האם אנחנו מתקרבים ליום בו הכל יעשה בפקודות קוליות?! אנדרואיד וגוגל בדרך לשם

[osherov]

אני רואה שקהילת האנדרואידים די רועשת בגלל היכולת החדשה שגוגל הוסיפו היום למערכת האנדרואיד שלהם ולכן נראה לי הגיוני לפתוח, ליכולת המדהימה הזאת, שרשור יעודי.

אני מדבר על יכולת חדשה מבית גוגל שנקראת Voice Actions for Android. זה בעצם אוסף של פקודות קוליות אשר מאפשרות לך לשלוט על הטלפון שלך באופן כמעט מלא. קבלו דוגמאות:
-לטלפן למישהו מאנשי הקשר במכשיר
-לשלוח הודעת טקסט (כולל הטקסט עצמו)
-לשלוח מייל כולל המלל עצמו
-להאזין לשיר מסוים במכשיר
-לגלוש לאתר מסוים
-להתחיל ניווט לייעד מסוים
-לבצע חיפוש במנוע החיפוש של גוגל (יכולת שקיימת כבר היום)
-פתיחת מפה בנקודה מסויימת

הנה כל הפקודות:
[left]•send text to [contact] [message]
•listen to [artist/song/album]
•call [business]
•call [contact]
•send email to [contact] [message]
•go to [website]
•note to self [note]
•navigate to [location/business name]
•directions to [location/business name]
•map of [location][/left]

האם אנחנו מתקרבים ליום שכמעט לא יהיה לנו צורך בלחיצות כפתור על המכשיר שלנו?! על פי גוגל אנחנו בדרך לשם (בתנאי שאתה דובר אנגלית).

שימו לב להצגת היכולת החדשה בוידאו הבא:


חומר נוסף וקישורים להורדה נמצאים כאן:
http://googlemobile.blogspot.com/2010/0 ... tions.html

עוד חומר והסברים כאן:
http://www.google.com/mobile/voice-actions/index.html

[flsh]

מעניין מתי, אם בכלל, נראה את זה בעברית. איכשהו, אני סקפטי.

[oferlaor]

כדאי להזכיר שיש כאלה פתרונות כמעט בכל הפלטפורמות כבר כמעט עשור.

לא ראיתי שיפור דרמטי בתחום הזה אם כי לגוגל יש יתרון בולט על אחרים : העיבוד של חלק גדול מהפקודות נעשה בענן.

עדיין, צריך לראות 99% דיוק בשביל שזה יהיה אפקטיבי.

עם הפקודות של האייפון אני צריך לבטא את שמות האנשים ב ״אמריקאית״ וגם אז ב 30% מהמקרים מיד לסגור כי זה מתקשר לדוד שלי בחו״ל במקום לאשתי בבית...

[osherov]

אפילו יותר מעשור,
אני זוכר בזמנו שמיקרוסופט הכניסו את היכולת ל Office (הם רכשו איזה אלגוריתם מאיזה חברה שאני כבר לא זוכר את שמה). הייתי אז קורא טקסטים שעות, על מנת ללמד את המערכת להבין מה אני מקשקש, אחרי הלימוד הזה העסק עבד נחמד אבל ממש לא יותר מזה (אני לא אשכח פעם איך ראיתי בכנס בחורה, עובדת מיקרוסופט, מכתיבה דף שלם למסמך וורד במהירות מדהימה בשימוש מיקרופון בלבד עם זיהוי כמעט מושלם של האלגוריתם). בעסק הזה עדיין לא תפס (גם היום יש אין ספור חברות שמתעסקות בתחום הזה) והכל בגלל רמת הדיוק. צריך עוד לציין שיש 2 אספקטים של זיהוי קול. האחד נקרא Speech recognition והשני נקרא Command recognition. ה Speech מתעסק בזיהוי מילים ומשפטים שלמים והפיכתם לטקסט (נניח הכתבה של טקסט לתוך מסמך וורד) וה Command מחפש הטעמה בין המילה או המשפט המדובר לפקודה מוגדרת במערכת, שזה כמובן הרבה יותר פשוט לזיהוי וחשוב מכך הרבה יותר מדויק (זה כאילו יותר "דטרמיניסטי"). חלק מהמערכות שמממשות Command recognition דורשים כיול מלא של הפקודות (כלומר אתה יושב מול מיקרופון ומדקלם לו פקודות כגון: Open Browser, Call Yoval וכו) וחלק לא צריכים את הכיול הזה (ואז עדיף שלא יהיה לך מבטא ישראלי חזק מידי)...השורה התחתונה תמיד תהיה עד כמה העסק מדויק. לפחות במשחקים שלי מול המערכת של גוגל (עוד לפני השידרוג הזה שהגיע) זה עובד פשוט יפה, בעיקר ה Command (אגב, כמו שעופר ציין הפיענוח של גוגל באנדרואיד נעשה בענן ולכן יש להם כוח עיבוד הרבה יותר גדול ממה שמכשיר סמרטפון מסוגל לעשות). השאלה היא עד כמה גוגל ילכו עם זה קדימה או ששוב הם יחליטו להשאיר את זה במצב ביניים כזה של הוכחת יכולת, כמו שיש להם נטייה לעשות בחלק מהפרוייקטים האחרים שלהם. אני מקווה שהפעם הם יזהו את הפוטנציאל שיש בזה בשוק הסמרטפונים שם אין צורך בכל כך הרבה פקודות (וזיהוי טקסט) על מנת לבצע כמעט את כל המשימות הנפוצות במכשיר הסמרטפון

[oferlaor]

אני חושב שזה היה מנגנון של dragon

[Itay_Pollak]

מצטער אחרי שראיתי (לא לצחוק) הארי פוטר (חור עצבני בהשכלת הסרטים) - אין לי ספק שזה לא הכיוון, בדיבור אנחנו איטייייים מאוד. עדיף שליטה אחרת ויותר מהירה.

[Shed]

לגוגל יש עוד יתרון עצום בכך שהעיבוד נעשה בענן, מלבד כח מיחשוב, והוא היכולת ללמוד כל הזמן. גוגל יכולה בקלות לשפר כל הזמן את מנגנון הזיהוי שלה על ידי הצלבה של מיקום גיאוגרפי + ממוצע קורלציה בין הפקודה הנאמרת לפקודת הרפרנס אצלם, ועל ידי כך להשתמש באלגוריתם מותאם ספציפית לתושבי טקסס/ קנדה/ מזה"ת וכו' (לכל אחד מהם מבטא שונה מלאחרים).

[geblig]

האמת שאני לא בטוח שלוקח לי יותר זמן לכתוב מייל מאשר לאמר אותו...
בקשר לפקודות צלצול קוליות - זה קיים כבר המון זמן.

לא יודע עד כמה זה באמת יתפוס כי עובדה שכבר עשור שלם (או יותר) לא הצליחו להגיע למערכת מספיק יציבה.

[osherov]

תאמינו לי שרק בשביל הפקודה הקולית Set Alarm at 5 AM הייתי לוקח את היכולת הזאת
עכשיו ברצינות, אני מסכים שלכתוב SMS או מייל מלא רק בעזרת פקודות קוליות עדיין לא יתאים (לי לפחות)

*אבל בשביל לפתוח את תוכנת המייל או תוכנה לשליחת SMS ובנוסף לכך להוסיף נמען דרך פקודות קוליות עובד יפה מאוד כבר עכשיו. באמת זה פשוט קל ונוח.

*לבצע פקודת חיוג קולית לאחד אנשי הקשר עובד גם הוא מאוד יפה (הפעם האחרונה שזה עבד לי טוב על מכשיר סלולארי היה במכשירי נוקיה הישנים כאשר אז הייתי צריך להכניס תוית קולית לכל איש קשר אליו הייתי רוצה לחייג ועכשיו פשוט אין צורך בכך, התנאי ליכולת זיהוי הוא לייצר שמות של אנשי קשר גם בשפה האנגלית)

*פקודה נוספת שעובדת כמעט מושלם היא פקודת ה Search . פקודה זאת פותחת את מנוע החיפוש של גוגל על הדפדפן עם החיפוש הרצוי. כל עוד הטקסט לחיפוש הוא לא מסובך או ארוך מידי זה עובד יפה מאוד (לדוגמה על מנת למצוא את אתר טורניר הטניס הקרוב של שחר פאר אמרתי Search Tennis Tournament Montreal וזה הביא אותי בדיוק לנקודה הנכונה)

*עוד דוגמה שעובדת זאת הפקודה Map Nearby Gas Stations הפקודה הזאת פותחת את תוכנת המפות ואת תחנות הדלק הקרובות לנקודה בה אני נמצא עכשיו. כנ"ל גם לגבי Map Nearby Restaurants (אם זה מעניין מישהו המסעדה הקרובה אלי היא מסעדת הבשרים פורטראוס)

*עוד פקודה יפה (אבל למרבה הצער לא בישראל) היא פקודת ה Navigate to. תוכנת הניווט באמת נפתחת, אבל אז נאמר שאין עדיין תמיכה בניווט פניה אחרי פניה בארץ (יש crack לתוכנת הניווט המאפשרת להשתמש בניווט כזה גם בישראל על האנדרואיד, אבל מנגנון הפקודות הקוליות לא פותח את התוכנה הזאת)

בקיצור זה לא רק הפקודה הקולית לחייג למישהו, אלא זה הרבה יותר מזה והכי חשוב, זה עובד לא רע בכלל (גם לאלה שלא קוראים להם ג'וני או מייקל)


איתי,
אני חייב שתסביר את ההודעה האחרונה שלך
מה הקשר של סרטי הארי פוטר לבין זיהוי קולי?!

[osherov]

אי אפשר לדבר על זיהוי קולי בלי להציג את אחת הפשלות (המבדחות) ביותר של מיקרוספט בנסיון להציג את יכולת ה Speech Recognition על חלונות ויסטה ב 2006

[osherov]

עוד הוכחה שעסק הזה של זיהוי קולי עובד ולשם כנראה אנחנו הולכים (לפחות בתחום הסמרטפונים).

גוגל מדווחת שכבר היום 25% מהחיפושים שמתבצעים דרך מנוע גוגל ממכשירי אנדרואיד המריצים את גירסה 2.2, פקודת החיפוש שמבוצעת היא קולית! http://techcrunch.com/2010/08/12/google ... ice-based/

בעיני זה נתון מדהים (וזה עוד לפני היכולת החדשה שהוצגה בשרשור הזה)

[left]Google: 25% Of Queries From Android 2.0 Devices Use Voice Search
............
............
That’s a big deal, and it shows that Google’s investment in Voice Search is paying off. Barra says that even Google was surprised by just how frequently its users are using voice to generate search queries.[/left]

...

[Itay_Pollak]

מחשב HTPC נשלט קול - זה כבר יכול להיות שוס.
טלפון - אולי זה יהיה טוב לאנשי עסקים שאוהבים שמישהו כותב בשבילם.
מה שבטוח - זה יכול להיות שוס בבתי המשפט (למרות שתכלס שם כבר יש מערכת כזאת). או במקומות אחרים שצריך פרוקוטול.