View
55
Download
1
Category
Preview:
DESCRIPTION
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 :. - PowerPoint PPT Presentation
Citation preview
ProsjektTalegjenkjenning på Norsk
Et Inkluderende arbeidsliv med talegjenkjenningEt 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 :
Kartlegge behovSamfunnsmessig – Samfunnsøkonomisk
Hva skal til for å få talegjenkjenning på Norsk
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.
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
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.
Nuance
Teknologifirma, programvare
Mer enn 8.000 ansatte på verdensbasis
Produkter
Innovativ
Kjøper opp mange selskaper
Nuance
Stor satsning på taleteknologi
Standard programvare
Automatisk telefontjeneste
TV teksting
Interaktiv tale
Nuance viser at de kan
Dragon Naturally Speaking (På mange språk)
Dragon Dictate
Dragon Search
Språkbanken
Frigivelse av materiale fra NST (konkurs i 2003) :
Datafiler
Dokumentasjon
Vi ville
Ikke finne opp hjulet på nytt
Prøve å nyttiggjøre materialet fra NST
Språkmaterialet fra NST
Pakket ut og systematisert
Dokumentasjon oversatt til Engelsk
Harddisk med data sendt til Nuance i USA
Tilgjengelig materiale for talegjenkjenning fra NST
Norsk/Svensk/Dansk
Leksikalske databaser
Akustiske databaser
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»
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 ?
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.
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.
Veien videreVeien videre
Skaffe pengerSkaffe penger
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.
Rapport
www.infoshare.no(under nyhets seksjonen).
Recommended