Où va la reconnaissance vocale

Jusqu'à récemment, l'idée de tenir une conversation avec un ordinateur semblait de la pure science-fiction. Si vous demandiez à un ordinateur d'ouvrir les portes de la baie des pods, eh bien, ce n'était que dans les films.

Mais les choses changent, et vite. Un nombre croissant de personnes parlent désormais à leurs téléphones intelligents mobiles, leur demandant d'envoyer des e-mails et des SMS, de rechercher des itinéraires ou de trouver des informations sur le Web.

Nous sommes à un point de transition où la voix et la compréhension du langage naturel sont soudainement au premier plan, déclare Vlad Sejnoha, directeur de la technologie de Nuance Communications, une entreprise basée à Burlington, dans le Massachusetts, qui domine le marché de la reconnaissance vocale avec son logiciel Dragon. et d'autres produits. Je pense que la reconnaissance vocale va vraiment bouleverser l'interface [informatique] actuelle.

Les progrès sont dus en partie aux progrès constants des technologies nécessaires pour aider les machines à comprendre la parole humaine, y compris l'apprentissage automatique et les techniques d'exploration de données statistiques. La technologie vocale sophistiquée est déjà courante dans les centres d'appels, où elle permet aux utilisateurs de naviguer dans les menus et aide à identifier les clients en colère qui devraient être confiés à un véritable représentant du service client.

Aujourd'hui, l'essor rapide des appareils mobiles puissants rend les interfaces vocales encore plus utiles et omniprésentes.

Jim Glass, chercheur principal au MIT qui travaille sur les interfaces vocales depuis les années 1980, affirme que les téléphones intelligents d'aujourd'hui contiennent autant de puissance de traitement que les machines de laboratoire avec lesquelles il a travaillé dans les années 90. Les téléphones intelligents ont également des connexions de données à large bande passante vers le cloud, où les serveurs peuvent faire le gros du travail impliqué à la fois avec la reconnaissance vocale et la compréhension des requêtes vocales. La combinaison de plus de données et de plus de puissance de calcul signifie que vous pouvez faire aujourd'hui des choses que vous ne pouviez tout simplement pas faire auparavant, explique Glass. Vous pouvez utiliser des modèles statistiques plus sophistiqués.

L'exemple le plus frappant d'interface vocale mobile est, bien sûr, Siri, l'assistant personnel à commande vocale intégré au dernier iPhone. Mais la fonctionnalité vocale est intégrée à Android, à la plate-forme Windows Phone et à la plupart des autres systèmes mobiles, ainsi qu'à de nombreuses applications. Bien que ces interfaces aient encore des limitations considérables (voir Social Intelligence), nous nous rapprochons progressivement des interfaces de machines avec lesquelles nous pouvons réellement parler.

Nuance est au cœur de l'essor de la technologie vocale. La société a été fondée en 1992 sous le nom de Visioneer et a acquis des dizaines d'autres entreprises de technologie vocale. Elle compte maintenant plus de 6 000 employés répartis sur 35 sites à travers le monde, et ses revenus au deuxième trimestre 2012 se sont élevés à 390,3 millions de dollars, soit une augmentation de 22,4 % par rapport à la même période en 2011.

Ces dernières années, Nuance a habilement appliqué son expertise en reconnaissance vocale au marché émergent des interfaces vocales. La société fournit la technologie de reconnaissance vocale à de nombreuses autres sociétés et est largement considérée comme fournissant la composante vocale de Siri.

La parole est parfaitement adaptée à l'informatique mobile, explique le directeur technique de Nuance, en partie parce que les utilisateurs ont les mains et les yeux autrement occupés, mais aussi parce qu'une seule commande vocale peut accomplir des tâches qui nécessiteraient normalement une multitude de balayages et de pressions. Soudain, vous avez ce nouveau bloc de construction, cette nouvelle dimension que vous pouvez apporter au problème, dit Sejnoha. Et je pense que nous allons concevoir l'interface utilisateur de base de l'appareil moderne dans cet esprit.

Inspiré par le succès des logiciels de reconnaissance vocale sur les téléphones mobiles, Nuance espère mettre ses interfaces vocales dans de nombreux autres endroits, notamment la télévision et l'automobile. Les deux sont populaires et mûrs pour l'innovation.

Pour trouver une émission à la télévision ou pour programmer un enregistrement DVR, les téléspectateurs doivent actuellement naviguer dans des menus difficiles à l'aide d'une télécommande qui n'a jamais été conçue pour saisir des requêtes de texte. Des produits censés faciliter la recherche d'une émission, comme Google TV, se sont avérés trop complexes pour les personnes qui souhaitent simplement se détendre le temps d'une soirée de divertissement.

Dans les laboratoires de recherche de Nuance, Sejnoha a fait la démonstration d'un logiciel appelé Dragon TV fonctionnant sur un téléviseur dans un salon simulé. Lorsqu'un collègue a dit, Dragon TV, trouvez des films avec Meryl Streep, l'interface a instantanément parcouru les listes de chaînes pour sélectionner plusieurs films appropriés. Une version de cette technologie est déjà présente dans certains téléviseurs vendus par Samsung.

Selon les rumeurs, Apple développerait son propre téléviseur et l'on suppose que Siri sera son contrôleur. L'idée a été alimentée par la biographie de Steve Jobs par Walter Isaacson, dans laquelle le défunt PDG aurait affirmé qu'il avait finalement résolu l'interface TV.

Pendant ce temps, le système de divertissement Sync des automobiles Ford utilise déjà la technologie de Nuance pour permettre aux conducteurs d'afficher des itinéraires, des informations météorologiques et des chansons. Environ quatre millions de voitures Ford sur la route ont Sync avec reconnaissance vocale. La semaine dernière, Nuance a présenté un logiciel appelé Dragon Drive qui permettra à d'autres constructeurs automobiles d'ajouter des fonctionnalités de commande vocale aux véhicules.

Ces deux nouveaux contextes sont difficiles. L'une des raisons pour lesquelles les interfaces vocales sont devenues populaires sur les téléphones intelligents est que les utilisateurs parlent directement dans le microphone de l'appareil. Pour s'assurer que le système fonctionne bien dans les téléviseurs et les voitures, où il y a plus de bruit de fond, la société expérimente des microphones matriciels et une technologie de suppression du bruit.

Nuance met un certain nombre de kits de développement logiciel à la disposition de tous ceux qui souhaitent inclure la technologie de reconnaissance vocale dans une application. Montrue Technologies, une entreprise basée à Ashland, dans l'Oregon, a utilisé le SDK médical mobile de Nuance pour développer une application iPad qui permet aux médecins de dicter des notes.

C'est étonnamment précis, déclare Brian Phelps, PDG et cofondateur de Montrue et lui-même médecin urgentiste. La parole a pris un tournant ; c'est arrivé à un point où nous obtenons une précision incroyable dès la sortie de la boîte.

À leur tour, les kits renforcent la position de Nuance, aidant l'entreprise à améliorer ses algorithmes de reconnaissance vocale et de traitement du langage en envoyant toujours plus de données vocales via ses serveurs. Comme le dit Glass du MIT, il existe un dicton de longue date dans la communauté de la reconnaissance vocale : « Il n'y a pas de données comme plus de données ». Nuance dit qu'il stocke les données dans un format anonyme pour protéger la confidentialité.

Sejnoha pense que dans quelques années, les interfaces vocales mobiles seront beaucoup plus omniprésentes et puissantes. Je devrais juste pouvoir lui parler sans le toucher, dit-il. Il sera constamment à l'écoute des mots déclencheurs et le fera simplement - afficher un calendrier, ou préparer un message texte, ou un navigateur qui vous permet d'accéder à l'endroit où vous voulez aller.

Peut-être que les gens parleront même aux ordinateurs qu'ils portent, comme les lunettes photo en cours de développement chez Google. Des sources chez Nuance disent qu'elles planifient activement la façon dont la technologie vocale devrait être architecturée pour fonctionner sur des ordinateurs portables.

cacher