1 / 20

Prosjekt Talegjenkjenning på Norsk

Prosjekt Talegjenkjenning på Norsk. Et Inkluderende arbeidsliv med talegjenkjenning. Prosjekt i regi av NAV. Deltakere : Bengt Kjellså, InfoShare Solutions AS Daniel Scheidegger, NAV Kompetansesenter for tilrettelegging og deltakelse (NAV Tilde) Britt Ormaasen, Brukerrepresentant. Formål :.

Download Presentation

Prosjekt Talegjenkjenning på Norsk

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. ProsjektTalegjenkjenning på Norsk Et Inkluderende arbeidsliv med talegjenkjenning

  2. Prosjekt i regi av NAV Deltakere : • Bengt Kjellså, InfoShare Solutions AS • Daniel Scheidegger, NAV Kompetansesenter for tilrettelegging og deltakelse (NAV Tilde) • Britt Ormaasen, Brukerrepresentant

  3. Formål : • Kartlegge behovSamfunnsmessig – Samfunnsøkonomisk • Hva skal til for å få talegjenkjenning på Norsk

  4. Målgruppen • 78 000 funksjonshemmede står uten arbeid på tross av at de er arbeidssøkere • NAV mål: flere med funksjonsnedsettelser i arbeid • Personer med omfattende bevegelses- og synsvansker som ikke kan betjene PC med tastatur og mus • I 2009 finner vi 46 550 personer med uføretrygd innen aktuelle diagnosegruppene. (se vår rapport) • Muskel og skjelettlidelser er den hyppigste årsaken til en rekke trygdeytelser. De utgjorde 36 % av sykefraværstilfellene. • Disse utgjorde til sammen 13 927 tapte årsverk i 2010.

  5. Målgruppen fortsettelse • Ut fra dette beregningsgrunnlaget vil 13 927 tapte årsverk utgjøre 9,4 milliarder kroner. Om talegjenkjenning på norsk kunne ha hindret bare 10 % av disse årsverkene, ville besparelsen på ett år utgjøre 941 millioner NOK. • Lese- og skrivevansker • Forum for lese og skrivevansker: Vi vet ikke hvor mange, men dersom en av fire som leser dårlig har nytte av talestøtte, utgjør det ca. 220 000 personer. Selv om bare en av 10 har nytte av talestøtte, utgjør det likevel om lag 90 000 personer i Norge. Kildene til ovennevnte tall finnes i rapporten til forprosjektet ”Norsk talegjenkjenning”. http://sikte.no/tg

  6. Målgruppen fortsettelse • Personer som ikke kan bruke tastatur og/eller mus • Dysleksi • Synshemninger • Personer for eksempel fremmedspråklige med manglende skriveferdigheter • Personer som trenger å skrive raskere enn de kan på tastaturet • Forebygging mot belastningsskader • Bruken av datamaskin i bil og andre steder hvor et tastatur er uhensiktsmessig • mm.

  7. Nuance • Teknologifirma, programvare • Mer enn 8.000 ansatte på verdensbasis • Produkter • Innovativ • Kjøper opp mange selskaper

  8. Nuance • Stor satsning på taleteknologi • Standard programvare • Automatisk telefontjeneste • TV teksting • Interaktiv tale

  9. Nuance viser at de kan • Dragon Naturally Speaking (På mange språk) • Dragon Dictate • Dragon Search

  10. Språkbanken Frigivelse av materiale fra NST (konkurs i 2003) : • Datafiler • Dokumentasjon

  11. Vi ville • Ikke finne opp hjulet på nytt • Prøve å nyttiggjøre materialet fra NST

  12. Språkmaterialet fra NST • Pakket ut og systematisert • Dokumentasjon oversatt til Engelsk • Harddisk med data sendt til Nuance i USA

  13. Tilgjengelig materiale for talegjenkjenning fra NST • Norsk/Svensk/Dansk • Leksikalske databaser • Akustiske databaser

  14. Materialet fra NST • Opptak ligger som én lydfil pr. manuskriptlinje • Forskjellige formater • Mange forskjellige personer ble benyttet (18-70 år) Opptak for : • Talegjenkjenning (ASR/diktering) • Diktering • Telefoni • Med «nølelyder»

  15. Materialet fra NST Dokumentasjonen viser at en stor del av innsamlingen av data er basert på direksjon fra L&H, som senere ble kjøpt opp av Nuance HVA BETYR DETTE ?

  16. Nuance konklusjon Nuance i USA har undersøkt talekorpuser for de 3 skandinaviske språkene (norsk, svensk, dansk). Deres funn og anbefalinger er : Treningsdata : Audio data er av høy kvalitet, den oppleste talen kan brukes til å trene akustiske modeller for talegjenkjenning. Mengden av data er lik den datamangden som ble brukt for bygging av Dragon Naturally Speaking v10 for spansk, italiensk og nederlandsk. Testdata : Nuance har ikke de nødvendige data for å teste sine akustiske/språkmodeller. Det må innhentes ekstra korpuser som er aktuelle.

  17. Kriterium Lydkvaliteten : Nuance undersøkte signal-til-støy forhold og fant at talekvaliteten var ganske god og egnet til våre formål. Fonetisk variasjon : Vårt mål er å bygge akustiske modeller for dikterings oppgaver. Det er viktig at den akustiske variasjonen i dataene er realistisk for dikterings bruk og ikke domineres av ord/uttrykk som er mindre vanlig i diktering. Eksempler på sistnevnte inneholder bokstaver, tall eller gjentakelser av samme ord/setning av flere personer. Basert på tidligere erfaring har vi lært at man trenger å luke ut slike ytringer for å kunne bygge opp realistiske trenings korpuser. Test utvalg : Et vanlig tema i den medfølgende korpus er bruken av «fonetisk balanserte setninger». Dette er et kunstig krav i bygging av dikterings systemer. Selv om vi kan filtrere vår trenings korpus til å bygge et sett med akustiske modeller, er det mye vanskeligere å bygge et test sett fra et slikt korpus. Derfor konkluderer vi med at det foreliggende materialet ikke er egnet for dette formålet.

  18. Veien videre Skaffe penger

  19. Samfunnsnytten Kostnaden for å videreutvikle dagens ledende programvare på markedet, er estimert til ca 13 millioner NOK. Dette utgjør omtrent det samme som uføretrygdkostnadene til 50 personer i ett år.

  20. Rapport www.infoshare.no (under nyhets seksjonen).

More Related