrirati na postizanje 100-postotne preciznosti prepoznavanja govora individualnog korisnika.
(pd)