Ahotsaren bidez mugak gainditzen

Azken urteotan teknologia berrien inbasio txiki bat pairatu dugu. Konputagailuak, Internet, telefono mugikorra... edonon aurki daitezke; aurretik beste gailu teknologiko asko bezala, jadanik gure eguneroko bizitzaren ohiko tresna bihurtu dira. Berez, gaur egun, gero eta errazagoa da etxean konputagailu bat edukitzea.

Zalantzarik ez dago teknologiak gure bizimodua aldatzen jarraituko duela. Nolabait teknologiak historian zehar gizakien habitatean izan duen eragina izugarria izan da, gehienetan bizi-kalitatea hobetzeko, baina zenbait kasutan, zoritxarrez, baita okertzeko ere (armagintzaren kasuan). Dena dela, horren aurrean izaten dugun jarrera ez da epela izaten.

Antzina, elektrizitatea, telefonoa, telebista, irratia eta beste zenbait aurrerapen teknologiko berri gure bizitzaren parte bihurtu ziren eta ikaragarrizko aldaketa suposatu zuten eguneroko bizimoduan. Hasiera batean, jende gehienak elementu teknologiko horiek pribilegiatu gutxi batzuek erabiliko zituztela pentsatu bazuen ere ... argi dago oker zeudela! Denborak frogatu du gizarteak edozein teknologia berri onartzeko egokitze prozesu bat behar duela, baina azkenean ohiko tresna bihurtzen dela.

Tamalez, askotan teknologia agertzeko prozesua eta erabiltzaileak behar duen egokitze denbora ez datoz bat, eta erabiltzailea galduta eta beldurtuta egon ohi da. Izan ere, ikasketa-prozesua oso konplexua eta neketsua da.

Azkenaldian, teknologia berriek sortzen dituzten mugak gainditzeko asmoz, zenbait interfaze lagungarri hasi dira sartzen. Interfaze horiek, makinen eta erabiltzailearen arteko komunikazioaren naturaltasuna bilatu, eta gizakien komunikazio-erak simulatzen saiatzen dira. Beraz, pertsonek komunikatzeko erabiltzen duten biderik naturalena ahotsa denez, hori konputagailuarekin komunikatzeko tresna ezin egokiagoa izan daiteke. Batez ere ahotsak nolabait makinak biguntzen dituelako eta erabiltzailea erosoago sentitzen delako.

Gizakiek teknologia berrien aurrean sentitzen duten ezintasuna (horiek kontrolatzeko gai ez direlako) mugikortasun gutxiko pertsonek (minusbaliatuak, agureak) askotan ohiko gauzekin izaten duten sentimendua da. Esaterako, kondizio fisiko ona duen pertsona batentzat atea irekitzeak ez du esfortzu handirik suposatzen. Aldiz, pertsona horrek bere mugikortasuna gutxitzen duen arazo fisikoren bat baldin badauka, ate hori ezin gaindituzko muga bihur daiteke.

Pertsona horien kasuan, askotan teknologia oso baliagarria izan da beren bizitza errazteko: gurpil-aulki motordunak, teklatu egokituak, igogailu bereziak, etab. Eta horientzat ere ahotsa oso tresna baliagarria izan daiteke eguneroko mugak gainditzeko.

Beraz... Zergatik ez kontrolatu gurpil-aulkia ahotsaren bidez? Eta... zergatik ez kontrolatu etxeko elementu arruntak: telebista, ateak, argiak, leihoak, etab. ahots-aginduak erabiliz? Hori zientzia-fikzioa al da? Ez, hori teknologia berri bat da, domotika deritzona. Domotikak eraikin adimendunen diseinua, kontrola eta garapena hartzen ditu bere baitan. Beraz, aplika dezagun Domotika zientzia mugikortasun gutxiko pertsonentzat ahotsaren bidez kontrolaturiko etxe bat egiteko. Azkenik, zergatik ez erabili euskara gure ametsetako etxetxoa kontrolatzeko?

Amets hori errealitatera hurbiltzeko asmoz AHOTSDOMO sistema garatu da. Sistema hori erabiliz, etxe baten erabilera arrunteko elementuak ahotsaren bidez euskaraz kontrola daitezke.

AHOTSDOMO sistemaren deskribapen orokorra

1. irudian AHOTSDOMO sistemaren eskema orokorra ageri da. Hor sistemaren funtzionamendua ikus daiteke.

Erabiltzaileak agindu bat ematen duenean, ahotsaren bidezko kontrol-sistemak prozesatzen du. Emandako agindua sistemaren agindu-multzoaren barnean ez badago, ez du kasurik egiten. Aldiz, aginduetako bat bada, sistemak ezagutu egiten du eta kode bat esleitzen dio.

Agindu kodifikatua, komunikazio-atakaren bidez, kontrol-interfazeari bidaltzen zaio eta interfazeak deskodeketa-sistemari. Horrek deskodetu egiten du eta agindua egikaritzeko beharrezkoak diren elementuak aktibatzen ditu.

Zenbait kasutan, agindua egikaritu denean, sistemaren sentsoreek erantzun bat bidaltzen diote kodeketa-sistemari. Horrek erantzuna kodifikatzen du eta, interfazearen bidez, kontrol-sistemari bidaltzen dio. Kontrol-sistemak agindua egikaritutzat ematen du eta hurrengo agindua jasotzeko prest gelditzen da.

Ahotsaren bidezko kontrol-sistema

Sistemaren osagai honek ahots-aginduak kontrolatzen ditu sistemaren kontrol-lengoaia erabiliz. Edozein lengoaiatan bezala, kontrol-lengoaia definitzeko bi baliabide behar dira: hiztegia (lengoaiaren hitzak) eta gramatika (lengoaiaren erregelak).

Sistema honen kasuan, bai ahots-sistema garatzeko, bai hiztegia eta gramatika definitzeko IBMren ViaVoice -ren Software Development Kit (SDK) ahots-ezagutzarako aplikazioak garatzeko software-tresna erabili da. Tresna horrek gauzatzen du ViaVoice -ren ezagutza-motorra erabiltzea definitutako edozein lengoaia kontrolatzeko.

Ondoren, kontrol-lengoaiaren definizioa (hiztegia eta gramatika) ViaVoice -ren SDK softwarea erabiliz aztertuko dugu.

Kontrol-lengoaiaren sorkuntza

Hizketa-ezagutzarako sistema baten hiztegia sistemak ulertzeko gai den hitzez osatuta dago (esate baterako, AHOTSDOMO sisteman: 'piztu', 'argia' ...). Bestalde, sistemaren gramatikak sistemak uler ditzakeen esaldi-multzoak definitzen ditu (adibidez: 'Piztu argia', 'Piztu lekua partikula argia' ...).

Gramatikaren eta hiztegiaren definizioek zehatzak izan behar dute eta lengoaiaren zenbait irizpideri jarraituz diseinatu behar ditugu, sistemaren funtzionamendua egokia izateko:

  • Erabilera erosoa. Gramatikak erosoa izan behar du erabiltzailearentzat, ohiko lengoaia erabili eta gogoratzeko erraza izan. Ahal den neurrian esaldi motzak erabiliko dira eta hiztegi arrunta eta murriztua.
  • Malgutasuna. Erabiltzaileak erabil dezakeen agindu-multzoak zabala izan behar du.
  • Hiztegiko hitzen arteko desberdintasun nabaria. Hiztegia osatzeko oso antzekoak ez diren hitzak erabiltzea ezinbestekoa da sistemaren nahasketa probabilitatea txikia izateko.
3. irudia. AHOTSDOMO sistemaren kontrol panela.

AHOTSDOMO sistemaren kasuan 18 hitzez osatutako hiztegia erabili da eta oso gramatika sinple eta erraza diseinatu da etxeko oinarrizko elementuak kontrolatzeko.

Gramatika adierazteko, Backus-Naur forma edo BNF gramatika deritzona daukagu. Horren bidez, erabili behar den lengoaiaren sintaxia eta notazioa deskribatzen dira. BNF gramatika-mota horien artean hizketa-ezagutzarako egokitua izan den mota bat dago, Hizketa Ezagutzarako Kontrol Lengoaia, hain zuzen ( Speech Recognition Control Language SRCL). Hots, AHOTSDOMO sistemaren gramatika definitzeko SRCL-BNF gramatikaren notazioa erabili da.

Sistemaren produkzio-erregelak ondokoak dira (gramatikaren elementuak " ", “ " ikurren artean adierazi dira; "|" ikurraz, batera erabili ezin diren elementuak; eta "?" ikurraz, aukerazko elementuak ageri dira) (2. irudia).

Esaldi onartuen multzoa zabala da eta malgutasuna eta erraztasuna eskaintzen dizkio erabiltzaileari gramatika horrek. Sistemak onartzen dituen esaldien adibideak dira ondokoak:

  • "Ireki sukaldeko leihoa", "Ireki leihoa".
  • "Piztu sukaldeko argia", "Piztu argia".
  • "Konektatu lehenengo entxufea", "Konektatu entxufea".

IBMko ViaVoice-ren SDKren egokitasuna euskararako

ViaVoice

-ren SDK softwarea hainbat hizkuntzatarako konfigura daiteke. Tamalez, euskara oraindik ez dago horien artean. Dena dela, tresna baliagarria dauka hiztegi berria sartzeko: hiztegia gehitzeko tresna. Horrek hitz berriak definitzeko balio du, IBMko Via-Voice -ren motorrak erabil ditzan. Tresna horretan hitza ez da soilik ortografikoki definitzen, fonetikoki ere definitzen da. Beraz, aukera ezin hobea da gaztelaniazko fonetika erabiliz euskarazko hitzak definitu ahal izateko. 1. taulan sistemak euskaraz erabiltzen dituen aginduen zerrenda ageri dira.

Taula honetan ikus daitekeenez, hitzak egokitu egin dira ViaVoice -ren motorrak erabili ahal izateko. Horretarako, euskarazko soinuen

baliokideak bilatu ditugu gaztelaniazko soinuen artean (adibidez: ts = ch , z = s , ge = gue ...). Horixe da lan horren 'gakoa', horrela, mota horretako aplikazioen garapen-kostua nabarmen jaisten baita.

Metodologia honen bidez, euskaraz egin daitezkeen kontrol-aplikazioak ugariak dira. Batetik, euskarazko hitzak eta ViaVoice -ren gaztelaniazko hiztegiko hitzak oso desberdinak direlako (eta haien arteko nahasketa oso txikia delako); bestetik, aplikazio hauetan gramatika hitz sinpleez osatuta dagoelako.

Aginduen kontrol-sistema

Eskema orokorrean ikusi denez, agindu ezagutua kodifikatzen da eta kontrol-elementuei bidaltzen zaie horiek egikari dezaten. Bi agindu-kontrol mota daude sisteman:

  1. Berehalako kontrol-kodeko elementuak. Elementu sinpleak: argiak, telebista, etab. Aginduaren egikaritzeak ez du egiaztapena behar: "piztu argia", "konektatu entxufea". Elementu horien kontrola egiteko bi sistema erabil daitezke:

    a) X10 protokoloa. Domotikan erabiltzen den protokolo estandarra da. Agindu kodeketarako metodologia honek abantaila nagusi bat du: ez du kableaketa berezirik behar, instalazio elektrikoa komunikazio-autobide moduan erabiltzen duelako, aginduak bidaltzeko eta jasotzeko.

    b) 8051 mikrokontrolagailua. Mikrokontrolagailuak seinale anplifikatu bat bidaltzen du aukeratutako elementuaren gainean eragiteko.
  2. Kodea egiaztatzeko elementuak. Elementu konplexuak: pertsianak, ateak, etab. Agindua egikaritzean, nahitaez sentsore bat behar dutenak sistemari erantzuteko. Segurtasun-kontrol hori erabiltzen da elementuei dagozkien motorrak babesteko, eta haien narriadura ahal den neurrian saihesteko. Beraz, elementu horien kasuan, ahots-aginduen ezagutza-sistemak ez du beste agindu berririk prozesatuko sentsoreen erantzuna jaso arte. Kasu honetan, kontrolatzeko zenbait bide daude:

    a) Automata programagarria. Metodologia honen bidez, elementu konplexuak modu egokian kontrola daitezke.

    b) 8051 mikrokontrolagailua. Kasu honetan, seinale anplifikatu bat bidaltzen zaio elementuari dagokion motorrari, hori aktibatzeko edo desaktibatzeko.
Sistemaren kontrol-panela

3. irudian sistemaren kontrol-panela ageri da. Kontrol-panela sistemaren kontrolerako erabiltzen da. Honen bidez, zenbait ataza egin daitezke:

  • Sistemaren simulazioa. Kontrol-panelean kontrolatzen ari diren etxeko lekuak eta elementuen egoera ikus daitezke.
  • Erabiltzailearentzako laguntza. Goiko partean, sistemak goitibeherako menua dauka edozein unetan sistemaren aginduak kontsultatu ahal izateko.
  • Bolumenaren kontrola. Beheko ezkerreko partean, erabiltzailearen ahotsaren bolumena kontrolatzeko tresna dago.
  • Komunikazio-konfigurazioa. Beheko eskuineko partean, komunikazio-ataka konfiguratzeko tresna dago.
  • Agindu-leihoa. Beheko erdiko aldean, sistema prozesatzen ari den agindua agertzen da.
Etorkizunari begira

AHOTSDOMO sistema (Ahotsaren bidez kontrolaturiko Sistema Domotikoa) mugikortasun gutxiko pertsonen bizitza errazteko asmoz jaio zen. Garatutako sistema aurrerapauso bat besterik ez bada ere, bide bat zabaltzen du Domotikaren munduan eraikin adimendunak euskaraz kontrolatzeko. Etorkizuna itxaropentsua da arlo teknologiko horretan ere, bai mugikortasun gutxiko pertsonentzat, bai euskararentzat. Atea zabaldu da, sar gaitezen ametsetako mundu horretan eta has gaitezen imajinatzen mugarik gabeko etorkizun zoragarria...

1. irudia. AHOTSDOMO sistemaren eskema orokorra.
2. irudia. AHOTSDOMO sistemaren gramatikaren produkzio-erregelak.
1. taula. AHOTSDOMO sistemaren agindu-multzoaren definizioa, IBMko ViaVoice -ren SDK softwarerako.
Babesleak
Eusko Jaurlaritzako Industria, Merkataritza eta Turismo Saila