Intel: beszédértelmező, szájról olvasó szoftver

Az Audio Visual Speech Recognition (AVSR) elnevezést kapott alkalmazás tulajdonképpen az arcfelismerő rendszerekhez hasonlóan működik – folyamatosan figyeli az ember arcát és száját, illetve ezek mozgását. Ezen adatok szöveggel való kiegészítése lehetővé teszi a számítógép számára, hogy még akár zajos környezetben is képes legyen értelmezni a felhasználó által kiadott szöveges parancsokat. Maga az AVSR program egyébként az OpenCV része, mely olyan nyíltforrású alkalmazások gyűjtőhelye, amelyek a számítógép vizuális adatok értelmezésében játszanak szerepet.

Régen a beszédfelismerés két korlátba is ütközött: egyrészt a számítási teljesítmény elégtelennek bizonyult, másrészt pedig a szoftverek sem voltak hatékonyak. Mára ez megváltozott – az átlagos processzorok órajele 1,5 GHz-es, a csúcskategóriás CPU-k pedig 3 GHz-en ketyegnek, elegendő ˝lóerőt˝ biztosítva a számításigényes feladatoknak. Ráadásul az eltelt időt a kutatók arra fordították, hogy jobb szövegfelismerő szoftvereket hozzanak létre.

A téma kiemeltségét mutatja, hogy az IBM és az Intel mellett több nagy cég is kísérletezik hangvezérlésű szoftverekkel: a Microsoft például elkészítette a GWindows prototípusát, amely alkalmazás révén file- és ablakmozgatási műveletek hajthatók végre hangparanccsal és kézmozdulatokkal. Ezen program egy kamera segítségével képes figyelni a felhasználót, s ha az például egy ablak fölé helyezi az ujját és balra mozgatja, akkor a desktopon hasonló irányban mozdul el az ablak. Ezt lehet szöveges parancsokkal is kombinálni, tehát például a böngészőnek kiadott scroll utasítás automatikusan legörgeti a tartalmat. A művelet nem igényel speciális kesztyűt.