Prosjekt Tale gjenkjenning på Nor sk Et Inkluderende arbeidsliv med talegjenkjenning
Prosjekt i regi av NAV Deltakere : Bengt Kjellså, InfoShare Solutions AS Daniel Scheidegger, NAV Kompetansesenter for tilrettelegging og deltakelse (NAV Tilde) Britt Ormaasen, Brukerrepresentant
Formål : Kartlegge behov Samfunnsmessig Samfunnsøkonomisk Hva skal til for å få talegjenkjenning på Norsk
Målgruppen 78 000 funksjonshemmede står uten arbeid på tross av at de er arbeidssøkere NAV mål: flere med funksjonsnedsettelser i arbeid Personer med omfattende bevegelses- og synsvansker som ikke kan betjene PC med tastatur og mus I 2009 finner vi 46 550 personer med uføretrygd innen aktuelle diagnosegruppene. (se vår rapport) Muskel og skjelettlidelser er den hyppigste årsaken til en rekke trygdeytelser. De utgjorde 36 % av sykefraværstilfellene. Disse utgjorde til sammen 13 927 tapte årsverk i 2010.
Målgruppen fortsettelse Personer som ikke kan bruke tastatur og/eller mus Dysleksi Synshemninger Personer for eksempel fremmedspråklige med manglende skriveferdigheter Personer som trenger å skrive raskere enn de kan på tastaturet Forebygging mot belastningsskader Bruken av datamaskin i bil og andre steder hvor et tastatur er uhensiktsmessig mm.
Målgruppen fortsettelse Ut fra dette beregningsgrunnlaget vil 13 927 tapte årsverk utgjøre 9,4 milliarder kroner. Om talegjenkjenning på norsk kunne ha hindret bare 10 % av disse årsverkene, ville besparelsen på ett år utgjøre 941 millioner NOK. Lese- og skrivevansker Forum for lese og skrivevansker: Vi vet ikke hvor mange, men dersom en av fire som leser dårlig har nytte av talestøtte, utgjør det ca. 220 000 personer. Selv om bare en av 10 har nytte av talestøtte, utgjør det likevel om lag 90 000 personer i Norge. Kildene til ovennevnte tall finnes i rapporten til forprosjektet Norsk talegjenkjenning. http://sikte.no/tg
Nuance Teknologifirma, programvare Mer enn 8.000 ansatte på verdensbasis Produkter Innovativ Kjøper opp mange selskaper
Nuance Stor satsning på taleteknologi Standard programvare Automatisk telefontjeneste TV teksting Interaktiv tale
Nuance viser at de kan Dragon Naturally Speaking (På mange språk) Dragon Dictate Dragon Search
Språkbanken Frigivelse av materiale fra NST (konkurs i 2003) : Datafiler Dokumentasjon
Vi ville Ikke finne opp hjulet på nytt Prøve å nyttiggjøre materialet fra NST
Språkmaterialet fra NST Pakket ut og systematisert Dokumentasjon oversatt til Engelsk Harddisk med data sendt til Nuance i USA
Tilgjengelig materiale for talegjenkjenning fra NST Norsk/Svensk/Dansk Leksikalske databaser Akustiske databaser
Materialet fra NST Opptak ligger som én lydfil pr. manuskriptlinje Forskjellige formater Mange forskjellige personer ble benyttet (18-70 år) Opptak for : Talegjenkjenning (ASR/diktering) Diktering Telefoni Med «nølelyder»
Materialet fra NST Dokumentasjonen viser at en stor del av innsamlingen av data er basert på direksjon fra L&H, som senere ble kjøpt opp av Nuance HVA BETYR DETTE?
Nuance konklusjon Nuance i USA har undersøkt talekorpuser for de 3 skandinaviske språkene (norsk, svensk, dansk). Deres funn og anbefalinger er : Treningsdata : Audio data er av høy kvalitet, den oppleste talen kan brukes til å trene akustiske modeller for talegjenkjenning. Mengden av data er lik den datamangden som ble brukt for bygging av Dragon Naturally Speaking v10 for spansk, italiensk og nederlandsk. Testdata : Nuance har ikke de nødvendige data for å teste sine akustiske/språkmodeller. Det må innhentes ekstra korpuser som er aktuelle.
Kriterium Lydkvaliteten : Nuance undersøkte signal-til-støy forhold og fant at talekvaliteten var ganske god og egnet til våre formål. Fonetisk variasjon : Vårt mål er å bygge akustiske modeller for dikterings oppgaver. Det er viktig at den akustiske variasjonen i dataene er realistisk for dikterings bruk og ikke domineres av ord/uttrykk som er mindre vanlig i diktering. Eksempler på sistnevnte inneholder bokstaver, tall eller gjentakelser av samme ord/setning av flere personer. Basert på tidligere erfaring har vi lært at man trenger å luke ut slike ytringer for å kunne bygge opp realistiske trenings korpuser. Test utvalg : Et vanlig tema i den medfølgende korpus er bruken av «fonetisk balanserte setninger». Dette er et kunstig krav i bygging av dikterings systemer. Selv om vi kan filtrere vår trenings korpus til å bygge et sett med akustiske modeller, er det mye vanskeligere å bygge et test sett fra et slikt korpus. Derfor konkluderer vi med at det foreliggende materialet ikke er egnet for dette formålet.
Veien videre Skaffe penger
Samfunnsnytten Kostnaden for å videreutvikle dagens ledende programvare på markedet, er estimert til ca 13 millioner NOK. Dette utgjør omtrent det samme som uføretrygdkostnadene til 50 personer i ett år.
Rapport www.infoshare.no (under nyhets seksjonen).