Sinteza govora na osnovu teksta (TTS) je najstarija govorna tehnologija, i njeni počeci sežu još u 18. vek, kada su se pojavile prve "mašine koje govore". U međuvremenu je u toj oblasti došlo do dramatičnog razvoja, u najvećoj meri zahvaljujući razvoju računarske tehnologije u poslednjih nekoliko decenija. Reč je, kao i kod ostalih govornih tehnologija, o multidisciplinarnom problemu, za čije su rešavanje potrebna znanja iz brojnih oblasti, počev od akustike, fonetike i lingvistike, pa do matematike, telekomunikacija, obrade signala i programiranja.

Ovo je govorna tehnologija kod koje u najvećoj meri dolazi do izražaja zavisnost od jezika, tako da je sintetizator govora za svaki novi jezik potrebno realizovati praktično od početka.

Zadatak sinteze govora je da na osnovu ulazne informacije u tekstualnom obliku generiše govorni signal razumljiv čoveku. To podrazumeva i da bi sintetizovan govor morao da zvuči prirodno, odnosno, da bi trebalo da poseduje intonaciju karakterističnu za prirodan ljudski govor. Prirodnost sintetizovanog govora nije samo stvar estetike, već je bitan element za razumevanje poruke, pošto pomaže slušaocu da rastavi govorni tok na reči.

Primene sintetizatora govora su mnogobrojne. Ovakvi sistemi su u aplikacijama računarske telefonije nezamenljivo sredstvo za pružanje informacija velikom broju pozivalaca, pogotovo kada se radi o informacijama koje se često menjaju i nepraktično je svaki put angažovati govornika koji bi trebalo da ih pročita (npr. upravo pristigli e-mail).

Sintetizatori govora su od izuzetne pomoći i osobama sa invaliditetom - pogotovo onima sa oštećenjem govora, koje zahvaljujući ovakvim sistemima mogu gotovo normalno da komuniciraju - čak i telefonom, kao i slepim osobama, kojima je omogućeno da se samostalno služe računarom i na taj način se lakše uključe u svakodnevni život.

Pročitajte više o AlfaNum softverskoj komponenti za sintezu govora.

Automatsko prepoznavanje govora (eng. Automatic Speech Recognition - ASR) spada u najveće tehničke izazove savremenog doba i već više od pola veka zaokuplja pažnju istraživača širom sveta.

Kao i kod svih govornih tehnologija, i ovde je reč o multidisciplinarnom problemu za čije su rešavanje potrebna znanja iz brojnih oblasti, počev od akustike, fonetike i lingvistike, pa do matematike, telekomunikacija, obrade signala i programiranja. Poseban problem predstavlja činjenica da je reč o problemu u izuzetnoj meri zavisnom od jezika.

Zadatak automatskog prepoznavanja govora je da se na osnovu ulaznih podataka u vidu zvučnog zapisa neke govorne celine (reči ili rečenice) dobije odgovarajući tekstualni zapis. Na taj način se govor praktično konvertuje u tekst, odnosno, "prepoznaje se" šta je određeni govornik izgovorio.

Razlikujemo ASR sisteme koji prepoznaju izolovane reči od sistema koji mogu da prepoznaju i povezano izgovorene reči. ASR sistemi se takođe mogu razvrstavati i po veličini rečnika (broj reči koje mogu prepoznati), po tome da li su prepoznaju samo fiksne, unapred zadate reči ili su fonetski (praktično prepoznaju pojedinačne glasove), kao i po tome da li su zavisni ili nezavisni od govornika.

Primene ASR sistema su mnogobrojne i zavise od njegovih karakteristika. U najširoj primeni su ASR sistemi nezavisni od govornika. Ovakvi sistemi koriste se u okviru govornih automata, čija je namena automatsko pružanje usluga pozivaocima (pristup informacijama, iniciranje i kontrola transakcija i slično) uz svu fleksibilnost koju prepoznavanje govora pruža. Pozivalac, naime, ne mora da se kreće kroz složenu strukturu menija pomoću telefonske tastature, već mu je omogućeno da odmah kaže šta želi, čime se vreme poziva smanjuje, a efikasnost sistema posmatrana kroz broj usluženih pozivalaca povećava.

Pročitajte više o AlfaNum softverskoj komponenti za prepoznavanje govora.