Beszédfelismerés magyar nyelven

Az interneten a szöveges tartalmak már régóta kereshetők és olvashatók, azonban az egyre népszerűbb videó- és hanganyagok – legyen az akár egy televízió-társaság híradója vagy egy rádióinterjú – még mindig csak a címük, időpontjuk, jobb esetben néhány kulcsszó alapján találhatóak meg. Így, ha valaki elszalasztott egy adást, akkor nagy valószínűséggel sosem talál rá, hiába érdekli annak tartalma.

Ezen a problémán segít a Digital Natives új, 200.000 magyar szavas nyelvi modellre épülő szolgáltatása, mellyel a médiatulajdonosok egyszerűen és gyorsan kereshetővé tehetik saját audiovizuális archívumukat szerkesztőik vagy akár a portáljukra látogató internetezők számára. A tartalmakban elhangzott szavak számítógéppel történő felismerése a Budapesti Műszaki és Gazdaságtudományi Egyetemmel zajló közös kutatás-fejlesztés egyik eredménye: a szolgáltatás egyszerű csatolófelülettel (API) beépíthető bármelyik médiaportál vagy médiaarchívum mögé, egy-egy elhangzott szóra történő keresés után a lejátszás pedig rögtön a keresett szótól indul el a böngészőben.

„Egyedülálló lehetőség ez a hazai média számára. Míg a nemzetközi színtéren a Google is csak a választási videók angol nyelvű kereshetőségét teszi lehetővé, addig mi Magyarországon széles körben szeretnénk hozzáférhetővé tenni ezt a technológiát elérhető áron.” – mondta el Béky Miklós, a cég ügyvezetője.

Az audiovizuális tartalmak feldolgozására egyre nagyobb az igény a felhasználók részéről is, hiszen az internetes videók térhódításával a tartalomban való keresés egyre nagyobb kihívást jelent a látogatóknak. A videó- és hanganyagok tartalmának leiratozásával a tartalomszolgáltatók a korábbiaknál több találattal jelenhetnek meg a keresőkben, egyedi nyelvi és akusztikus modellekkel pedig akár egy élő adás is feliratozható a Mindroom teletext rendszerhez történő csatolásával.

A Digital Natives szolgáltatása havidíjas konstrukcióban portálfejlesztők, tartalomgazdák, rádió- és televízió-társaságok vagy bármilyen jelentős mennyiségű magyar nyelvű hanganyaggal rendelkező szervezet számára képes azonnali megoldást nyújtani. A rendszer további moduljai élő adásba illeszthető internetes videókonferenciával egybekapcsolt videóközvetítést, valamint – a blogokról jól ismert tagfelhőhöz hasonló szófelhővel – vizuális tartalomelemzési szolgáltatást is nyújtanak.