Презентация на тему Голосовой интерфейс

средства взаимодействия пользователя с технической системой принято называть интерфейсом.

систем является обеспечение наиболее интуитивного и естественного интерфейса с

пользователем, то есть современные компьютерные приложения ориентированные на пользователя.

ввода, интерфейсы разделяются на типы:

голосовой,


2. жестовый ,



возможны

смешанные варианты.

Типы интерфейсов

человека является речь. Голосовой интерфейс может улучшить существующий пользовательский

интерфейс - он обеспечивает более удобный и менее ограниченный способ взаимодействия человека с компьютером.

комплексной, и требует от разработчика знаний в различных предметных

областях, таких как компьютерные науки, лингвистика и психология поведения человека.

управления объектом в темноте, за пределами его визуальной видимости

(в частности, с использованием существующей телефонной сети);
возможность использования одновременно ручного (с помощью клавиатуры) и голосового ввода информации;
обеспечение мобильности оператора при управлении.

использовать естественный для человека речевой интерфейс для взаимодействия с

электронной техникой.
Сложность распознавание речи состоит в том, что совокупность таких характеристик голоса и речи как тембр, громкость, высота, темп, интонация, качество дикции делают речь каждого человека по-своему неповторимой и уникальной как отпечатки пальцев.

или

речи - это системы, анализирующие акустический сигнал алгоритмами, основанными

на разнообразных теориях, предполагающих, какие характеристики речевого сигнала создают ощущения звуков данного языка, и математических методах, с той или иной точностью выделяющих значащие параметры акустического сигнала и преобразующие его в различной полноте в необходимую форму.

с высокой дискретизацией (20 КГц при записи с микрофона

либо 8 КГц при записи с телефонной линии).

сжат, для облегчения последующей обработки. Есть различные методы для

извлечения полезных параметров и сжатия исходных данных в десятки раз без потери полезной информации. Наиболее используемые методы:
анализ Фурье;
линейное предсказание
речи;
кепстральный анализ.

речевых кадров. Обычно, каждый речевой кадр – это результат

анализа сигнала на небольшом отрезке времени (порядка 10 мс.), содержащий информацию об этом участке (порядка 20 коэффициентов).

акустических моделей. Рассмотрим две наиболее распространенные из них.
Шаблонная модель.

В качестве акустической модели выступает каким-либо образом сохраненный пример распознаваемой структурной единицы (слова, команды).
Модель состояний. Каждое слово моделируется как последовательность состояний указывающих набор звуков, которые возможно услышать в данном участке слова, основываясь на вероятностных правилах.

моделей к каждому кадру речи и выдает матрицу сопоставления

последовательности кадров и множества акустических моделей.

возникающей при произношении слов (например, “растягивание” или “съедание” звуков).

речи выдает последовательность (или несколько возможных последовательностей) слов, которая,

наиболее вероятно, соответствует входному потоку речи.

1 ) JDK 6 ( J2SE ) 2 ) Eclipse

SDK 3 ) Sphinx 4.0 4 ) JSAPI ( Included in
Sphinx 4.0 )

открытых программных продуктов для распознавания речи на сегодняшний день.

Структура Sphinx-4 была разработана с высокой степенью гибкости и модульности. На рисунке показана общая архитектура системы. Каждый помеченный элемент на рисунке представляет собой модуль, который может быть легко заменен.

но вместо языковой модели возможно просто описать порядок слов

в jsgf словаре примерно так:

camera.jsgf

#JSGF V1.0;
grammar camera;
public = ( | );
= ( включить | выключить | отключить );
= ( камеру | видео-камеру );
= [ номер ]
= ( один | два | три | четыре | пять | шесть | семь | восемь | девять );
= ( первую | вторую | третью | четвертую | пятую | шестую | седьмую | восьмую | девятую );

Акустическая модель преобразует звук в фонемы
Словарь пребразует фонемы в слова
Языковая модель помогает построить предложения исходя из порядка слов

«В» – 1 символ;
Кнопка «+» или «-».
Вводить информацию можно

с помощью:
Мышки и клавиатуры;
Только клавиатуры, используя клавишу «Tab» для перехода между полями;
Голосовые команды.

системой, который реализован в виде компьютерной программы можно сделать

с помощью оценки времени выполнения операций для достижения целей пользователя.
Математическая модель для оценки временных параметров интерфейсов позволяет прогнозировать время выполнения какой-либо задачи пользователем.
В методике GOMS (the model of goals, objects, methods, and selection rules) расчёт эффективности основывается на понятии ментальных операций и их последовательной расстановке.
Использованы следующие обозначения:
Н(перемещение)=0,4(с),
М (ментальная подготовка)=1,35(с),
К(нажатие клавиши )=0,28(с),
Р(указание)=1,1(с).

мышку и клавиатуру, введенные данные без ошибок, значения «А»

и «В» по 1 символу:
НКНРКНКНРК => НМКНМРКНМКНМРМК
4*0,4+5*1,35+4*0,28+2*1,1=11,67(с).
С увеличением количества символов, скорость интерфейса будет снижатся на количество дополнительных n кликов, то есть на n*0,28с.

использования в программных приложениях.