Egyszerű diktálás a fáradságos gépelés helyett

A mesterséges intelligencia alapú alkalmazások fontossága napjainkban már nem vitatott, azok tényleges felhasználási területeit és üzleti környezetben való alkalmazását viszont sokan nem ismerik. Cikkünkben összefoglaljuk, hogy mely felhasználási eseteken keresztül lehet a napi munkavégzésünket a beszédfelismerés által könnyen felgyorsítani.

Habár a jelenlegi digitális világunkban mindennapjaink jelentős részében használjuk mobiltelefonunkat és számítógép vagy tablet eszközeinket, a gépelés feladata még mindig egy mostoha feladatnak minősül. Sokan a többéves rutin dacára is lassan gépelnek számítógépen, mások a mobilkészülékek apró billentyűzetmezőivel küzdenek, vagy esetleg számos elgépelést vétenek. És akkor még nem ejtettünk szót arról, hogy mennyivel időigényesebb tevékenység a gépelés a szóbeli beszédnél. Ezekre a helyzetekre nyújtanak hatékony megoldást az úgynevezett deep learning algoritmusokra épülő beszédfelismerő szoftveralkalmazások az elhangzott beszéd írásbeli rögzítése által.

A LEGGYAKORIBB FELHASZNÁLÁSI ESETEK

Számos iparágban és munkakörben jellemző napi feladatnak minősül a megbeszéléseken és tárgyalásokon elhangzott információk rögzítése. A beszédfelismerő megoldások által a teljes megbeszélés szövege egyszerűen leiratozható, akár a beszélők megkülönböztetésének jelölésével. Az AI (Artificial Intelligence azaz Mesterséges intelligencia, MI – a szerk.) által támogatott diktálás emellett olyan rutinfeladatokban is segíthet, mint az e-mailek megírása vagy saját dokumentumok elkészítése.

Bizonyos munkakörökben a munka jellege vagy a helyszíni adottságok miatt nem lehetséges az azonnali gépelés, gondoljunk például egy megrendelővel történő helyszíni egyeztetésre. Ilyen esetekben elég elindítani a telefonunk hangrögzítő alkalmazásának segítségével egy felvételt, melyet utólag valamely beszédfelismerő alkalmazásba feltöltve könnyedén áttekinthető szöveggé alakíthatjuk az elhangzott információkat. Ezáltal elkerülhető a hibásan megjegyzett információk alapján történő munkavégzés.

Az AI alapú megoldások segítségével ezek a hanganyagok könnyen kereshetővé válhatnak, így nem szükséges egyetlen részletért órákon át különböző hang- és videóanyagokban keresgélni. A keresett kifejezés fájlban való előfordulását másodpercre pontosan meg tudják határozni a rendszerek, így könnyen meghallgatható a szükséges részlet. A beszédfelismerésre épülő alkalmazások további fontos felhasználási lehetősége, hogy képesek azonosítani az elhangzottak milliszekundumra pontos idejét egy fájlban, így általa egyszerűen készíthető pontosan illeszkedő felirat videókhoz, mindennemű technikai képzettség nélkül. Mivel kutatások alapján a mobiltelefonon nézett videós tartalmak jelentős részét hang nélkül nézik a felhasználók, a megfelelő videófeliratozás már elengedhetetlen.

A diktálás mellett olyan rutinfeladatokban is segíthet a szövegfelismerő alkalmazás, mint például az e-mailek megírása

BESZÉDFELISMERÉST KÍNÁLÓ ALKALMAZÁSOK

Angol nyelven már számos megoldás létezik a beszéd leiratozására, viszont a magyar nyelvre optimalizált megoldásokat kínáló szereplők száma ennél jelentősen alacsonyabb. Cikkünkben a teljesség igénye nélkül összegyűjtöttünk néhány megoldást, amelyet ön is kipróbálhat és a mindennapi tevékenységeit, munkáját kényelmesebbé és gyorsabbá teheti általa.

Az Alrite beszédfelismerő szoftvermegoldás a digitális transzformáció területén szakértő Régens Zrt. saját fejlesztésű megoldása. Az Alrite alkalmazás 95%-os beszédfelismerési pontosságával, letisztult felületével és széles körű funkcionalitásával kiemelten népszerű a felhasználók körében. Az alkalmazásban elérhetőek a korábban rögzített hanganyagok, lehetőség van mind közvetlen diktálásra, mind korábban rögzített hangfájl feltöltésére és leiratozására. Videókhoz villámgyorsan készíthető általa pontosan illeszkedő feliratfájl. A megoldás nagy előnye más elérhető alkalmazásokhoz képest, hogy megfelelően kezeli a központozást, vagyis az írásjelek elhelyezését a szövegben, jelentősen lerövidítve az utólagos szerkesztés idejét. Az alkalmazás ingyenesen kipróbálható a www.regens.com/alrite oldalon regisztrálva.

A Google széles körben népszerű fejlesztései mellett a beszédfelismerésre is hangsúlyt fektet, amely szintén 95%-os pontossággal képes felismerni a magyar nyelvű beszédet. A megoldást számos hozzájuk kapcsolódó termékben alkalmazzák, ilyen például a Google Docs-ban elérhető diktálás vagy az Azonnali átírás (Live Transcribe) nevű applikáció, amely a Google Play áruházból letölthető.

Az iOS eszközöket használók számára releváns megoldás az Apple által fejlesztett beszédfelismerő algoritmus, amely az iPhone/iPad és Mac készülékeken könnyíti meg az adatbevitelt. Üzenetek írásakor vagy jegyzetek felvételekor a billentyűzeten elérhető mikrofon ikonnal egyszerűen átválthat a hang alapú adatbevitelre.

A szerző a Régens Zrt. marketing igazgatója

Képek:
https://www.istockphoto.com

Kapcsolódó dokumentum:

Tetszett a cikk?