వాయిస్‌ రికగ్నిషన్‌లో మరింత పురోగతి

 

ఇంతకుముందు ఈ ఎర్రర్‌ రేటను 6.3 శాతానికి తీసుకరాగలిగామని ఇదే మైక్రోసాఫ్ట్‌ పరిశోధకుల బృందం ప్రకటించింది. ఇప్పుడు డాన్ని 5.9 శాతానికి తగ్గించగలిగామని మైక్రోసాఫ్ట్‌ బ్లాగ్‌లో పేర్కొంది. గతంలో ఈ ఎర్రర్‌ రేట్‌ 43 శాతానికి పైగా ఉండేదని పేర్కొంది. మాట్లాడేటప్పుడు మానవ మెదడులో కలిగే మార్పులను దృష్టిలో పెట్టుకొని మరిన్ని గ్రాఫిక్స్‌ రూపొందించడం ద్వారా ‘వాయిస్‌ రికగ్నిషన్‌లో ఎర్రర్‌ శాతాన్ని తగ్గించగలిగామని ఆ బృందం వెల్లడించింది. ఇందులో ఎర్రర్‌ శాతాన్ని తగ్గించగలమే గానీ పూర్తిగా నిర్మూలించడం ఎవరివల్లా సాధ్యమయ్యే పనికాదని, ఎందుకంటే ఒకరి ఉచ్ఛారణను మానవులే పొరపాటు పడుతున్నప్పుడు కంప్యూటర్లు పొరపాటు పడడం వింతేమీ కాదని ఆ బృందం వ్యాఖ్యానించింది.

 

అయితే ఇంకా ఈ విషయంలో ఎంతో పురోగతి సాధించాల్సిన అవసరం ఉందని, ఓ గుంపు ఓ చోట మాట్లాడుతున్నప్పుడు ఆ గుంపులో ఓ వ్యక్తి ఏం మాట్లాడుతున్నాడో లేదా ఓ వ్యక్తి గొంతు వెనక పది గొంతులు కలసి వినిపిస్తున్నప్పుడు ఆ పది గొంతులను తొలగించి ఆ ఒక్క వ్యక్తి గొంతును మాత్రమే స్పష్టంగా గుర్తించేలా ఈ సాఫ్ట్‌వేర్‌ను అభివృద్ధి చేయాల్సి ఉందని ఆ బృందం పేర్కొంది. ఓ వ్యక్తి మాట్లాడుతున్నప్పుడు వాళ్లు ఉపయోగించిన పదాల వెనక సందర్భం ఏంటో మానవులు గ్రహించగలరుగానీ కంప్యూటర్‌ సాఫ్ట్‌వేర్‌ గుర్తించే పరిస్థితి ప్రస్తుతానికి లేదు. వచ్చే అవకాశం కూడా లేదు.