Stáhnout prezentaci
Prezentace se nahrává, počkejte prosím
1
„Přepis mluveného slova do textové podoby“ Program NewtonDictate
NEWTON Technologies, a.s. Ing. Petr Herian 1
2
NEWTON Media - Největší komerční archív plných textů v ČR
Unikátní patentovaný systém zpracování dat, (světová konference FIBEP 2008 v Praze) Multimediální archiv pro vydavatele a vysílatele (Mafra, Ringier, TV Nova, ČRo, PSP,…) V Newtonu Média řešíme úlohu Měsíčně zpracováváme 8000 hodin záznamu, 600 hodin doslovně přepisujeme Okamžitá úspora času (30-75%) Spolupráce s Technickou univerzitou v Liberci (od roku 2005): Propojení vývojových týmů, sdílení výsledků a zkušeností, zpětná vazba Spolufinancování vývoje technologie Voice to Text (V2T) Samostatné nadstavbové moduly, nové aplikace, servis, komunikace s klienty
3
Produkty vývoje zavedené do praxe
MyVoice a MyDictate NewtonDictate – diktovací program ATT – přepis a titulkování TV AudioSearch - vyhledávání v archivech
4
Praktická ukázka programu
NewtonDictate
5
NewtonDictate 2.4
6
Program NewtonDictate pracuje jako textový editor (např. Word)
Základní funkce programu Program NewtonDictate pracuje jako textový editor (např. Word) a současně také jako digitální záznamník Program řeč nahrává, automaticky přepisuje, přičemž kteroukoliv část přepisu si lze kdykoliv přehrát a v případě potřeby snadno opravit. Diktuje se interpunkce, program automaticky formátuje čísla, symboly a používané zkratky. Program můžete jednoduše naučit nová slova, celé věty,... Program můžete naučit rozpoznávat Váš hlas (nadiktovat 120 předepsaných vět) Diktovat lze do libovolného místa v textu, text i audio záznam lze libovolně kopírovat, mazat přesouvat. Program nadiktovaný záznam průběžně ukládá. Diktovat můžete také do libovolného programu, diktuje se na pozici kurzoru. Program umí přepisovat audio nahrávky z diktafonů
7
Jak dosahovat nejlepších výsledků
při diktováni aneb boj o každé procento
8
Systém pro rozpoznávání hlasu se stále učí
Hlavní problémy rozpoznávání řeči Komunikace řečí - pro člověka přirozená věc, pro počítač velmi komplikovaná úloha Systém pro rozpoznávání hlasu se stále učí 1. HLAS - Variabilita hlasového projevu, každý člověk mluví jinak (výška hlasu, podoba hlásek, intonace, výslovnost, volba slov, momentální stav, prostředí ...) 2. SLOVNÍK - Rozsáhlost slovní zásoby (Angličtina 50 tis. slov, Čeština > 1 milion) Systém rozpoznává jednotlivá slova, mnoho stejně znějících slov („byly“, „bily“, „Billy“ …), příjmení v ČR, místopisné názvy apod. V současnosti systém rozpozná slov, slovo které není ve slovníku systém nikdy nepřepíše
9
Text: Až se vrátíš, zavolej jako včera na linku pět šest sedm.
Hlavní problémy rozpoznávání řeči 3. KONTEXT - Volba nejpravděpodobnější sekvence po sobě jdoucích slov (odlišná témata) chybí oddělovače (pauzy) mezi slovy, dochází ke koartikulaci, asimilaci, Text: Až se vrátíš, zavolej jako včera na linku pět šest sedm. Text bez mezer: ažsevrátíšzavolejjakovčeranalinkupětšestsedm Foneticky: ašsevrátížzavolejakofčeranalinkupěčesedum 4. PROSTŘEDÍ - Vliv prostředí a přenosové cesty – degradace signálu hluk okolí, vlastnosti přenosové linky (mikrofon/diktafon), další mluvící osoby, ruchy, šumy…
10
Co bylo řečeno a v jakých časových okamžicích?
Princip rozpoznávání řeči Co bylo řečeno a v jakých časových okamžicích? | - | zavolá | - | premiéra | předseda | | | - | za | vola | premiéra | předsedá | | |-| zvolá | prima | éra | před | sebou | | | - | zavolej | premiéra | předsedo | | | - | zavolá | - | premiér | a | předseda | | Při rozpoznávání spojité řeči není apriori známo: Kolik slov bylo řečeno? Jaká sekvence slov byla řečena? Byla všechna vyřčená slova ze slovníku? Byla to skutečně jenom řeč nebo i další zvuky a hluky? V jakých časových okamžicích začínala jednotlivá slova?
11
Zkušenosti s programem
Program na každého reaguje jinak, ale obecný právní text přepíše bez větších chyb. Pokud tomu tak není je někde problém (mikrofon, charakteristika hlasu, nastavení (muž/žena), slovník) Nelze program jen zapnout a mluvit (existují vyjímky), je potřeba nalézt správný způsob diktování (intonace, plynulost,...) . Naučit se ideální způsob diktování trvalo zkušeným soudcům a advokátům několik hodin. Tato časová investice se však velmi rychle vrátila v úspoře času. Některá slova (věty) program nemá šanci rozpoznat Nejčastější chyba - my čekáme co program napíše, program čeká co řekneme Pro první seznámení doporučujeme přečíst známý text (nedívat se na monitor)
12
Systém pro rozpoznávání hlasu se stále učí
Budoucnost Systém pro rozpoznávání hlasu se stále učí Na vylepšení programu nepřetržitě pracujeme Vaše zpětná vazba je pro nás velmi důležitá, své náměty přípomínky zasílejte na mail Každé další rozpoznané procento šetří čas. (stále vylepšujeme, HLAS, SLOVNÍK, VAZBY SLOV) Anonymizované texty zvýší úspěšnost rozpoznávání (místopisné názvy, často používané formulace, apod.) Úspěšnost rozpoznávání zvýší také doslovně přepsané audio nahrávky
13
REFERENCE Ministerstvo spravedlnosti - projekt pro všechny soudy a státní zastupitelství v ČR (přes licencí) Inspekce životního prostředí – celostátní projekt pro všechny inspektoráty inspekce Česká národní banka - implementace systému přepisovacího pracoviště NEWTON Media, a.s. - projekt přepisu rozhlasového a televizního vysílání, titulkování TV Ministerstvo vnitra Česká zemědělská univerzita 1. a 3. Lékařská fakulta Univerzita Karlova Masarykova univerzita v Brně Všeobecná fakultní nemocnice v Praze EU-Media - EURActiv.cz IKEM - Institut Klinické a Experimentální Medicíny Poliklinika Budějovická Oblastní nemocnice Mladá Boleslav, a.s. Poliklinika Prosek Masarykova nemocnice v Ústí nad Labem Revmatologický ústav Mammacentrum, Praha MEDICON, a.s. Nemocnice Prachatice, a.s ACHK - Ambulantní centrum pro choroby hlavy a krku, s.r.o. Gymnázium, ZŠ a MŠ pro sluchově postižené, Praha Metropolitní univerzita Praha Manlomka, s.r.o., chráněná dílna
14
Ing. Petr Herian Ing. Magdaléna Nekolná
Děkuji za pozornost Ing. Petr Herian Ing. Magdaléna Nekolná
Podobné prezentace
