äänisovellukset

Äänisovellukset ovat ohjelmistoja ja palveluita, jotka käsittelevät kuultua ja tuotettua ääntä sekä mahdollistavat vuorovaikutuksen puheella. Ne kattavat puheentunnistuksen, puheesta tekstiin -muuntamisen, tekstin puheeksi -muuntamisen sekä äänitiedostojen analysoinnin ja käsittelyn. Käyttöalueet ulottuvat mobiililaitteista tietokoneisiin sekä pilvipalveluihin.

Teknologinen perusta koostuu useista osa-alueista: puheentunnistus (ASR), puheesta tekstiksi -muuntaminen, luonnollisen kielen prosessointi (NLP), tekstin puheeksi -muuntaminen (TTS), ja äänisignaalin käsittelyyn liittyvät menetelmät kuten kohinanpoisto ja suuntaus. Toteutukset voivat olla pilvipohjaisia tai suoraan laitteessa (on-device). Laite- ja palveluympäristöjä voidaan yhdistää sekä reaaliaikaiseen että taustalla tapahtuvaan käsittelyyn.

Käyttökohteita ovat henkilökohtaiset avustajat ja älykotilaitteet, mobiilisovellukset ja auton puheohjaus, asiakaspalveluchatbotit, saavutettavuussovellukset sekä viihde- ja media-alan palvelut, kuten puheessa tapahtuvat tilaukset, äänikirjat ja ääniohjaukset.

Haasteita ja huomioita ovat yksityisyys ja tietosuoja, tallenteiden käsittely ja turvallisuus sekä mahdollinen väärinkäyttö. Kielien ja kulttuurien huomioiminen sekä ympäristön vaikutusten hallinta vaikuttavat tarkkuuteen ja käytettävyyteen. On myös tärkeää tasapainottaa suorituskyky, energiatehokkuus ja käytettävyys erityisesti mobiililaitteissa.

Historiallisesti puheentunnistuksen alkuvaiheet sijoittuvat 20. vuosisadan ensimmäisille vuosikymmenille, mutta merkittävä kehitys on tapahtunut neuroverkkojen myötä 2010-luvulta alkaen. Nykyään äänisovellukset yhdistävät puhe- ja kieliteknologian sekä laitteiden että pilvipalvelujen tarjoaman vuorovaikutuksen naturalistisempaan ja paremmin saavutettavaan käyttökokemukseen.