1. Podatkovni višemedijski prijenos i računalne mreže Speech Recognition
Sveučilište u Zagrebu
Fakultet Elektrotehnike i računarstva
Zavod za elektroničke sustave i obradbu informacija
Podatkovni višemedijski prijenos i računalne mreže Speech Recognition
Joško Rogulj
Joško Rokov
Nino Talian
Siječanj 2006.

2. Sadržaj Uvod Princip rada Opća kategorizacija sustava Primjene
Komercijalni sustavi
Besplatni sustavi
Zaključak
Literatura

3. Uvod
Prepoznavanje govora je proces kojim računalo identificira izgovorene riječi
Velik broj rješenja s tehnologijom raspoznavanja govora
Kompleksnost problema

4. Princip rada Koraci sustava za raspoznavanje
Snimanje govora i detekcija iskaza
Predfiltriranje
Uokviravanje
Filtriranje (opcionalan korak)
Usporedba
Djelovanje

5. Opća kategorizacija sustava
Podjela s obzirom na tipove iskaza koji se mogu detektirati:
Izolirane riječi
Povezane riječi
Kontinuirani govor
Spontani govor
Provjeravanje/identifikacija govora

6. Primjene Diktiranje Naredbe/kontrola Telefonija Prijenosni uređaji
Medicinske svrhe
Ugrađeni (embedded) sustavi

7. Komercijalni sustavi
 Dragon Naturally speaking (Nuance) --
 IBM ViaVoice --
 SpeakToText (CoolSoft) --
 VR Commander (Interactive Voice Technologies) --
 Audiomatic (Wise Riddles Software) --
 e-Speaking (e-speaking) --
 Realize Voice Lite (Realize Software) --
 Voice Studio (Ultimate Interactive Desktops) --
 Abbot (Softsound) --
 Dictation Buddy (High Criteria) --
 MacSpeech iListen --
...

8. Besplatni (OpenSource) sustavi
 Xvoice --
Open Mind Speech --
CMU Sphinx --
NICO toolkit --
GVoice --
CVoiceControl --
...

9. Zaključak Očekivanja: Veći broj komercijalnih proizvoda
Niže cijene postojećih rješenja
Razvoj boljih algoritama
Veći broj OpenSource rješenja
Nove primjene

10. Literatura http://www.tldp.org/HOWTO/Speech-Recognition-HOWTO/
...