Beszédfelismerés

Szupertitkos

Mielőtt a Vistába integrált beszédfelismerésről szót ejtünk, rövid kitérőt teszünk egy másik, szintén most bemutatkozó – és csak az Ultimate és Enterprise változatokban elérhető – szolgáltatásról, a BitLocker titkosításról, amellyel a windowsos rendszerpartíció védhető. Mindez azért érdemel említést, mert ez az első olyan szoftveres megoldás a Microsofttól, amely a Trusted Platform Module (TPM) platformra épít. Ez egyben azt jelenti, hogy használni csak TPM-kompatibilis BIOS-szal rendelkező alaplappal lehet. Az ilyen alkatrész nem tartozik a science fiction kategóriába: tavaly már sok ilyennel felszerelt márkás noteszgépet és asztali PC-t hoztak forgalomba, sőt az Intel 2008-tól már a lapkakészletei south bridge chipjébe tervezi integrálni a TPM-et.

A BitLocker úgy működik, hogy nem a merevlemezen, hanem magán a TPM chipen – vagy ha ilyen nincs, például egy pendrive-on – tárolja a titkosításhoz használt kulcsot. (A különböző forrásból származó kulcsok ráadásul kombinálhatók is.) Ilyen módon csak a rendszerpartíció titkosítható, a további partíciókat a korábbi Windowsokból már ismert EFS (Encrypting File System) segítségével védhetjük. Ez egyben azt is jelenti, hogy a BitLocker használatához legalább két partíció kell.

Hogy mit mondtál?

Az új operációs rendszer egyik legizgalmasabb újdonsága, hogy nem csupán felolvasni tud szövegeket – ezt már Windows XP is tudja –, de beszédfelismerésre is képes. Erről már hallhattunk korábban, amikor a média rárepült a szolgáltatás egy balul elsült bemutatóján készült felvételre, amely a YouTube-on aztán nagy karriert futott be. Ezen az látható, amint a cég egyik munkatársának szavait többször is teljesen félreértelmezi a Vista. Később persze kiderült, hogy a szenzációhajhász riporter manipulatívan vágta a történetet, és a teljes sztori korántsem volt ennyire ciki.

Mégis, a beszédfelismerés pontosan ilyen nyögvenyelősen működik az otthon csendjében is. Erre persze a Microsoft is felkészít bennünket: a szolgáltatás súgójában nyakra-főre emlékezetünkbe idézi, hogy ez a technológia rendkívül komplex és ma még gyerekcipőben jár, s hogy egyáltalán ne várjunk tőle tökéletes eredményeket, bár ha eleget tanítjuk, javul a szövegfelismerés pontossága.

A beszédfelismerés modul jelenleg a Vista nagyobb világnyelvekre készített lokalizációiban használható anyanyelven. Amint a Microsoft Magyarországtól megtudtuk, ahogy a TabletPC kézírás-felismerő alrendszere, a közeljövőben ez sem tanul meg magyarul, így tehát kénytelenek voltunk mi is angolul tesztelni. Az egynyelvűség egyben azt is jelenti, hogy a nem angol nyelvű programok vezérléséről, a magyar honlapokon történő navigálásról le kell mondanunk.

Ez azonban – mint később kiderült – nem nagy áldozat, mert néhány óra, komoly állhatatosságot igénylő használat után az egészről lemondunk úgy, ahogy van. Annyira körülményes, és annyi kudarcélménnyel ajándékozza meg az embert, hogy nincs az a kitartó user, akinek nem megy el a kedve tőle. Pedig alaposan beállítottam a hardvert, végigolvastam és -beszéltem az ismertetőt (ez alatt állítólag már szokja a kiejtést), majd az élesben tapasztalt kudarcok után – például hogy az angol „s” hangot makacsul „f”-ként ismerte fel – a referenciaszövegek ismételt felolvasásával folyamatosan idomítottam a kiejtésemhez (amelyről eddig úgy tudtam, kifejezetten jó brit akcentus). De a katarzis elmaradt.

Faulk you

Az alábbi pontosságot sikerült elérnem diktálás során úgy, hogy a folyamatos beszéd határait feszegetve amennyire csak tudtam, lassan, az egyes szavakat külön artikulálva beszéltem:

A long time again [ago*] in a galaxy, far far away... The hope of freedom was kept alive by rebel forces fighting against the evil galactic empire. In a daring raid rebel supply is [spies] managed to steal the secret plans to the empires [empire's] ultimate weapon the death star. But as the rebels raced back to their base they were pursued by the [a] powerful imperial stark sheep. [starship] One board [on-board] the smaller [small] rebel craft to Freudian it's [two droid units] were knocked about as deadly laser bolts exploded outside. C3 PO the taller human like Detroit [droid] said to his companion R2D2 the imperious [imperial] starship is getting close to real BB scored [closer we'll be destroyed] for sure this is madness we're doomed!

* Szögletes zárójelben a diktált szövegváltozat. A bekezdés vége felé már nem maradt türelmem a központozásra.

Ez tulajdonképpen nem is rossz – mondhatnánk. A hiba ott van, hogy ehhez az eredményhez vért kell izzadnia a felhasználónak, és már olyan lassan kell beszélnie, hogy egy ujjal gépelve gyorsabban haladna a szöveg beírásával. És akkor még nem beszéltünk a programok vezérlése közbeni nyűgökről. Egy példa: az Internet Explorerben úgy adhatunk meg URL-t magunk, hogy azt mondjuk: „Go to Address” (ezzel a címsorra ugrunk), majd lediktáljuk a címet: www.it.news.hu. Az oldal megnyitása után görgetnénk lefelé a „scroll down” paranccsal, de ugye mivel a címmezőben vagyunk, hatástalan az utasítás. Kilépni a címmezőből nem lehet hangvezérléssel (én legalábbis nem tudtam, ám – amint a fórumozók a cikk megjelenése után felhívták rá a figyelmemet – én voltam béna), tehát ott ragadtam. Ez csak egy példa arra, hogy nem csupán a beszédfelismerés pontatlan még, de a hangos navigáció mikéntje sincs rendesen kidolgozva.

Ilyenkor kezd el csúnyán káromkodni az ember. Erre viszont a Vistának nincs füle. Ha káromkodást diktálunk, a beszédfelismerő szemérmes népetimologizálásba kezd: találgat, hogy vajon mi szépet akarunk mondani. Faulk you, talk you, shipped, god down you...

A cikk még nem ért véget, kérlek, lapozz!