Íslensk talkennsla og talgerving

Ég geri ráð fyrir því að flestir lesendur hafi einhvern tíma hringt í þjónustuver, t.d. hjá símafyrirtæki, þar sem þeim er boðið að velja milli nokkurra kosta með því að ýta á mismunandi takka á símanum – 1 fyrir sölu áskrifta, 2 fyrir reikninga, 3 fyrir tæknilega aðstoð, o.s.frv. Stundum eru möguleikarnir svo margir að notandinn tapar þræðinum og man ekki að upptalningu lokinni fyrir hvað 1 stóð eða hvernig átti að velja tæknilega aðstoð. Þegar notandanum hefur svo tekist að velja rétta kostinn er eins víst að hann sé númer 29 í röðinni og þurfi að bíða óratíma eftir að fá svar við fyrirspurn sem jafnvel væri hægt að svara með einu orði eða einni setningu.

En þetta þarf ekki að vera svona. Í mörgum þjónustuverum erlendis þarf ekki að bíða eftir því að þjónustufulltrúi losni, heldur er það tölva sem hlustar á erindi notandans og greinir merkingu þess. Sú greining er síðan send til gagnabanka þar sem er að finna svör við margvíslegum fyrirspurnum, og viðeigandi svar sótt í bankann. Því svari er svo breytt í eðlilega setningu og hún send til tölvubúnaðar sem les hana fyrir notandann. Hugsanlega er svarið fullnægjandi þannig að notandinn geti þakkað fyrir sig og kvatt, en að öðrum kosti spyr hann áfram og sama ferlið endurtekur sig – spurningin er greind, svar sótt í gagnabanka o.s.frv.

Tölvan getur annað miklum fjölda fyrirspurna í einu þannig að biðtími nánast hverfur. Vissulega eru fyrirspurnir stundum of flóknar til að hægt sé að afgreiða þær á þann hátt, og þá á notandinn þess alltaf kost að biðja um samband við mennskan þjónustufulltrúa – eða tölvan gefur samband við þjónustufulltrúa ef hún skilur ekki fyrirspurnina eða getur ekki svarað henni. Þjónustuver af þessu tagi eru þó ekki til á Íslandi – ekki enn a.m.k. Forsenda þeirra er nefnilega flókin málfræðileg greining og þróaður hugbúnaður sem talsvert vantar á að til sé fyrir íslensku. En um þessar mundir er þó verið að stíga tvö mikilvæg skref í átt til slíks búnaðar.

Annars vegar er unnið að nýjum íslenskum talgervli á vegum Blindrafélagsins, en talgervill er hugbúnaður sem les upp ritaðan texta. Það er pólska fyrirtækið IVONA sem býr talgervilinn til með málfræðilegri og tæknilegri aðstoð fræðimanna frá Máltæknisetri (Háskóla Íslands og Háskólanum í Reykjavík). IVONA hefur á undanförnum árum gert talgervla fyrir allmörg tungumál og þeir hafa komið mjög vel út í samanburði við talgervla stórfyrirtækja á borð við Microsoft, Nuance, Loquendo, Acapela o.fl. Nýi talgervillinn mun búa yfir bæði karlrödd og kvenrödd, ólíkt eldri íslenskum talgervlum sem aðeins hafa talað einni röddu.

Í vor var gert mállíkan fyrir talgervilinn, með upplýsingum um íslensk málhljóð, hljóðasambönd og ýmis sérkenni tungumálsins. Upptökur beggja raddanna fóru fram síðsumars og síðan hefur IVONA unnið að því út frá mállíkaninu að matreiða þessar upptökur og búa til talgervil. Tilraunaútgáfa talgervilsins lofar mjög góðu en hún verður kynnt á degi íslenskrar tungu, 16. nóvember. Þá taka við umfangsmikil hlustunarpróf þar sem gæði talgervilsins verða metin og bent á galla sem þarf að bæta úr. Þeir geta verið margvíslegir – í framburði einstakra hljóða og hljóðasambanda, í tónfalli, í lestri úr tölum og skammstöfunum, o.fl. Endanleg verklok hafa ekki verið tímasett, en vonast er til að fullbúinn talgervill komi á markað vorið 2012.

Hitt verkefnið sem nú er unnið að nefnist Almannarómur og felst í söfnun raddsýna til að nota við gerð íslensks talgreinis, en talgreinir er hugbúnaður sem greinir og túlkar tal, ýmist í samhengi eða stök orð. Að verkefninu standa Háskólinn í Reykjavík og Máltæknisetur, í samvinnu við rannsóknardeild Google. Raddsýnin eru tekin upp á Android-snjallsíma og er ætlunin að taka upp tal allt að 200 Íslendinga, um 500 yrðingar frá hverjum – fólki af báðum kynjum og á ýmsum aldri. Upptökurnar verða settar á vef Google og þannig aðgengilegar öllum sem vilja nýta þær til rannsókna eða til þróunar máltæknibúnaðar.

Google vinnur að því að setja talviðmót á leitarvél sína, þannig að menn geti lesið leitarfyrirspurn í hljóðnema í stað þess að slá hana inn á lyklaborðið. Slíkt viðmót er reyndar þegar komið á sumar leitarsíður Google, t.d. á ensku aðalsíðuna (google.com) og kortavefinn (maps.google.com). Þar er táknmynd hljóðnema aftast í leitarlínunni og sé smellt á hana getur notandinn borið fram fyrirspurn sína í töluðu máli – að því tilskildu að hljóðnemi sé tengdur við tölvuna. Þróunin á þessu sviði er mjög ör um þessar mundir og má þar t.d. benda á Siri-hugbúnaðinn í iPhone-símum. Með því efni sem Almannarómur safnar er kominn grundvöllur að þróun nýs íslensks talgreinis, þótt enn sé óvíst hvenær hann verður tilbúinn.

Þótt þessi tvö verkefni skili þeim árangri sem vonast er til þýðir það ekki að við getum þar með farið að ræða við tölvurnar á íslensku. Það þarf einnig að greina setningagerð þess sem notandinn segir til að átta sig á merkingunni og tölvan þarf því að kunna reglur um íslenska setningagreiningu; hún þarf að hafa aðgang að góðu orðasafni til að geta flett einstökum orðum upp; og búa yfir að viðamiklum gagnabanka þar sem spurningar og svör eru tengd saman, svo og reglum sem gera henni kleift að orða svörin á eðlilegri íslensku. En nýr íslenskur talgervill og talgreinir ættu samt að skila okkur talsverðan spöl í rétta átt.