Govorjeno tipkanje in narekovanje sta se razvijala od mehanskih snemalnih naprav do sodobnih pretvornikov govora v besedilo, orodij za prepoznavanje glasu in avtomatiziranih delovnih tokov za narekovanje, ki se danes uporabljajo za pisanje, zapisovanje in podporo dostopnosti. Zgodovina narekovanja zajema desetletja raziskav akustičnega modeliranja, sprotne transkripcije in obdelave naravnega jezika. Danes je napredno govorno tipkanje del razširitev za Chrome, aplikacij za iOS in Android ter namiznih programov.
Tukaj si bomo ogledali razvoj tehnologije narekovanja – od zgodnjih snemalnikov do današnjih transkripcijskih sistemov, ki temeljijo na nevronskih mrežah. Povzeli bomo tudi širitev uporabe pretvorbe govora v besedilo ter primerjali sodobno programsko opremo z najzgodnejšimi poskusi prepoznavanja človeškega govora.
Zgodnja mehanska in analogna orodja za narekovanje (1800–1950)
Narekovanje je sprva pomenilo snemanje govora za kasnejši prepis. V poznem 19. in zgodnjem 20. stoletju so v pisarnah uporabljali voščene valje, fonografe in magnetofone za zajem govorjenih sporočil. Ti sistemi so shranili zvok, a govora niso pretvorili v besedilo – za zapis je bil potreben tipkač.
V 40. in 50. letih prejšnjega stoletja so raziskovalne ustanove začele proučevati prve oblike računalniške analize govora in tako postavile temelje sodobnim sistemom za govorno tipkanje.
Prvi digitalni sistemi za prepoznavanje govora (1950–1970)
Leta 1952 je Bell Labs predstavil “Audrey” – prvi sistem za prepoznavanje številk po govoru, ki je znal prepoznati izgovorjene številke določenega govorca. Čeprav je bil velik in omejen, je dokazal, da je avtomatska prepoznava mogoča.
V 60. in 70. letih so ekipe pri IBM, MIT in Carnegie Mellon poglobile digitalne raziskave govora s šablonskim ujemanjem, spektralno analizo in zgodnjimi akustičnimi modeli. Velikost besedišča in natančnost sta bili omejeni, a ti sistemi pomenijo začetek računalniške pretvorbe govora v besedilo.
Skriti Markov modeli in tekoča govorica (1980–1990)
V 80. letih so statistične metode korenito preoblikovale področje. S sprejetjem skritih Markovih modelov so sistemi lahko verjetnostno analizirali govor, izboljšali prepoznavanje in omogočili bolj prožen vnos.
Sredi 90. let:
- Pojavila se je prva komercialna programska oprema za narekovanje
- Prepoznavanje tekoče govorice je nadomestilo sisteme po posameznih besedah
- Besedišče se je povečalo
- Hitrost obdelave je dosegla skoraj sprotno delovanje
To obdobje pomeni prehod od laboratorijskih prototipov do prvih potrošniških programov za govorno tipkanje.
Doba umetne inteligence in strojnega učenja (2000–2010)
Z zmogljivejšimi računalniki je prepoznavanje govora vključilo:
- Večje zvočne zbirke
- Izboljšano akustično modeliranje
- Statistično modeliranje jezika
- Prve pristope z nevronskimi mrežami
Orodja za narekovanje so postala precej natančnejša ter omogočila uporabo govora v besedilo za osnutke e-pošte, dokumentov in poročil. Veliko sistemov je še vedno zahtevalo prilagajanje za vsakega uporabnika, vendar se je izkušnja avtomatiziranega narekovanja že precej približala današnji stopnji udobja.
Globoko učenje in sodobna izkušnja govornega tipkanja (2016–danes)
Globoke nevronske mreže so preoblikovale prepoznavanje govora. Sodobni sistemi temeljijo na:
- Modelih od začetka do konca
- Samo-nadzorovanem učenju
- Obsežnih zbirkah zvočnih podatkov
- Obdelavi v realnem času na napravi
Zaradi tega so številne zmožnosti, ki jih danes jemljemo za samoumevne, postale izvedljive:
- Samodejno postavljanje ločil
- Odstranjevanje mašil
- Natančen prepis
- Večjezično govorno tipkanje
- Pisanje brez uporabe rok
Sodobna orodja za pretvorbo govora v besedilo delujejo znotraj Google Docs, Gmaila, Notion, ChatGPT in na mobilnih napravah. Govorno tipkanje se pogosto uporablja za pisanje vsebin, zapiske, zajemanje učnih gradiv, odgovore po e-pošti in manj naporno tipkanje.
Cilj razvoja je ves čas ostal enak: naravni govor spremeniti v berljivo besedilo kar najbolj natančno in učinkovito.
Govorno tipkanje in narekovanje Speechify: sodobne uporabe
Govorno tipkanje Speechify nudi sproten prepis govora v besedilo prek Chroma, iOS in Androida. Govor spremeni v besedilo za pisanje dokumentov, zapiskov ali sporočil. Speechify zna tudi brati na glas spletne strani, PDF-je in dokumente s knjižnico AI glasov. Glasovni pomočnik AI odgovarja na vprašanja in povzema vsebino strani za lažje branje in pisanje.
Pogosta vprašanja
Kako hitro je govorno tipkanje Speechify?
Speechify govorno tipkanje prepiše govor do 160 besed na minuto, hitrost narekovanja pa pogosto preseže običajno tipkanje na tipkovnici.
Kje je mogoče uporabljati govorno tipkanje Speechify?
Deluje znotraj Gmaila, Google Docs, Notion in ChatGPT prek razširitve za Chrome ter tudi v okoljih iOS in Android.
Ali Speechify podpira študijske naloge?
Da. Študenti pogosto uporabljajo narekovanje Speechify za pisanje esejev, povzemanje gradiv in zapisovanje opomb.
Ali Speechify pomaga pri zapisovanju opomb?
Da. Govorno narekovanje Speechify za opombe odstrani mašila, izboljša besedilo in ustvari čist zapis predavanj ali sestankov.
Ali Speechify samodejno postavlja ločila?
Da. Speechify prepozna ukaze za ločila in uporablja samodejni sistem postavljanja ločil, ki besedilo uredi brez ročnega urejanja.
Ali Speechify podpira več jezikov?
Da. Govorno tipkanje Speechify podpira več kot 60 jezikov in naglasov ter omogoča večjezično narekovanje za globalna delovna okolja.
Ali Speechify omogoča dolge seje narekovanja?
Da. Speechify podpira dolgotrajen prepis in lahko obdela daljše glasovne posnetke brez pogostih prekinitev.
Ali je Speechify varen?
Speechify uporablja šifrirano obdelavo za zaščito podatkov o narekovanju in prepisu.
Ali morate govoriti popolno za delovanje Speechify?
Ne. Speechify samodejno popravlja slovnico, odstrani mašilne besede in izboljša besedilo – tudi pri naravnem, nepopolnem govoru.
Zakaj izbrati Speechify za narekovanje?
Speechify omogoča sprotno govorno tipkanje, samodejno čiščenje besedila, večjezično podporo in glasovnega pomočnika AI za povzemanje strani ter odgovarjanje na vprašanja – za bolj učinkovito pisanje in branje.
Ali je Speechify primeren za potrebe dostopnosti?
Da. Speechify omogoča pisanje brez uporabe rok in zmanjšuje potrebo po ročnem tipkanju – koristen je za osebe z disleksijo, ADHD, gibalnimi ali vidnimi omejitvami.
Ali Speechify deluje na različnih napravah?
Da. Govorno tipkanje Speechify je na voljo kot razširitev za Chrome, aplikacija za iOS in Android ter na namizju. Funkcionalnosti narekovanja in branja na glas so povsod enake.
