Tech Tips: ನೀವು ಆಡಿದ ಮಾತನ್ನು ಫೋನ್‌ ಅಕ್ಷರಗಳಾಗಿ ಹೇಗೆ ಬದಲಿಸುತ್ತದೆ?

ನಾವು ಮೊಬೈಲ್‌ನಲ್ಲಿ (Mobile) ಸಂದೇಶ ಬರೆಯುವಾಗ ಕೈಯಿಂದ ಟೈಪ್ ಮಾಡುವ ಬದಲು ಮೈಕ್ರೊಫೋನ್‌ ಬಟನ್‌ ಒತ್ತಿ ಮಾತನಾಡಿದರೆ ಸಾಕು. ನಾವು ಹೇಳಿದ ಮಾತು ಕೆಲವೇ ಕ್ಷಣಗಳಲ್ಲಿ ಅಕ್ಷರಗಳಾಗಿ ಪರದೆಯ ಮೇಲೆ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ. ಆದರೆ ನಾವು ಮಾತನಾಡಿದ ಧ್ವನಿಯನ್ನು ಫೋನ್‌ ಅಕ್ಷರಗಳಾಗಿ ಬದಲಿಸುವುದು ಹೇಗೆ? ಇದರ ಹಿಂದೆ Speech-to-Text ಎಂಬ ತಂತ್ರಜ್ಞಾನ ಕೆಲಸ ಮಾಡುತ್ತದೆ.

ನಾವು ಮಾತನಾಡಲು ಆರಂಭಿಸಿದಾಗ ಮೊದಲಿಗೆ ಫೋನ್‌ನ ಮೈಕ್ರೊಫೋನ್‌ ನಮ್ಮ ಧ್ವನಿಯನ್ನು ಸ್ವೀಕರಿಸುತ್ತದೆ. ನಾವು ಮಾತನಾಡುವಾಗ ಗಾಳಿಯಲ್ಲಿ ಉಂಟಾಗುವ ಧ್ವನಿ ತರಂಗಗಳನ್ನು ಮೈಕ್ರೊಫೋನ್‌ ವಿದ್ಯುತ್‌ ಸಂಕೇತಗಳಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ. ನಂತರ ಈ ಸಂಕೇತಗಳನ್ನು ಫೋನ್‌ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಹುದಾದ ಡಿಜಿಟಲ್‌ ಮಾಹಿತಿಯಾಗಿ ಬದಲಿಸಲಾಗುತ್ತದೆ.

ಇಲ್ಲಿಂದ ನಿಜವಾದ ಕೆಲಸ ಆರಂಭವಾಗುತ್ತದೆ. ಫೋನ್‌ ಅಥವಾ ಅದಕ್ಕೆ ಸಂಪರ್ಕ ಹೊಂದಿರುವ ಸಾಫ್ಟ್‌ವೇರ್‌ ಈ ಧ್ವನಿ ಮಾಹಿತಿಯನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತದೆ. ನಾವು ಮಾತನಾಡಿದ ಧ್ವನಿಯಲ್ಲಿರುವ ವಿವಿಧ ಮಾದರಿಗಳನ್ನು ಅದು ಗುರುತಿಸುತ್ತದೆ. ಯಾವ ಶಬ್ದವನ್ನು ನಾವು ಉಚ್ಚರಿಸಿದ್ದೇವೆ, ಅದರ ಉಚ್ಚಾರಣೆ ಹೇಗಿದೆ ಎಂಬುದನ್ನು ಗುರುತಿಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆಯ ತಂತ್ರಜ್ಞಾನಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ.

ಉದಾಹರಣೆಗೆ, ನಾವು ‘‘ನಾಳೆ ಬೆಂಗಳೂರಿಗೆ ಹೋಗಬೇಕು’’ ಎಂದು ಹೇಳಿದರೆ, ಫೋನ್‌ ಮೊದಲು ನಮ್ಮ ಧ್ವನಿಯನ್ನು ಸಣ್ಣ ಸಣ್ಣ ಧ್ವನಿ ಘಟಕಗಳಾಗಿ ವಿಶ್ಲೇಷಿಸುತ್ತದೆ. ನಂತರ ಅವು ಯಾವ ಪದಗಳಿಗೆ ಹೋಲುತ್ತವೆ ಎಂಬುದನ್ನು ಗುರುತಿಸುತ್ತದೆ. ಅದರ ಬಳಿಕ ಭಾಷೆಯಲ್ಲಿರುವ ಪದಗಳ ಕ್ರಮ ಮತ್ತು ವಾಕ್ಯದ ಅರ್ಥವನ್ನು ಪರಿಗಣಿಸಿ ಸರಿಯಾದ ವಾಕ್ಯವನ್ನು ರೂಪಿಸುತ್ತದೆ. ಇದೇ ಕಾರಣಕ್ಕೆ ನಾವು ಮಾತನಾಡಿದ ಮಾತು ನೇರವಾಗಿ ಅಕ್ಷರಗಳಾಗಿ ಪರದೆಯ ಮೇಲೆ ಕಾಣಿಸುತ್ತದೆ.

ಇದರಲ್ಲಿ ಕೇವಲ ಧ್ವನಿಯನ್ನು ಗುರುತಿಸುವುದಷ್ಟೇ ಕೆಲಸವಲ್ಲ. ಒಂದೇ ಪದವನ್ನು ಇಬ್ಬರು ವ್ಯಕ್ತಿಗಳು ಬೇರೆ ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಉಚ್ಚರಿಸಬಹುದು. ಪ್ರಾದೇಶಿಕ ಭಾಷಾ ಶೈಲಿ, ಮಾತನಾಡುವ ವೇಗ, ಉಚ್ಚಾರಣೆಯ ವ್ಯತ್ಯಾಸ, ಸುತ್ತಮುತ್ತಲಿನ ಶಬ್ದ ಇವೆಲ್ಲವನ್ನೂ ಪರಿಗಣಿಸಿ ಸರಿಯಾದ ಪದವನ್ನು ಊಹಿಸಬೇಕಾಗುತ್ತದೆ. ಇದಕ್ಕಾಗಿ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಧ್ವನಿ ಮತ್ತು ಭಾಷಾ ಮಾಹಿತಿಯ ಆಧಾರದ ಮೇಲೆ ತರಬೇತಿ ಪಡೆದ ಮಾದರಿಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ.

iPhone Duo Price: ಅಮೆರಿಕಕ್ಕಿಂತ ಭಾರತದಲ್ಲಿ ಐಫೋನ್ ಡ್ಯುಯೊ ಬೆಲೆ 1 ಲಕ್ಷ ಹೆಚ್ಚೇಕೆ?

ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ ಧ್ವನಿಯನ್ನು ಗುರುತಿಸುವ ಪ್ರಕ್ರಿಯೆ ಫೋನ್‌ನಲ್ಲೇ ನಡೆಯಬಹುದು. ಇನ್ನು ಕೆಲವು ಸೇವೆಗಳಲ್ಲಿ ಧ್ವನಿ ಮಾಹಿತಿಯನ್ನು ಇಂಟರ್ನೆಟ್‌ ಮೂಲಕ ಸರ್ವರ್‌ಗೆ ಕಳುಹಿಸಿ ಅಲ್ಲಿ ಸಂಸ್ಕರಿಸಿ ಫಲಿತಾಂಶವನ್ನು ಫೋನ್‌ಗೆ ಕಳುಹಿಸಲಾಗುತ್ತದೆ. ಯಾವ ವಿಧಾನ ಬಳಸಲಾಗುತ್ತದೆ ಎಂಬುದು ನೀವು ಬಳಸುತ್ತಿರುವ ಫೋನ್‌, ಆಪರೇಟಿಂಗ್‌ ಸಿಸ್ಟಂ ಮತ್ತು ಸೇವೆಯನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ.

ಹಾಗೆಯೇ, ನಾವು ವಿರಾಮ ನೀಡಿದಾಗ ವಾಕ್ಯ ಮುಗಿದಿದೆ ಎಂದು ಗುರುತಿಸುವುದು, ಪ್ರಶ್ನೆಯ ರೀತಿಯಲ್ಲಿ ಮಾತನಾಡಿದಾಗ ಪ್ರಶ್ನಾರ್ಥಕ ಚಿಹ್ನೆ ಸೇರಿಸುವುದು ಮುಂತಾದ ಕೆಲಸಗಳನ್ನೂ ಆಧುನಿಕ ಧ್ವನಿ-ಪಠ್ಯ ವ್ಯವಸ್ಥೆಗಳು ಮಾಡಬಲ್ಲವು.

ಹೀಗಾಗಿ ನಾವು ಮಾತನಾಡಿದ ಒಂದು ಪದವು ಪರದೆಯ ಮೇಲೆ ಅಕ್ಷರವಾಗಿ ಕಾಣಿಸುವುದರ ಹಿಂದೆ ಮೈಕ್ರೊಫೋನ್‌, ಧ್ವನಿ ಸಂಸ್ಕರಣೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ, ಭಾಷಾ ಮಾದರಿ ಮತ್ತು ಗಣಕ ವ್ಯವಸ್ಥೆಗಳ ಸಂಯೋಜಿತ ಕೆಲಸವಿದೆ. ನಾವು ಮಾತನಾಡುವ ಕೆಲವು ಸೆಕೆಂಡ್‌ಗಳ ಧ್ವನಿಯನ್ನು ಅರ್ಥಪೂರ್ಣ ವಾಕ್ಯವಾಗಿ ಬದಲಿಸುವ ಈ ತಂತ್ರಜ್ಞಾನವೇ ಇಂದು ಮೊಬೈಲ್‌ ಬಳಕೆಯನ್ನು ಇನ್ನಷ್ಟು ಸುಲಭಗೊಳಿಸಿದೆ.

ಇನ್ನಷ್ಟು ವಾಣಿಜ್ಯ ಸುದ್ದಿಗಳಿಗೆ ಇಲ್ಲಿ ಕ್ಲಿಕ್ ಮಾಡಿ