BAZA ZNANJA

Kurs: - Informacione i internet tehnologije

Modul: Softver

Autor: Goran Radić, dipl.ing

Naziv jedinice: Programi za specijalne potrebe

U ovoj lekciji ćemo obrađivati:

• Prepoznavanje govora (engl. Speech recognition)
• Povećanje ekrana (engl. Screen magnifier)
• Čitači ekrana (engl. Screen reader)
• Tastature na ekranu (engl. On-screen keyboard)

Prepoznavanje govora
(engl. Speech recognition)

Prepoznavanje govora, poznato i kao automatsko ili kompjutersko prepoznavanje govora, pretvara izgovorene reči u mašinski (računarski) prepoznatljiv ulaz. Često se koristi termin "Voice recognition", kao odrednica za „Speech recognition“, gde je sistem ipak kreiran prema određenom govorniku. „Speech recognition“ je mnogo širi termin i može da prepozna bilo čiji govor, dok je „Voice recognition“ zasnovan na jedinstvenom vokalnom glasu određenog korisnika.

Speech recognition aplikacije uključuju neke od sledećih mogućnosti: pozivanje broja (npr. „pozovi kućni broj“), jednostavan unos podataka (npr. unos broja kreditne kartice),  procesiranje govor-tekst (npr. tekst procesori ili email), određene sistemske naredbe operativnom sistemu, izdavanje komandi u letelicama (avionima, helikopterima i dr.), pomoć osobama sa posebnim potrebama i dr.

Osobe sa posebanim potrebama imaju olakšan rad pomoću programa za prepoznavanje govora. Posebno za ljude sa povredama ekstremiteta i nemogućnosti ručnog unošenje podataka preko standardnih ulaza (tastature, Touchpad-a i sl.).

Softver za prepoznavanje govora

Softver za prepoznavanje govora omogućava korisnicima računara da izgovaraju tekst i komande računaru, zaobilazeći na taj način, uobičajeno korišćenje tastature i miša.  Pokušaji da se razvije stabilan softver za prepoznavanja govora počeo je još pre nekoliko decenija, ali ispostavilo se da tek današnji računari sa svojom snagom, omogućavaju potpuno prepoznavanje govora u realnom vremenu, tj. brzo prepoznavanje tokom brzog izgovaranja.

Prvi komercijalni programi pojavili su se 1990. godine. Nisu bili preterano precizni i mogli su da prepoznaju samo jednu osobu u jednom trenutku. Ipak, već se tada uvidela velika korist i od ovakvih rešenja, jer su u mnogome pomagali osobama sa posebnim potrebama, koji su ipak na taj način dobili mogućnost da rade sa računarom, posebno osobe (npr. osobe koje imaju Parkinsonovu bolest), koje teško mogu da kontrolišu svoje ruke, ali na ovaj način mogu da pišu članke i druge tekstove.

Naravno, postoje i mnoge druge oblasti koje mogu da imaju koristi od prepoznavanja govora. U privredi, industriji, na mestima koja zahtevaju zaštitu osoblja na radu, kao na primer nošenje zaštitnih rukavica, gde je ovakav način unosa mnogo efikasniji i nekada jedini u datom trenutku.

Danas, računar sa Dual-core procesorom, za kojim radi osoba sa jasnim izgovorom, može da dostigne tačnost od 99% prepoznavanja i brzinu od 150 reči po minuti. Ovo može da zvuči sjajno, ali se zahteva stabilan govor. Lako može da se desi da obična prehlada dovede do toga da računar ne prepozna govornika sa kojim je do tada sve radilo odlično.

Primeri softvera za prepoznavanje govora

Postoji više softverskih proizvoda za prepoznavanje govora i njihov broj na tržištu se iz dana u dan povećava. Od besplatnih softvera može se izdvojiti CMU Sphinx, koji predstavlja grupu sistema za prepoznavanje govora razvijenom na Carnegie Mellon Univerzitetu, čija je verzija Sphinx-4 razvijena u programskom jeziku Java.

Slika 1. Arhitektura softvera Sphinx-4

Windows Speech Recognition predstavlja aplikaciju za prepoznavanje govora uključenu u operativni sistem Windows Vista i  Windows 7. Korisnik može diktirati dokumenta i mailove u aplikacijama, koristiti komande za pokretanje i prebacivanje između aplikacija, kontrolisati operativni sistem, pa čak i popunjavati forme na mreži (Internetu).

Slika 2. Windows Speech Recognition

Dragon NaturallySpeaking je softverski paket za prepoznavanje govora razvijen od strane kompanije Dragon Systems, za Windows PC računare. Spada među prve programe na ovom polju i jedan je od danas najkorišćenijih. Sadrži tri osnovne funkcionalnosti: diktat, komande i opcija tekst u govor.

Slika 3. Dragon NaturallySpeaking

Uvećanje ekrana (engl. Screen magnifier)

Screen magnifier je softver koji reaguje sa računarskim grafičkim izlazom radi predstave uvećanog sadržaja ekrana. Tip je tehnologije prikladan za osobe sa problemima sa vidom.

Slika 4. Primer uvećanja sadržaja ekrana

Najjednostavniji način povećanja je povećan prikaz dela sadržaja ekrana, tako da pokriva veći deo ili ceo ekran. Ovaj uvećan deo obuhvata sadržaj od interesa za korisnika, na primer na mestu gde se nalazi kursor miša. Kako se kursor pomera, tako i Screen magnifier prati pokret i prikazuje novu uvećanu poziciju. Ako je ovo praćenje loše izvedeno ili postoji treperenje, dodatno će zamoriti korisnika i otežati praćenje, pa je od velike važnosti dobra implementacija rešenja.

Slika 5. Primer softvera - Andromeda_windows_magnifier

Pointer miša ne mora biti uvek posmatran kao mesto interesa korisnika. Na primer, ako korisnik pritisne prečicu sa tastature koja otvara meni, uvećanje će se premestiti na taj meni. Takođe, Pop-up prozori i sistemske poruke, mogu dobiti fokus po ovom pitanju.

Opseg uvećanja je obično od 2 do 16 puta. Što je veće uvećanje, manji je raspoloživi prostor za pregled originalnog sadržaja.

Slika 6. Povećanje u Windows Visti

Pored ove osnovne funkcije uvećanja, postoji i nekoliko drugih opcija koje nude ovi programi. Jedno od njih je inverzija boja, najčešće promena teksta iz „crnog na belom“, u „belo na crnom“, što često koriste ljudi sa problemima sa vidom. Takođe, povećanjem teksta gubi se na jasnoći i tekst se teže prepoznaje, pa se koristi Anti-alias opcija radi kompenzacije. Menjanje kursora se takođe često sreće, radi lakše uočljivosti, kao i različiti modovi uvećanja.

Nekada opcije povećanja ekrana dolaze zajedno sa čitačima ekrana (Screen reader), čime se i iščitava ono što je uvećano na ekranu.

Čitači ekrana (engl. Screen reader)

Čitači ekrana su softverske aplikacije koje pokušavaju da identifikuju i interpretiraju ono što je prikazano na ekranu. Ova interpretacije se potom ponovo prezentuje koristeći opcije “tekst u govor”. Ova vrsta tehnologije koristi se najčešće sa uvećanjem ekrana i namenjena je osobama sa posebnim potrebama.

Tastature na ekranu
(engl. On-screen keyboard)

Tastatura na ekranu je softversko-hardverska komponenta koja omogućava korisnicima unos karaktera. Ovakva tastatura za razliku od fizičke ima mogućnost višestranog unosa teksta (tastaturom, mišem, i dr.). Ovakav vid unosa koristan je za osobe sa invaliditetom, kao alternativan način usled nemogućnosti korišćenja standardne tastature.

Slika 7. Primer virtuelne tastature na iPhone-u

Imaju prednost kod korišćenja višejezičkih tastatura, gde je često neophodno prebacivanje između tastatura i traženje određenih znakova, koji na ovaj način postaju jasno vidljivi. Takođe, kod uređaja bez fizičke tastature (npr. PDA uređaji), čest je slučaj da korisnici unose tekst preko tastature na ekranu, koja je ugrađena u operativni sistem samog uređaja.