Google, голос!

Работает голосовой поиск Google так. Нажимаете кнопку на мобильном телефоне (рядом со строкой поиска), произносите запрос вслух (желательно при этом говорить прямо в микрофон), например: "Галерея на Солянке". Телефон сохраняет полученные звуковые сэмплы и отправляет их на сервер Google. Затем браузер выдает строку с распознанным текстом и ответы поисковой системы на ваш запрос. Звучит замысловато, но на деле – очень удобно.

На первый взгляд с большинством популярных запросов голосовой сервис Google справляется хорошо. Например, на запрос "500 баксов в рублях", сказанный в телефон, вы, скорее всего, получите ответ точно такой же, как и в случае набора текста с клавиатуры. А именно: "500 долларов США = 15 512,0529 российских рубля".

То же самое – с погодой. На голосовой запрос "Погода в Москве" с вероятностью близкой к 100% вы получите желаемый ответ в первой строчке: "10 градусов тепла, дождь". Проблема с распознаванием может возникнуть, в случае если у телефона не все в порядке с микрофоном, кроме того, угрозу представляют внешние шумы. Качество результата может зависеть и от конкретной модели телефона – не все микрофоны одинаково "полезны". К примеру, спикеру Hugo Barra, директору по мобильным продуктам Google, так и не удалось заставить Google корректно транслировать фразу "Pushkin restraunt" в текст. Великий русский поэт Pushkin превратился в бессмысленное словосочетание Push Can.

На самом деле распознавание речи на разных языках – очень сложная задача, которую с переменным успехом решают в течение многих лет и продолжают решать до сих пор. Здесь целая тонна подводных камней – различные тембры голоса, множество акцентов и, конечно, особенности и правила языка. Основу вычислений Google составляет вероятностная модель: сервер соотносит полученные голосовые сэмплы со своей базой – и в первую очередь с наиболее популярными запросами. На практике это выливается в проблему с распознаванием редких слов и выражений: экзотических имен собственных, фамилий или аббревиатур. Со слов спикеров, компания Google проделала огромную работу – в проект вовлечены множество добровольных тестеров с различными моделями телефонов и особенностями голоса и произношения, благодаря чему удалось достигнуть результата, который не стыдно продемонстрировать.

Однако работать еще есть над чем. Алгоритм голосового распознавания (как, впрочем, и текстового поиска) совершенствуется с каждым новым пользовательским запросом. Так что качество голосового поиска – это лишь вопрос времени.

Технология распознавания речи Google может быть встроена в любое приложение (код открыт для всех желающих). На пресс-конференции был продемонстрирован голосовой набор SMS-сообщения. При этом некорректно распознанные слова всегда можно поправить с помощью клавиатуры. Невероятно удобен голосовой набор при навигации. В приложении Google Navigation продиктовать пункт назначения – например, "Аэропорт
Домодедово" – и вы тут же получаете оптимальный маршрут. И все это без помощи рук.

Несмотря на то, что объем пересылаемых голосовых данных, со слов спикеров, в среднем не превышает 100 Кб, практика показала: чтобы голосовой поиск работал хорошо, необходима приличная скорость доступа в интернет. По GPRS пользоваться сервисом проблематично. По 3G – более-менее. Ну и совсем хорошо, если вблизи есть точка доступа Wi-Fi.

Важный момент: чтобы искать голосом по-русски, нужно обязательно использовать русский в качестве языка интерфейса. Поиск на английском языке поддерживается независимо от языка интерфейса.