Em um universo com smartphones, TVs inteligentes e alto-falantes conectados, usar a voz para executar diferentes comandos é um hábito que só tende a crescer. Mas como incluir nesse espectro de consumo pessoas que, por alguma condição física, têm dificuldades com a fala? Pensando nessa questão o Google lançou em maio o Project Euphonia, que […]
Em um universo com smartphones, TVs inteligentes e alto-falantes conectados, usar a voz para executar diferentes comandos é um hábito que só tende a crescer. Mas como incluir nesse espectro de consumo pessoas que, por alguma condição física, têm dificuldades com a fala?
Pensando nessa questão o Google lançou em maio o Project Euphonia, que pretende explorar os recursos de inteligência artificial para averiguar como esse recurso pode interpretar e entender de forma mais eficiente as frases ditas por pessoas cuja velocidade ou pronúncia fuja do padrão aprendido pelo software. E a iniciativa acabou de apresentar seus primeiros resultados.
A companhia apresentou o vídeo abaixo, que mostra o pesquisador russo Dimitri Kanesky, que ficou surdo quando criança, tentando (e não conseguindo) se comunicar com o alto-falante Google Home. E depois, com a ajuda de um programa chamado Parrotron, sendo capaz de interagir com a caixa inteligente:
A companhia de Mountain View também publicou um post explicando como foi realizado o trabalho atual. De acordo com o texto, um formato de reconhecimento de voz padrão foi usado como base e depois modificado de acordo com as horas de gravação recolhidas pelo time de pessoas com dificuldades de fala. Essa medida, de acordo com o comunicado, já reduziu em até um terço o número de vezes em que o sistema não entendia (ou confundia) o que era dito.
Com base nos resultados, a pesquisa também apresentou os dois erros mais comuns cometidos pelos sistemas de análise de reconhecimento automático de fala (ASR, em inglês). O primeiro é o fato de que a IA troca alguma letra (como entender ‘b’ no lugar de ‘p’) e acaba não interpretando a frase corretamente.
O segundo erro mais comum detectado pelo time acontece quando a tecnologia entende uma palavra quando o usuário na verdade falou outra. Por exemplo: ao invés de “ligue a música”, o sistema interpreta como “ligue a máquina”.
Esses são alguns dos pontos que a pesquisa deseja explorar no futuro, especialmente coletando áudios de pessoas com alguma condição diferente de fala, para treinar a IA e aprimorar o trabalho realizado. O projeto até disponibilizou um formulário para quem desejar contribuir com os áudios, então é possível que surjam novidades em breve.
