Hogyan kezdjek el egy programot, ami beszél, és reagál arra amit mondok? Bővebben lent.

recognition = felismerés

recognizer = felismerő

Ha egy library-ről beszélünk, akkor ő szerepe szerint felismerő, tehát recognizer. De tök felesleges a ragozás kákáján csomót keresni, ugyanaz a szótő, és a lényeg.

JARVIS az :D

Figyelj ide, az csak egy film, kitalált dolgok vannak benne, nem valóság. Marha jó lenne olyan mesterséges intelligenciával társalogni mint JARVIS, csakhogy ilyen egyelőre nem létezik. A filmben JARVIS -nak több olyan tulajdonsága is van, amikről komoly AI és MI kutató laboratóriumokban is csak álmodnak egyelőre. Gondolj bele, hogyha a szakterület neves kutatói immáron legalább egy évtizede az MI-t kutatják, dollármilliókat felemésztve, akkor gondolod, hogy kezdőként egy unalmas hétvégén lekódolod JARVIS-t?

Egyébként léteznek hangfelismerő alkalmazások, és algoritmusok, ezek ugye a látás károsultak igyekeznek segíteni a számítógép és telefon használatban. Ha ennyivel is megelégszel, hogy utasítod a gépedet, hogy "Könyvtár létrehozása" és erre csinál neked egy könyvtárat egy előre megadott helyen, akkor csak rajta, ez nem lehetetlen. De magától sosem fog neked ilyesmit csinálni. Főleg nem olyat, hogy előre kitalálja a te gondolatodat. (Ugye a filmben erre is van többször is példa, hogy JARVIS előre megjósolja, hogy alkotója mire utasítaná).

Mese tejszínhabbal

Léteznek jó hang-felismerő API-k.

Voce: [link]

Sphinx: [link]

OpenEars: [link]

Sajnos a magyar nyelvvel mindegyik hadi lábon áll, léteznek magyar egyetemeken próbálkozások, de azok még annyira sem használhatóak, mint ha egy angol SR-t erőszakolnál magyar nyelvre.

De mire sikerül ezeket produktív szinten használnod, fog menni annyira az angol, hogy ne érdekeljen.

Valószínű, hogy csalódni fogsz a meglévő technológiákban, mert messze vannak a JARVIS tól.

Ha egyszerűen akarod vezérelni a számítógépedet, ott a Windows beépített hangvezérlése.

[link]

Az emberi beszéd felismerése nem egy egyszerű dolog, gondolj csak Siri-re, mennyi hülyeséget mond és csinál. Még ha a hang felismerésére jó is, a mesterséges intelligenciája nagyon alap szintű, az 1966-os ELIZA mellett például úgy viselkedett mint egy taknyos kölyök az óvónénivel. Ez 46 év van köztük.