अपनी खुद की साइट पर भाषण मान्यता: Speereo मान्यता परीक्षण स्टैंड

नमस्ते हभ्रवचन! हमें हैबे पर दिखाई देने की खुशी है और आशा है कि हम लंबे समय तक यहां रहेंगे और आपके लिए उपयोगी होंगे और खुद को लाभान्वित करेंगे।

तो, पहली पोस्ट के लिए रोमांच के साथ!

समस्या

अक्सर वेबसाइटों पर, उपयोगकर्ताओं को अनुरोध फ़ॉर्म भरना पड़ता है। यह टिकट बुकिंग सेवा में रेलवे स्टेशनों या हवाई अड्डों के नाम, मानचित्र खोज में सड़कों के नाम, ऑनलाइन स्टोर में सामानों के समूह या वस्तुओं के नाम और अंत में, किसी साइट या फ़ोरम पर एक नियमित खोज हो सकती है।
इन सभी मामलों में, कुछ पूर्व-ज्ञात सूची या शब्दों / वाक्यांशों के अनुक्रमित सेट से एक विकल्प बनाया जाता है।
जब स्मार्टफोन से खोज की जाती है तो ऐसे टेक्स्ट प्रश्नों को दर्ज करना विशेष रूप से असुविधाजनक होता है। कभी-कभी ऐसा करना इतना असुविधाजनक होता है कि हम सेवा का उपयोग करने से इंकार करते हैं, "मैं बाद में करूंगा" और भूल जाओ।

निर्णय

हम अपनी वेबसाइट में एम्बेड किए गए निरंतर भाषण की अपनी क्लाउड-आधारित मान्यता का उपयोग करके ऐसी समस्याओं के लिए एक वैकल्पिक समाधान प्रदान करते हैं।

यह कैसे काम करता है?

खोज क्वेरी इनपुट फ़ील्ड के बगल में वेब पेज पर, आप हमारी कंपनी के बटन को माइक्रोफ़ोन छवि के साथ रखते हैं। फिर निम्न होता है: क्लाइंट की तरफ, बटन पर क्लिक करने के बाद, एक ध्वनि फ़ाइल रिकॉर्ड की जाती है और हमारे सर्वर पर भेजी जाती है। सर्वर एक विभाजन सेकंड में एक आवाज संकेत को पहचानता है और मान्यता प्राप्त पाठ या संख्या को वापस क्लाइंट से या सीधे आपके सर्वर पर स्थानांतरित करता है।
उदाहरण: टिकट बुकिंग पृष्ठ पर, ड्रॉप-डाउन मेनू से एक शहर चुनने या पाठ के साथ खोज करने के बजाय, आप माइक्रोफ़ोन आइकन पर क्लिक करें और कहें "मॉस्को से" और फिर "सेंट पीटर्सबर्ग", फिर तिथि का चयन करें - "कल के बाद का दिन" या 9 मई "। पीछे, आपको पारंपरिक खोज के समान परिणाम मिलता है।

अंतर क्या है?

हमारे दृष्टिकोण और भाषण मान्यता के दृष्टिकोण के बीच का अंतर, Google, निम्नलिखित में कहता है: हम प्रत्येक मामले में वाक्यांशों के पूर्व-सीमित सेट को पहचानते हैं। डेवलपर को प्रतिबंधित किए बिना Google सब कुछ पहचानता है।

अब दो सवाल। पहला: कौन सा उपयोग करना आसान है? पहली नज़र में, Google इंजन। उपयोगकर्ता जो भी कहता है, सब कुछ इनपुट फॉर्म में आता है। हालांकि, अगर आपको न केवल सूचना शोर, बल्कि विशिष्ट डेटा की आवश्यकता है, तो आपको एक प्रोसेसर लिखना होगा जो अमान्य डेटा और मान्यता त्रुटियों (और वे!) को काट देगा। हमारे मामले में, यह आवश्यक नहीं होगा। सूची में जो नहीं है वह बस फॉर्म में नहीं आएगा।

दूसरा प्रश्न मान्यता की गुणवत्ता का है। और यह पहली प्राथमिकता है! वॉइस इनपुट के दौरान जितनी अधिक त्रुटियां हैं, उतनी ही कम उपयोगिता है । यदि मान्यता 90% से कम हो जाती है - यह एक आपदा है। और यहाँ हम जीतते हैं, और यहाँ क्यों: सिद्धांत और सामान्य ज्ञान। हमें समझाएं: संभावित आदेशों का चयन जितना संकीर्ण हो, त्रुटि की संभावना उतनी ही कम होगी। वाक् संकेत स्वयं मान्यता के लिए पर्याप्त जानकारी नहीं ले जाता है, 10-15 और कभी-कभी 90 प्रतिशत अर्थ (या ध्वनि संकेत की गुणवत्ता) मानव मस्तिष्क को समझने के कारण "हो जाता है", ध्वनिक रूप से समान, लेकिन मान्यता प्राप्त वाक्यांश के स्पष्ट रूप से गलत संस्करण। यह साबित करना सरल है - कान से अपरिचित भाषा में एक वाक्यांश रिकॉर्ड करने का प्रयास करें।

प्रारंभ में, Google की वाक् पहचान प्रणाली वेब खोज के लिए बनाई गई थी और इसमें "समझ" का स्तर एक खोज सूचकांक करता है। Google यह नहीं पहचानता है कि किसी ने सौ बार आपको देखा नहीं है; संभावित त्रुटियों को इस तथ्य से समतल किया जाता है कि आपके द्वारा आवश्यक अनुरोध, भले ही वह गलत तरीके से पहचाना गया हो, खोज परिणामों की पहली पंक्तियों पर होगा, और इसलिए आप इसे त्रुटि के रूप में नहीं देखेंगे।

इनपुट के रूपों के मामले में, यह दृष्टिकोण काम नहीं करता है। आप यह सुनिश्चित कर सकते हैं - बहुत अधिक त्रुटियां हैं।
हमसे कम गलतियाँ क्यों होती हैं? हमारी तकनीक में, "समझ" की भूमिका इस विशेष संदर्भ में संभव वाक्यांशों की एक सूची से पूरी होती है। यह सूची सीधे डेवलपर, साइट व्यवस्थापक द्वारा बनाई गई है। यदि आपको रेल टिकट का ऑर्डर करते समय गंतव्य स्टेशन को पहचानने की आवश्यकता है, तो लाखों विकल्पों की गणना के साथ सिस्टम को लोड करना मूर्खता है। लगभग पाँच हज़ार स्टेशन हैं, और Speereo मान्यता प्रणाली पूरी तरह से उनके साथ मुकाबला करती है।

समय के साथ, हम आपको अधिकांश मानक मामलों में, यहां तक ​​कि सूचियों के संकलन से भी बचाएंगे। सामूहिक प्रयासों के परिणामस्वरूप वे पहले से ही हमारे सर्वर के सार्वजनिक डोमेन में होंगे। यह सेट "हाँ-नहीं सभी संभव गैर-अश्लील संस्करणों", "शहर एन की सभी सड़कों", "रूसी संघ में सभी दवाओं के नाम", "सभी नाम", "सभी नाम", "शैली के सभी संगीत समूह" जैसे होंगे। "सभी फिल्में शैली द्वारा" और पसंद अंतिम नामों की बात: आमतौर पर इस्तेमाल किया जाने वाला इनपुट फ़ील्ड, सही है? इसलिए - मेरा अंतिम नाम Google शब्दकोश में नहीं है और मैं इसे किसी भी तरह से दर्ज नहीं कर सकता। Speereo का उपयोग करने के मामले में, एक बार हाथों से दर्ज अंतिम नाम भाषण आदेशों की सूची में शामिल है। इसलिए यदि आपके लिए आवश्यक शब्द Google शब्दकोश में नहीं हैं, तो उनका इंजन आपके लिए उपयुक्त नहीं है। और हमारे लिए उपयुक्त है। एक और सुखद तिपहिया - हम किसी भी ब्राउज़रों और प्लेटफार्मों के साथ काम करते हैं, हालांकि मुफ्त में नहीं (उपहार देने के लिए सावधान रहें)।

हमारे क्लाउड समाधान और मान्यता गुणवत्ता का परीक्षण कैसे करें:

परीक्षण के लिए, हम परीक्षण स्टैंड के लिए तीन विकल्प प्रदान करते हैं, 1 से 300 तक सभी मास्को सड़कों और घर की संख्या को पहचानने के लिए कॉन्फ़िगर किया गया है:
- फ़ाइल डाउनलोड के साथ एक स्टैंड और सिल्वरलाइट तकनीक के साथ एक स्टैंड;
- फ़्लैश के लिए फ़ाइलों को डाउनलोड करने के साथ खड़े हो जाओ;
- "स्वच्छ प्रयोग" के लिए एक स्टैंड - आपके पीसी पर रिकॉर्ड की गई फ़ाइलों को डाउनलोड करने के साथ ।

Speereo मान्यता प्रणाली के संचालन की जांच करने के लिए, रजिस्टर - यह सर्वर पर लोड (हबल-प्रभाव का मुकाबला करने का प्रयास) को वितरित करने के लिए आवश्यक है । असंतोष के कारण - पंजीकरण रद्द कर दिया गया है! स्वास्थ्य के लिए यह कोशिश करो!
दो प्रकार के परीक्षण निम्नानुसार भिन्न हैं: फ़ाइलों को डाउनलोड करने वाला एक पृष्ठ सबसे स्वच्छ प्रयोग है जो आपको सिस्टम का परीक्षण करने की अनुमति देता है, जो हमारे लिए बेहतर होने वाली सभी स्थितियों (ध्वनि संकेत गुणवत्ता, आदि) का निरीक्षण करता है; सिल्वरलाइट पेज - एक्सप्रेस परीक्षण विधि, जहां माइक्रोफ़ोन को सक्रिय करने के लिए सिल्वरलाइट स्थापना की आवश्यकता होती है; फ्लैश पेज सबसे संवेदनशील ध्वनि इनपुट के साथ सबसे तेज़ तरीका है (माइक्रोफ़ोन में चिल्लाओ मत, रिकॉर्डिंग स्तर कम है)। यह ध्यान देने योग्य है कि दूसरे और तीसरे तरीके, हालांकि तेजी से, मान्यता की शर्तों के पूर्ण अनुपालन की गारंटी नहीं देते हैं, क्योंकि वे आपके सिस्टम ध्वनि सेटिंग्स के साथ काम करते हैं, जो रिकॉर्ड किए गए सिग्नल की गुणवत्ता को कम कर सकता है और सिस्टम को प्रेषित कर सकता है।

एनबी: ठीक है कहने दें कि रिकॉर्ड किए गए सिग्नल के लिए फ्लैश की संवेदनशीलता सिल्वरलाइट की तुलना में बहुत अधिक है और इसलिए, परीक्षण के दौरान आवाज नहीं उठाएं या रिकॉर्डिंग स्तर कम करें। अपने आप से मैं कहता हूँ कि मेरे लैपटॉप में फ्लैश पर रिकॉर्डिंग का स्तर सिल्वरलाइट के लिए मेरे द्वारा निर्धारित 30-40% कम है। फिक्स्ड, टिप्पणियों के लिए सभी को धन्यवाद।

अपनी साइट पर "मान्यता क्लाउड" कैसे कनेक्ट करें

कनेक्शन के तकनीकी विवरण देखें:
a) हमें एक कॉलम में टेक्स्ट फ़ाइलों में प्रत्येक बटन के लिए कमांड की सूची भेजें। फ़ाइल नाम में बटन आकृतियों की संख्या या नामों को इंगित करें।
ख) प्रतिक्रिया पत्र के पते पर कई दिनों के लिए पहचानकर्ता का परीक्षण करें।
ग) एक टैरिफ चुनें, न्यूनतम भुगतान का भुगतान करें और इसका उपयोग करें!

टैरिफ

वन-टू-वन रेट
4 मान्यता प्रति सेकंड *, 1 महीना - 99 टन। न्यूनतम अग्रिम भुगतान 99 टन है।

एक से दस टैरिफ
10 सेकंड में 4 मान्यता *, 1 महीना - 9.9 टी रगड़। न्यूनतम अग्रिम भुगतान 9.9 टन है।

वन-टू-वन रेट
100 सेकंड में 4 मान्यता *, 1 महीना - 990 रूबल। न्यूनतम अग्रिम भुगतान 4,500 रूबल है।

टैरिफ "वेब किंग"
10 kopecks ** के लिए 1 मान्यता, न्यूनतम अग्रिम भुगतान 10 टन है।

टैरिफ "सिरप के साथ"
अनुरोध पर मान्यता दर। 3 रेक के लिए 1 मान्यता। - बुलाओ।

पैंट में टैरिफ बादल
क्लाइंट सर्वर पर पहचानकर्ता का प्लेसमेंट।
वार्षिक भुगतान - कॉल।

* - एक सेकंड से अधिक की मान्यता की देरी के साथ क्लाउड द्वारा मान्यता परिणामों के आउटपुट की गारंटी दर। ध्वनि फ़ाइलों की उचित मात्रा प्राप्त करने के लिए सर्वर कनेक्शन की गति पर्याप्त है।

** - एक सेकंड से अधिक नहीं - मान्यता प्रति सेकंड की देरी के साथ क्लाउड द्वारा मान्यता परिणामों के आउटपुट की गारंटी दर।