A beszédfelismerő szoftverek nagy mértékben javíthatják a produktivitást. A technológia fejlődésével egyre profibb szoftverek jelentek meg a piacon, és ez eljutott arra a szintre hogy már ingyenesen elérhető alkalmazások is elérhetők. A beszéd szöveggé alakításában kifejezetten jól teljesítő szoftvert teszteltem egy hétig. A Dictanote elég jól teljesített.
Bejegyzés frissítve: 2021.03.25
Beszédfelismerés és a Google
A Google nagy energiát fektet a hangfelismerés fejlesztésébe. Ennek fő oka a mobilok terjedésével van összefüggésben, mivel egyre nagyobb igény mutatkozik hangalapú keresésre, ami gyakorlatilag annyit, jelent, hogy a keresőkifejezéseket a mobiltelefonunk mikrofonjába mondjuk. A keresés lépései tehát így működnek ez után:
- Keresési kifejezés mikrofonba mondása
- Beszéd átalakítása szöveggé
- A szöveg keresése a Google keresőjével
Cloud Speech API
A Google ezt a hangfelismerő rendszerével éri el, amit szabadon elérhetővé teszi a Cloud Speech API-n keresztül, így erre épülő szoftvermegoldások is létrejöhetnek, a Google-túl független fejlesztők által.
A Speech API már 125 különböző nyelven elérhető, köztük magyarul is. A rendszer nagy erőssége hogy a használata során a gépi tanulás módszerével folyamatosan tökéletesedik.
Dictanote
A Dictanote is ezt az API-t használja, ami a profi megoldások közé emeli. A Dictanote elérhető itt.
A hangfelismerő magyar nyelven is meglepően pontos válaszokat ad, viszont érdemes a lediktált szövegeket tüzetesen átnézni. A legtöbb problémát az okozza, amikor elkerüli figyelmünket a hibás szövegrész, és később nem emlékszünk rá mit is akartunk kifejezni.
A szoftver elérhető online felületen keresztül, Google Chrome böngészővel kitűnően működik.
A Dictanote használata nem igényel regisztrációt, így ingyenesen használható. Ha nem elég az alapszolgáltatás, kibővíthetjük azt, a Pro verzióra váltással. A professzionális verzió segítségével olyan extra funkciókat kapunk mint háttérzaj szűrése illetve a diktált szöveg azonnali mentése a felhőbe.
Tippek a Dictanote használatához
- Diktálj lassabban, és figyeld az eredményt. Szükségtelen mindent azonnal javítani, csak azokat a szavakat amik megváltoztathatják a mondanivaló értelmét.
- A szoftver ugyan elérhető okostelefonról is, azonban ez nem működik hibamentesen, használd inkább laptopról, vagy asztali számítógépről.
Beszéd átalakítása szöveggé?
Az alkalmazások köre korlátlan, de inkább azoknak ajánlom, akik rendszeresen használni akarják. Ugyan gyorsan megtanulható a használata, de szükség van egy kis ráhangolódásra. Én a szövegírás feladatainak gyorsítására használtam, és a legfurcsább az volt, hogy míg írás közben folyamatosan ment a gépelés, a diktálás során sokat járt az agyam. Ezek a szünetek néhány óra alatt csökkentek, de írni egészen más.
Mennyibe kerül egy mp3 átalakítása szöveggé?
Egyik olvasónktól, Pétertől érkezett egy visszajelzés a Dictanote költségeivel kapcsolatban: Regisztráltam a Dictanote-ra havi előfizetéssel (4$). Ezután megnyíltaz mp3-as file fordítási lehetőség percenként 0,2 $. Egy több mint 35 perces hanganyagért fizettem 7,20 $-t.A fordítás nem tökéletes, de ez függ az eredeti hanganyag minőségétől és sebességétől is, de ahogy végignéztem kb. olyan 90%.-ban jó, ami ilyen ráfordítás mellett számomra elfogadhatónak tűnik.
Szövegírás
A webes szövegírás az írás egy külön műfaja, ha rövidebb idő alatt akarsz ugyanolyan tartalmat előállítani arra nem ajánlom beszédfelismerő szoftverek használatát. Egyszerűen más lesz olyan a végeredmény. Ha ugyanannyi idő alatt minőségibb tartalmat akarsz összeállítani arra viszont igen. Mivel a diktálás segítségével a szövegírásra fordított idő lecsökken, több időd marad tervezni, illetve felkészülni a témára.
Mi köze a Google Speech API-nak a keresőoptimalizáláshoz?
Valószínűleg meglepő irányba fordul ezzel az írás, azonban érdemes erre is kitérni pár szóban.
A mobilos hangalapú keresések terjedésével nagymértékben változnak a keresési szokásaink is. Míg néhány éve kifejezetten kulcsszavakat használtunk a keresőben egyre inkább elterjedő van a konkrét kérdés feltevés.
Tipikus példa erre az időjárás:
- A régi eljárás szerint erre kerestünk: „időjárás kecskemét”
- A hang alapú keresés terjedésével azonban megjelentek az olyan kereső kombinációk mint a „milyen idő van kecskeméten”
Látható hogy az új keresési trend inkább egyfajta kérdezz-felelek. Ez miatt a Google mérnökei a találati oldalakat is próbálják ehhez igazítani. Sokat nyerhetünk tehát, ha a tartalmaink optimalizálása során, megkeressük a szakterületünk kérdéseit és választ adunk rájuk.
A jobb kulcsszóelemző szoftverek képesek különválogatni a kérdés típusú keresési kifejezéseket is. Érdemes kihasználni ezt a potenciált, hiszen extra keresőforgalomra tehetünk szert, viszonylag kis energiával.
Eddig az okostelefonoknak ezt a tulajdonságát nem ismertem….
Lehet, hogy nyitott kapukat döngetek – ez az alulinformáltságomból adódhat – , de nagyon megkönnyítheti a siketek és nagyothallók életét is ez a beszédfelismerő rendszer, amely jelentős szerepet tölthet be az akadálymentesítésbe pl. helyettesítheti az írást, amit a hallók nem mindig szívesen vállalnak, és gyorsíthatja a siketek kommunikációját a hallókkal. A siketek akadálymentesítését a jelnyelvük, az írás és a köreikben működő tolmácsrendszer jelentette eddig. Mindegyiknek van hátránya, a beszédfelismeréssel ezeket ki lehetne küszöbölni. Most tájékozódom, és nagyon szeretnék egy okostelefont, aminek használata a beszédfelismerés révén megkönnyítené az életemet.
Kedves Klára
Az okostelefonok ma már sok dologban támogatják a hátránnyal élők életét. Ha érdekel a téma ajánlom figyelmedbe egy frissebb beszélgetésünket, ahol az akadálymentesítés témáját jártuk kicsit jobban körül. Kattints a linkre >> https://itzen.hu/akadalymentes-weboldal-es-wcag/
Kedves Sanyi!
Elérhető-e olyan lap-topra letölthető, tehát nem on-line program, ami beszédet írott szöveggé alakít? A fenti cikkben leírt tökéletes volna, csak sajnos annak a mozgássérült tanítványomnak, aki ilyet szeretne, nincs mindig, mindenhol net-kapcsolata.
Köszönöm: Ildikó
Sajnos ez a módszer elég nagy számítási kapacitást igényel a háttérben. Ezért is online, mivel a háttérben ilyen számítógépek végzik a munka oroszlánrészét. Léteznek offline szoftverek ettől függetlenül, viszont ezek elég jelentős anyagi beruházást igényelnek.
Amit javasolni tudok az egy Andorid rendszerű okostelefon, amire telepítve van a Google Keep jegyzetelőszoftvere. Egy mobilinternet előfizetés nem okoz már jelentős anyagi terhet, illetve a hálózati lefedettség is megfelelő az ország legnagyobb részében.
A Google Keep alkalmazásba pedig be van építve (azt hiszem ugyanez) a beszédfelismerő.
Régóta keresek magyar nyelvű beszédet, diktálást, akár sok hibával is, de írott szöveggé alakító megoldást.
Több szász oldal írott anyagba fulladtam bele, és a téma még újabb írásokat hoz folyamatosan.
Kérek bármilyen olyan elérhető árú, vagy ingyenes(?) megoldást, amellyel írott szöveggé változtathatom több mint egy évtizednyi szedett-vedett anyagomat.
Köszönettel: Hesztera Aladár (:A:L:I:)
Kedves Aladár.
Az írott anyagokat nem biztos hogy érdemes felolvasni. Nagyon jól teljesítő úgynevezett OCR szoftverek is elérhetőek ma már. Ezek írott szöveg felismerését teszik lehetővé, tehát gyakorlatilag be kell scannelni a szöveget, aztán kiigazítani.
Valójában ez eléggé függ az írott szövegtől is, de kézírással is meglepően jól boldogulnak a modern eszközök már.