Διαλογικό σύστημα αναγνώρισης -σύνθεσης ομιλίας για πρόσβασηστο WEB

Στο πλαίσιο του Έργου ΕΣΤΙΑ, αναπτύχθηκε ένα διαλογικό σύστημα επικοινωνίας με ομιλία, με σκοπό τον έλεγχο των τυπικών λειτουργιών ενός φυλλομετρητή (browser) για πρόσβαση στον Παγκόσμιο Ιστό (Word Wide Web - WWW). Τα πλεονεκτήματα ενός τέτοιου συστήματος είναι προφανή και αυταπόδεικτα τόσο για άτομα χωρίς χέρια ή με δυσκολία χρήσης του πληκτρολογίου και του ποντικού, όσο και για άτομα με μειωμένη όραση ή και τύφλωση. Η ομιλία είναι ένας από τους πιο μοντέρνους και πολλά υποσχόμενους τρόπους διαλογικής επικοινωνίας των ανθρώπων με τους υπολογιστές και γενικότερα τις μηχανές. Η ενσωμάτωση όμως της τεχνολογίας ομιλίας σε μια συγκεκριμένη εφαρμογή σήμερα δεν είναι  τόσο εύκολη, αφενός μεν γιατί οι μέθοδοι αναγνώρισης ομιλίας δεν δίνουν λύσεις για όλες τις περιπτώσεις, αφετέρου δε γιατί τα διαθέσιμα εργαλεία υλικού και λογισμικού για το σκοπό αυτό δεν είναι τόσο ανεπτυγμένα και διαδεδομένα. Επιπλέον, πολλές φορές δεν δίδεται και τόσο μεγάλη σημασία στον τρόπο σχεδίασης και ανάλυσης της διεπιφάνειας χρήσης και του διαλόγου με ομιλία από την πλευρά του επιστημονικού τομέα επικοινωνίας ανθρώπου-μηχανής.

Το διαλογικό σύστημα επικοινωνίας με ομιλία για πρόσβαση στο Παγκόσμιο Ιστό (Word-Wide Web) αποτελείται από επιμέρους συστήματα και εφαρμογές Για την επίτευξη της επικοινωνίας μεταξύ χρήστη και λογισμικού με τη βοήθεια ομιλίας, χρησιμοποιήθηκαν τεχνολογίες αναγνώρισης και σύνθεσης ομιλίας. Πιο συγκεκριμένα χρησιμοποιήθηκε το ολοκληρωμένο σύστημα αναγνώρισης και σύνθεσης ομιλίας Phonetic Engine 500, με δυνατότητες αναγνώρισης συνεχούς ομιλίας, ανεξάρτητα από ομιλητή και με μεγάλο λεξιλόγιο για την Aγγλική γλώσσα. Για την πρόσβαση σε ιστοσελίδες, χρησιμοποιήθηκε η Windows εφαρμογή Netscape Navigator 3.01 που είναι ένας από τους πιο διαδεδομένους φυλλομετρητές που χρησιμοποιούνται σήμερα. Οι διαδικασίες που ελέγχονται μέσω ομιλίας είναι οι τυπικές και πλέον συνηθισμένες από αυτές που συναντώνται σε ένα φυλλομετρητή (π.χ. file new/open/save/print/close, open new location, exit, add bookmark, κλπ.).

Το διαλογικό σύστημα επικοινωνίας με ομιλία σχεδιάστηκε και υλοποιήθηκε με τη βοήθεια των εργαλείων του συστήματος αναγνώρισης-σύνθεσης ομιλίας Phonetic Engine 500 της Speech Systems, για τον έλεγχο του Netscape Commuinicator. Στη συνέχεια αξιολογήθηκε από 7 χρήστες, άνδρες και γυναίκες, με μέσο ποσοστό επιτυχίας 86% κατά την αναγνώριση της ομιλίας, αποκομίζοντας ταυτόχρονα και την πολύ θετική γνώμη όλων των χρηστών τόσο για την ευκολία χρήσης της συγκεκριμένης εφαρμογής, όσο και για την ενσωμάτωση της τεχνολογίας ομιλίας στις εφαρμογές πληροφορικής γενικότερα.