Требования к мультимедиа сегодня

К средствам мультимедия предьявляются некоторые требования как к програмному обеспечению ,так и к оборудованию.С каждым годом планка поднимается всё выше и выше ,так как современного пользователя уже трудно чем-нибудь удивить и, к примеру, заставить ломать глаза у 14-ти дюймового монитора, получать из принтера чёрно-белые картинки низкого качества.И современный PC фактически является домашним кинотеатром с расширенными возможностями.

Требования к аппаратной части PC:

* Персональный компьютер, работающий на микропроцессоре

не ниже PIII-600

* Оперативная память (RAM) не менее 128 mb

* Накопитель на жестком диске емкостью не менее 20 Gb.

* Дисковод для компакт-дисков CDRW(а лучше DVD) с большими скоростями записи и чтения

* Манипулятор типа "мышь" с кнопкой «скролл»

* Клавиатура , разработанная для использования с набольшим КПД

* Плоский 17ти дюймовый True Color дисплей с разрешением 1024 х 768 точек

* Видеоадаптер ,поддерживающий 3D графику

* Цветной струйный принтер с возможностью фотопечати

*Цветной сканер с глубиной цвета 48bit и разрешением 600dpi

* Высококачественный аудиоадаптер и мощная акустическая система(+микрофон)

* По крайней мере один LPT и один USB порт

* Инфракрасный порт для подключения беспроводных устройств

Требования к програмному обеспечению:

Должна использоваться современная OS, к примеру Windows 9x или XP. В програмных средствах ужесточаются требования к количеству ошибок, расширении словарей с увеличением числа поддерживаемых языков при распознавании(синтезе) речи и текста . Увеличены возможности конвертирования файлов в различные форматы. Возникли мощные продуктивные системы кодирования и сжатия информации.Удобные программы видеозахвата, видео и аудиовоспроизведения(видео и аудио плеер).Существует множество программ для прожига , а так же копирования лицензионных CD.Впрочем написана куча нужных и ненужных(для юзеров с изощрёнными запросами ) программ так или иначе имеющих отношение к мультимедиа.При чём развитие этих программ идёт с бешеными темпами так, что еле успеваешь обновлять soft.

Системы речевого ввода и вывода информации

Существует две технологии речевого общения с компьютером:

* системы распознавания речи;

* системы синтеза речи.

Системы распознавания речи

В системах распознавания речи выполняется оцифровка звуковой информации, ее идентификация с кодами, содержащимися в электронных тезаурусных (иногда многоязычных) словарях, необходимая автоматическая коррекция кодов и гене­рация соответствующих им символов, слов и предложений, возможный вывод тек­стов на экран для ручной их коррекции (иногда звуковое воспроизведение) и за­пись текстов в память машины либо исполнение «услышанных» команд.

По характеру распознаваемой речи системы речевого ввода можно разделить на:

* системы, ориентированные на распознавание отдельных слов, команд и вопро­сов;

* системы распознавания предложений и связной речи;

* системы идентификации по образцу речи.

Системы, ориентированные на распознавание отдельных слов, команд и вопросов

Системы, ориентированные на распознавание отдельных слов, команд и вопросов часто называют системами речевого управления, поскольку их основная задача — обеспечить выполнение компьютерной системой действий, задаваемых голосом.

Наибольшее распространение такие системы получили в автоматических телефон­ных службах. В них можно ввести голосом номер телефона вызываемого абонента или его имя; можно задать простой вопрос автоматической справочной службе.

Наиболее разработаны системы распознавания чисел, которые можно отнести к средствам распознавания первого поколения. В развитых системах такого рода человек сначала говорит свой числовой пароль, затем свой числовой идентифика­тор и только после этого может назвать число, кодирующее сущность запроса.

К средствам распознавания второго поколения относятся системы распознавания имен. Основаны эти системы на использовании ключевых слов (имен), хранимых, естественно, в базе данных системы. Множество хранимых слов и ограничивает возможные имена (при вызове телефонного абонента, например) и распознавае­мые команды и вопросы. Система Voice Writer компании Curzvail позволяет рас­познавать около 10 000 слов английского языка, которые после идентификации преобразуются в соответствующие ASCII-последовательности и либо исполняют­ся машиной (если это команды), либо заносятся в файл. Система компании Charles Schwab & Co., специализирующейся на предоставлении брокерских услуг участ­никам фондового рынка, при обработке более 10 тыс. названий и десятков видов ценных бумаг обеспечивает при распознавании 95%-ю точность (это, конечно, очень слабо, но количество клиентов этой справочной службы не убывает).

Существенно сложнее системы третьего поколения, строящие диалог с пользо­вателем с помощью системы голосовых меню. Такие системы основаны на идее обучения: в течение некоторого времени система обучается на большом количе­стве типовых речевых диалогов (включающих, кстати, и слова-паразиты). В ходе этого обучения строится рабочий словарь и база данных отношений между отдель­ными словами. Примером системы третьего поколения может служить Natural Dialogue System фирмы Philips, используемая швейцарской железнодорожной ком­панией Swiss Railwais для справочной системы, обслуживающей не только желез­нодорожные, но и автобусные маршруты, и паромные переправы.

Системы распознавания предложений и связной речи

Системы этой группы делятся на системы раздельной диктовки и системы распо­знавания связной речи.

Системы раздельной диктовки проще в разработке и технической реализации, но они требуют от пользователя не совсем естественного произнесения фраз — с ко­роткой паузой перед каждым следующим словом. К таким системам относятся, например, ViaType корпорации IBM, Dragon Dictate фирмы Dragon System. По­следняя система позволяет, наряду с прочим, непосредственно надиктовывать текст в программы Word, Word Perfect, Internet Explorer, Netscape Navigator и т. д. Ак­тивный словарь системы насчитывает десятки тысяч слов и может пополняться пользователем, скажем, по его профессиональной тематике. В системе дополни­тельно анализируются спектральные (частотные) характеристики каждой буквы, выделяются и хранятся ее отдельные фонемы (элементы спектра). На основе это­го анализа создаются фонетические модели букв и формируемых из них слов. Точ­ность распознавания достигает 90 %, а после проверки по словарю еще значитель­но повышается.

Наиболее сложные проблемы возникают при распознавании связной речи. При произнесении связной речи больше сказывается эмоциональная составляющая вводимой информации, и при слитном произношении слов несколько изменяется их звучание — все это, безусловно, затрудняет распознавание. Наиболее продвинутыми системами распознавания слитных текстов можно считать системы распознавания речи: Naturally Speaking Delux компании Dragon System, Via Voice корпорации IBM и WildFire фирмы Wildfire Communication, Voice Xpress фирмы Lernoute&Hauspie SpeechProducts. Названные системы позволяют обычно после длительной «тренировки» программы надиктовывать «своим» ПК тексты и отдельные команды, иногда даже разным операторам. Так, система ViaVoice позво­ляет многие виды работ на компьютере выполнять в речевом режиме. Можно на­диктовывать текст (письма, отчеты, статьи) непосредственно в Windows-приложе­ния, открывать и закрывать компьютерные файлы, ориентироваться в пределах рабочего стола. Такие речевые команды, как «file save, fale print, scroll up, scroll down» безошибочно выполняются компьютером. Скорость ввода текста достигает 140 слов в минуту, что намного больше средней скорости ввода-информации с клавиатуры.

Системы идентификации по образцу речи

Идентификация по образцу речи относится к биометрическим технологиям иден­тификации человека по его уникальным физическим признакам, таким как отпе­чатки пальцев, рисунок радужной оболочки глаз. Речь, подобно подписи, харак­теризуется множеством постоянных физических параметров (которые, кстати, существенно меньше меняются со временем, чем внешность человека). Цель сис­тем идентификации по образцу речи — идентифицировать конкретного известно­го системе пользователя и выявить самозванца. Взаимодействие пользователя с си­стемой идентификации состоит из трех этапов: .

* регистрации пользователя с целью запоминания особенностей его голоса и фор­мирования для него речевой модели;

* тестирования, во время которого выполняется сравнение поступившего образ­ца речи с запомненной речевой моделью пользователя, а также возможное вы­явление модели самозванца из базы моделей голосов множества прочих людей;

* допуска к работе в системе, если тестирование прошло успешно и пользователь назвал верный пароль.

Механизм распознавания речи

Механизм распознавания речи состоит обычно из четырех основных блоков:

• препроцессора;

• экстрактора;

• компаратора;

• интерпретатора.

Препроцессор или модуль сбора данных обеспечивает приведение речевого сигна­ла к наиболее качественному виду (производится автоматическая регулировка усиления, подавление эхо-сигнала, фиксация наличия или отсутствия речи и ин­тонационного конца фразы ).

Экстрактор выполняет спектральный анализ сигнала. Акустическо-фонетический поток звуков разбивается на короткие кадры (длительностью примерно по 10 мс) и выявляются спектральные характеристики каждого кадра. Компаратор выполняет акустическое сравнение выявленных характеристик каж­дого кадра с имеющимися акустическо-фонетическими образцами. Сравнение про­изводится на уровнях выявления контекстно-независимых фонем, контекстно-за­висимых фонем и моделей слов.

Интерпретатор решает задачу наилучшего разбиения полученного компаратора «алфавитного» потока на слова и фразы.