Персональная страница Арбатского Е.В.

На днях опять освежал свои знания в области использования голоса на ПК (голосовое управление, генерация речи). Немного предыстории:
- в 90-е годы (1996-1998) была чудесная и надежная операционная система OS/2 Warp, а затем OS/2 Merlin. Одной из особенностей этой системы было то, что уже в те годы IBM встроила голосовое управление (ViaVoice). В начале надо было 1.5-2 часа тренировать систему на свой голос (на английском языке), а затем становилось возможным:

1. диктовать тексты (но скорость набора была не большая);
2. управлять компьютером (было достаточно хорошее распознавание).

Затем под Windows появился Горынич и DragonDictate, причем Горынич, вроде бы был отечественной модификацией DragonDictate. Но как бы то ни было - ни на русском, ни на английском нормально диктовать, а тем более управлять компьютером под Windows не получалось.

Если говорить про Linux - то в те года работа с голосом под Linux отсутствовала.

Шли года и я подумал что наверно за десяток лет все изменилось, но анализ в 2006-2008гг. показал что ничего особенно хорошего и не появилось. В Windows появился англоязычный Sam(?), который может произносить текст, но русскоязычного не нашел. IBM свой ViaVoice выдает как-то особенно, что так и не получилось его скачать и опробовать. Под Linux получилось запустить лишь синтезацию английской речи.

За 2-3 последних дня снова посмотрел что есть и наконец смог под Linux запустить перевод русского текста в речь (на базе festival). Обрадовавшись начал пробовать все остальное: речь в KDE (ktts - работает, но пользоваться нормально проблематично), ICQ (pidgin + pidgin-festival - не работает).

После пары вечеров экспериментов получилось связать pidgin и festival - для этого понадобилось написать плагин на perl. В результате теперь все приходящие сообщения озвучиваются. Из минусов можно отметить:

• Порой ставит неверные ударения;
• Текст должен быть только русский, либо только английский;
• Комбинации слов с цифрами могут необрабатываться (Например, А17);
• Голос только мужской :);
• В тексте встречаются опечатки и ошибки, которые затем озвучиваются :).

Пока так и не смог сделать нормальное голосовое управление (хотя бы на уровне OS/2 97-го года), но постараюсь это решить посредством покупки нового микрофона и опробацией программ управления. Ну, а если к этому комплексу потом добавить модули обработки и анализа текста, то можно получить макет нормального человеко-машинного интерфейса.