AT&T veut mettre votre voix en charge des applications

Dans un effort pour faire de la parole le moyen dominant par lequel les gens contrôlent la technologie, AT&T ouvre sa technologie de reconnaissance vocale à d'autres. À partir de juin, les ingénieurs logiciels peuvent utiliser un service cloud proposé par l'entreprise pour faire en sorte que tout appareil pouvant se connecter à Internet réponde à la voix de son maître.

Quoi?: Une démonstration en laboratoire montre une conversation en temps réel entre un anglophone et un hispanophone. Les mots prononcés ont été traduits en texte, traduits et prononcés par machine à l'auditeur à chaque extrémité.

AT&T pense que la technologie pourrait finalement être utilisée pour tout, des applications pour smartphones aux jeux en ligne en passant par les voitures et les appareils électroménagers. Alors que l'offre initiale ne convertira que la parole en texte et les commandes correspondantes, la société envisage un ensemble plus large d'offres plus tard, y compris celles qui traduisent le texte anglais dans six autres langues et vice versa, et peuvent également synthétiser la parole traduite.

Nous pensons qu'il existe de nombreuses personnes intelligentes capables de créer des applications et des services dont nous n'avons jamais rêvé auparavant, déclare Mazin Gilbert, vice-président de la recherche sur les systèmes intelligents chez Laboratoires AT&T à Florham Park, New Jersey. Pour utiliser la technologie, les développeurs écrivent du code dans leur logiciel pour tirer parti d'une API (interface de programmation d'applications) spécifiée par AT&T. Ce code amène une application à envoyer de la parole à AT&T sur Internet, où elle est convertie en texte et renvoyée à l'appareil. Les nouvelles API ont été annoncé La semaine dernière. AT&T affirme que la technologie est précise à 95 % pour prendre la parole en anglais et la restituer sous forme de texte. Il indique que sa précision dans la conversion du sens du texte anglais vers et depuis d'autres langues varie de 70 à 80 %.

La technologie vocale sous-jacente actuellement offerte par AT&T est déjà utilisée dans bon nombre de ses propres applications, y compris le Application de traduction AT&T pour les téléphones Android et iOS, et la recherche dans l'annuaire vocal mobile fournie par Pages Jaunes . Je veux pouvoir avoir un million d'applications sur notre plate-forme, pas des centaines, comme nous l'avons aujourd'hui, dit Gilbert. Quelle que soit votre idée folle, nous voulons fournir ces API. Je vais être honnête : je ne sais pas à quoi les gens vont l'utiliser.

La technologie AT&T s'appuie sur des décennies d'innovation au sein des Bell Labs avant la dissolution d'AT&T et l'établissement ultérieur des propres laboratoires centrés sur les services d'AT&T. Cependant, l'entreprise doit concurrencer des fournisseurs plus établis de technologie de reconnaissance vocale, en particulier dans le domaine des téléphones intelligents.

Par example, Nuancer fournit des capacités de reconnaissance vocale à de nombreuses entreprises, y compris, semble-t-il, Apple pour son assistant personnel Siri. La technologie de reconnaissance vocale de Google est offerte dans l'ensemble de son système d'exploitation pour smartphone Android et par toute application écrite pour un appareil Android. Microsoft dispose également d'une technologie de reconnaissance vocale, qui apparaît dans son système d'exploitation Windows Phone et dans les produits de partenaires tels que Ford, avec son système Sync pour le divertissement embarqué.

Krish Prabhu, PDG d'AT&T Labs, estime que rendre la technologie vocale largement disponible permettra à l'informatique mobile d'être plus performante et de se développer plus rapidement. Dans le contexte d'un monde où nous avons largement résolu les problèmes de connectivité et d'accès - bien qu'il y ait encore des problèmes - cet effort sur la parole vient de la conviction que l'interface avec le réseau doit devenir plus simple, a-t-il déclaré lors d'une démonstration en laboratoire à New York. York la semaine dernière. Nous essayons d'ouvrir la voie pour que la technologie ne soit pas la chose qui nous arrête.

Les API d'AT&T pour la synthèse vocale, qui seront lancées en juin, se composent de sept versions adaptées à des utilisations spécifiques, telles que la dictée de messages texte, la recherche d'entreprises locales, la réponse aux questions, la transformation de messages vocaux en texte et la dictée générale. À l'avenir, des API spécifiques pour les jeux en ligne et les réseaux sociaux seront également ajoutées.

Plus tard, des API peuvent devenir disponibles pour traduire du texte entre l'anglais et six autres langues : espagnol, français, italien, allemand, chinois et japonais. D'autres langues, dont le coréen et l'arabe, sont en préparation, mais AT&T sera loin derrière ses concurrents. Par exemple, Google propose déjà aux développeurs des outils capables de traduire entre plus d'un millier de paires de langues.

Gilbert dit que l'utilisation de toutes les API entraînerait des frais d'inscription de 99 $ pour 2012 et que les plans post-2012 n'étaient pas publics. Google facture ses propres API de traduction.

L'amélioration de la précision des logiciels de reconnaissance vocale ou de traduction nécessite d'obtenir davantage de données d'exemple pour entraîner les algorithmes sous-jacents. Pour faciliter ce processus, AT&T pourrait éventuellement solliciter les commentaires des personnes utilisant des produits intégrant sa technologie vocale et de traduction. Le crowdsourcing permettrait d'atteindre des niveaux de précision beaucoup plus élevés, ce qui, à son tour, entraînerait une adoption plus large et des utilisateurs beaucoup plus satisfaits, explique Sam Ramji, informaticien qui est vice-président de la stratégie chez Apigee , qui construit des plates-formes API et travaille sur le projet AT&T.

Ramji pense que rendre une bonne technologie de reconnaissance vocale facilement disponible pourrait faire disparaître lentement les menus traditionnels et les interfaces textuelles. Les interfaces utilisateur d'aujourd'hui sont comme des arbres dans lesquels nous devons naviguer pour refléter la structure du programme. Ce qui devrait arriver, c'est que les appareils analysent la commande sortant de notre bouche, dit-il.

cacher