Снощи стоях до някъде 3:00, инсталирайки тонове софтуер. Какъв ще да е този софтуер, ще попитате?
Хрумна ми безумната идея да контролирам компютъра си с гласови команди. В главата ми изплуваха сцени как в просъница измърморвам „лека нощ, компютър“ и машината ме разбира и се изключва. Или как водя някоя мацка вкъщи и казвам тържествено „компютър, пусни малко Dire Straits“ (в „Сбогом и благодаря за рибата“ е описан благотворният ефект на Dire Straits върху половия живот).
Тъй като технологията, позволяваща такива благинки, се мотае наоколо от доста години, реших да потърся практическо приложение. На сайта на Microsoft е свободно достъпна тяхната система за синтез и разпознаване на говор, която позволява на всякакви съвместими с нея програми да получават информация директно от устата на човека зад компютъра.
Тайната ми надежда за поддръжка на други езици, освен английския, бързо се изпари, но пък сравнително бързо успях да науча системата да се оправя с акцента ми. И дойде време за втората стъпка…
Girder е програма, която позволява пълен контрол над компютъра чрез всякакви входни устройства – създадена е предимно с цел поддръжка на дистанционни и от доста време я ползвам заедно с дистанционното за TV тунера. Открих, че има и плъгин за интерфейс между Girder и гласовата система на Microsoft.
Самият плъгин явно не е предназначен за простосмъртни, тъй като за да дефинираш гласовите команди, с които да управляваш компютъра, трябва да пишеш XML файлове и да бърникаш един куп настройки. Накрая го преборих и дефинирах няколко команди за контрол на Winamp – Play, Stop, Pause, Next и други подобни.
С удоволствие установих, че всичко работи точно както трябва, но проблемът с едносричните думи е, че лесно се бъркат. Случи се нещо да падне на земята – компютърът чу „Стоп“. Освен това изпълняваше команди от музиката, която звучеше от тонколоните. Казах си „Ясно, трябват по-дълги фрази, за да не може да се объркат“.
Добавих на всички команди по едно „please“ отзад – редно е да сме учтиви все пак. В следващите 30 минути ги тествах и такова молене падна, че направо ми втръсна.
Накрая, предвид факта, че цялата тая пущина работи само в тиха стая, ако си в радиус 1 метър от микрофона – което лишава цялата работа от смисъл – ми писна и изтрих всичко, което бях инсталирал.
Въпреки всичко, гласовото командване е нещо, което би могло да бъде много удобно и полезно, прецизността на технологиите непрекъснато се развива и цялата тази работа определено има бъдеще.
Happy speaking!