====!"§==Systems= T-Systems RIC 21.04.23 1. oldal

A konvergenciapiac K+F igényeinek egyik konkrét

megvalósítása: HangportálDr. Vinkovits László

ügyvezető igazgató

Laszlo.Vinkovits@t-systems.co.hu

Elek Zsomborprojektvezető

Zsombor.Elek@t-systems.co.hu

T-Systems RIC Kutatási Kft.

====!"§==Systems= T-Systems RIC 21.04.23 2. oldal

Tartalom• Bevezető

•A Regionális Innovációs Centrum K+F feladatai

•A T-Research Laboratórium projektjei• A beszédfeldolgozási technológiák áttekintése

•Beszédfelismerés•Beszédszintézis

• A két technológia konvergenciája: a Hangportál•Tipikus alkalmazásai•Előnyei, hátrányai

• A technológia alapja: VoiceXML, dialógusok• Új alkalmazástípus: Személyreszabott portálok

•Hagyományos és hangvezérelt elérés•Várható elterjedésük

====!"§==Systems= T-Systems RIC 21.04.23 3. oldal

A kutatási irányok

Hosszútávú (5-10 éves) kutatások:- Online fordítás ( tanulmány készítése )- Bioszenzorika ( tanulmány készítése )

Prototípusok ( 1-2 év ):- Peer to peer ( tanulmány + platform előállítása )- PeMAP ( a magyar nyelvű implementáció )- Telebusiness ( platform készítése )- PPPoE ( prototípus kifejlesztése )

Rollout, SI-projektek:- I-Partner ( felmérés, fejlesztés, teszt, oktatás, átadás )- Tudor ( felmérés, fejlesztés, teszt, oktatás, átadás )

                                                                      

====!"§==Systems= T-Systems RIC 21.04.23 4. oldal

A kutatási irányok - projektekHosszútávú (5-10 éves) kutatások:

- Szabványosítás / Szabványosítási portál- Intelligens beszédtechnológiák

Prototípusok ( 1-2 év ):- Peer to peer folytatás- Dynamic Networking- Telebusiness folytatás

Rollout, SI-projektek:- I-Partner II- CRM ( Westel, Matáv )

====!"§==Systems= T-Systems RIC 21.04.23 5. oldal

3 952 500 €

1 190 000 €

1 972 000 €

790 500 €INM

TSI-ASP

Matáv

TSH

A terv 2003-ben:

Törzstőke: 121.500.000,-FtÁrbevétel: 1.880.000.000,-FtFoglalkoztatottak száma: 120 főA projektek/témák száma: 29

====!"§==Systems= T-Systems RIC 21.04.23 6. oldal

BMGE és RIC kooperáció

Kutató laboratóriumi program• Beszédinformációs rendszerek laboratórium• Peer-to-peer szolgáltatások laboratórium• Jellemzők: • A T-Systems RIC által elfogadott témák• Alap- és alkalmazott kutatás• Doktoranduszok és hallgatók bevonása, ösztöndíjak• Fix évi finanszírozás

Projekt alapú együttműködési program• Peer-to-peer rendszerek fejlesztése• Text-to-speech, speech-to-text rendszer fejlesztése• On-line fordítás (tanulmány)• Bioszenzorok alkalmazása INM rendszerekben (tanulmány) • Jellemzők: • A T-Systems RIC által definiált határidős feladatok• Alkalmazott kutatás-fejlesztés• Doktoranduszok és hallgatók bevonása, munkadíjak• Eseti finanszírozás

====!"§==Systems= T-Systems RIC 21.04.23 7. oldal

A beszédfeldolgozási technológiák áttekintéseBeszédfelismerés (Automatic Speech Recognition, ASR)

•Feladata: A beszédjelből az annak megfelelő szöveges átirat előállítása

•Fő elvárások: valósidejűség, beszélőfüggetlenség, zajérzéketlenség

Beszédszintézis (Text-to-Speech, TTS)•Feladata: egy szövegből a neki megfelelő

hangminta előállítása

•Fő elvárások: megfelelő intonáció, sebesség, hangnem, hangsúly, különböző személyiségek megjelenítése

====!"§==Systems= T-Systems RIC 21.04.23 8. oldal

Beszédfelismerés

A beszédfelismerés lehetséges csak az első szint felhasználásával, a második szint nagyobb pontosságot tesz lehetővé

Beszédjel

Mintavételezés,

előfeldolgozás

Mintaillesztés

első szintű átirat: szavak

Elemzésmásodik szintű átirat: mondatok

====!"§==Systems= T-Systems RIC 21.04.23 9. oldal

Beszédfelismerés: első szint

1. Mintavételezés, frekvenciaanalízis

2. Lényegkiemelés

3. Mintailesztés• Dinamikus idővetemítés• Neurális hálózatok• Rejtett Markov modell

a,b,…,z

?x y=‘a’

====!"§==Systems= T-Systems RIC 21.04.23 10. oldal

Beszédfelismerés: második szint•Az alapötlet: az emberi felismerés is ezt használja (ismeretlen nyelvű szöveg leírása nehéz feladat)

•A fő eszköz: elemzés (megértés)

•A cél: információ visszacsatolása az első szintre

•Fő módszerek:•Szintaktikai elemzés

•Valószínűségi: a felismart szavak sorrendje megadja annak a valószínűségét, hogy a mondat helyes-e

•Nyeltani alapú: környezetfüggetlen nyelvtani elemés (Chomsky)

•Szemantikai elemzés

====!"§==Systems= T-Systems RIC 21.04.23 11. oldal

Beszédszintézis 1.

„Text”

Szabály-adatbázis

Fonéma szótár

Előfeldolgozás

Fonéma átirat

Prozódiai tudás

(+érzelmek)

+ TTS Engin

e

•Az emberi beszédképző szervrendszer modellezése

•A beszédjel modelezése

•Mintaadatbázis használata

====!"§==Systems= T-Systems RIC 21.04.23 12. oldal

Beszédszintézis 2.

A TTS Engine:

•Az emberi beszédképző szervrendszer modellezése

•A beszédjel modelezése: formánsok manipulálása

•Minta-adatbázis használata: konkatenatív szintézis

F1 F2 F3f [Hz]

B(f)

+

====!"§==Systems= T-Systems RIC 21.04.23 13. oldal

Lehetővé válik a számítógéppel való beszéd alapú kommunikáció.

A számítógépen tárolt tartalom olyan környezetből is elérhető, amiből hagyományos formában eddig nehézkes vagy tilos volt.

A két technológia konvergenciája: a Hangportál

ASR

TTS

====!"§==Systems= T-Systems RIC 21.04.23 14. oldal

Tipikus alkalmazások

• E-mail üzenetek felolvasása• Nevek és címek• Hírek, időjárás• Pénzügyi információk: számlaegyenleg,

részvényárfolyamok lekérdezése• Dinamikus weboldalak• Figyelmeztetések• Riasztások

====!"§==Systems= T-Systems RIC 21.04.23 15. oldal

Előnyei, hátrányai

Hátrányok• Gyakori a visszakérdezés• Van esély félreértésre, rossz válasz rögzítésére• Könnyebben lerakják a telefont az emberek,

mintha egy emberrel beszélnének• Szabad szöveget válaszként nem tud rögzíteni

Előnyök• Alacsony költség• Normál munkaidőn kívül is használható• Nincs szabadság, betegállomány

====!"§==Systems= T-Systems RIC 21.04.23 16. oldal

Telefon hírmondó

• Aktuális hírek, óránként frissülve

• Az egyes hírcsoportok külön előfizethetők

• Tipikus parancsok:•Menüválasztás

•Ismétlés

•Előző hír

•Következő

Login

Főmenü

Időjárás

…Belföld

Hír1

Hír2

HírN

Új hívás

Külföld

Hír1

Hír2

HírN

====!"§==Systems= T-Systems RIC 21.04.23 17. oldal

Személyre szabott portálok

Az általános struktúra:

Alkalmazás szerver

Voice browser

VoiceXML(HTTP) DB

A felhasználó azonosítása után lehetőség van személyre szabott tartalom megjelenítésére.

ASR

TTS

Tel

VXML Interpr.

====!"§==Systems= T-Systems RIC 21.04.23 18. oldal

VoiceXML

• Voice eXtensible Markup Language• Feladat: audio dialógusok létrehozása• Fő funkciók:

•Szintetizált beszéd és Hangfelvételek lejátszása

•Beszéd és DTMF jelek felismerése•Telefonvonal kezelése (pl. átirányítás)

• Célja: a webes fejlesztések és tartalomszolgáltatások átültetése hangvezérelt környezetbe

Dokumentum szerver

VoiceXML Interpreter

VXML file

Kérés Implementációs platform

====!"§==Systems= T-Systems RIC 21.04.23 19. oldal

VoiceXML dialógusokMenu Form

Menu1

Menu2

Menu3

Menu4

Main menu

Exit

Kérem, válasszon:

Form

Budapest123-456

Név:Cím:Tel.:

Kovács

OK Mégse

Kérem, töltse ki:

====!"§==Systems= T-Systems RIC 21.04.23 20. oldal

Egy működő architektúra

Partnerek:

• BMGE, TMIT

• T-Systems RIC

• T-Systems Nova Berkom, Berlin

Felhasználás: •Hírportál

====!"§==Systems= T-Systems RIC 21.04.23 21. oldal

Közvéleménykutatás 2002

Főbb jellemzők• N=200 fős minta• Magas telefonköltségű egyéni Matáv ügyfelek

Kérdések• Információs eszközök elterjedtsége és használata • Vásárlási szokások, vásárlással kapcsolatos attitűdök • Információforrások preferenciája, igénybevételi jellemzők • Megközelítőleg mekkora összeget szánnának a

bevezetni tervezett szolgáltatásra az interjúalanyok?

====!"§==Systems= T-Systems RIC 21.04.23 22. oldal

25,3

21,2

20,2

4

29,3Nagyon felkeltette

Felkeltette

Igen is, nem is

Nem

Egyáltalán nem

Felkeltette az érdeklődését?

• A szolgáltatás a fiatalok érdeklődését jobban felkeltette, mint az idősebbeké

• Közel a válaszadók felének (46,4%) érdeklődését egyértelműen felkeltette a szolgáltatás az elhangzott ismertető alapján.

====!"§==Systems= T-Systems RIC 21.04.23 23. oldal

9,6

47,6

7,5

35,3Biztosan előfizet

Valószínüleg előfizet

Nem valószínű, hogyelőfizet

Biztos, hogy nem fizetelő

Várható elterjedés

• Közel a válaszadók tizede biztos abban, hogy előfizetne egy ilyen hírszolgáltatásra, míg nem egészen a felük valószínűnek tartja mindezt (47,6%).

====!"§==Systems= T-Systems RIC 21.04.23 24. oldal

8,1

18,9

25,7

39,2

8,1

Naponta

Hetente többször

Hetente

Havonta

Ritkábban

Várható használati gyakoriság

• A válaszadók több mint fele biztos abban, hogy legalább hetente igénybe venne egy hasonló szolgáltatást.

====!"§==Systems= T-Systems RIC 21.04.23 25. oldal

Fizetési hajlandóság

34,5

14,9

4,1

11,6

6,6

12,4

1,7 3,3 3,3 2,55,0

0,0

5,0

10,0

15,0

20,0

25,0

30,0

35,0

40,0

>3000

Ft

3000

Ft

2500

Ft

2000

Ft

1500

Ft

1000

Ft

800F

t

500F

t40

0

<400F

t

nem fiz

etne

Az átlag a 3000Ft feletti kategória magas aránya miatt 3226Ft

====!"§==Systems= T-Systems RIC 21.04.23 26. oldal

Vége

Köszönjük a figyelmet!