Программа голосового управления. Лучшие программы для голосового управления компьютером

Возможности голосового управления в операционной системе Android присутствуют очень давно. Еще в версии 2.3 Gingerbread (2010 год) пользователи могли совершать поисковые запросы или какие-либо функциональные действия с помощью голоса. Только тогда это выглядело очень странно и работало аналогично. Что теперь представляет из себя голосовое управление Android и какие функции оно может предложить миллионам пользователей? Ответы на все вопросы вы найдете в этой статье.

Голосовой поиск

Голосовой поиск представляет собой возможность искать информацию в интернете, используя голосовые команды, а не традиционные текстовые запросы. Он может использоваться на компьютере в браузере Chrome, а также на смартфоне и планшете с Android в приложении Google. Запуск системы доступен в виде двух способов - с помощью команды Ok Google или по нажатию на логотип микрофона.

Современный голосовой поиск стал одной из основ операционной системы Android. Сейчас он совместим с десятками продуктов и приложений компании. Google делает большой акцент на возможности искать любую информацию в интернете, просто произнеся желаемый запрос голосом. Сегодня, 7 лет спустя, голосовой поиск Google умеет практически все и может полностью удовлетворить рядового пользователя ОС.

• Справка.
• Люди.
• Время и календарь.
• Погода.
• Рынки и биржи.
• Конвертация и калькулятор.
• Навигация.
• Звонки и SMS.
• Словарь и перевод.
• Контроль.

Справка

Примеры:

1. Столица Великобритании.
2. Высота Шанхайской башни.
3. Кто придумал Android.
4. Длина Титаника.
5. Калорийность грецких орехов.

Люди

Примеры:

1. Девушка Супермена.
2. Где умер Ленин.
3. Кто нарисовал Крик.
4. Сколько лет Дональду Трампу.
5. Кто такой Павел Дуров.

Время и календарь

Примеры:

1. Во сколько восход в Тольятти.
2. Какой часовой пояс в Нью-Йорке.
3. Разбуди меня завтра в 11 утра.
4. Установить таймер на 5 минут.
5. Добавить встречу/напоминание.

Погода

Примеры:

1. Что с погодой.
2. Будет ли сегодня дождь.
3. Погода в Киеве.
4. Скорость ветра.
5. Какие осадки завтра.

Рынки и биржи

Примеры:

1. Цена акций Nokia.
2. Сколько стоит доллар.
3. Курс биткоина к рублю.
4. Капитализация Сбербанка.
5. Индекс Dow Jones.

Конвертация и калькулятор

Примеры:

1. Сколько в километре сантиметров.
2. 850 рублей в тенге.
3. Квадратный корень из 200.
4. 10 186 поделить на 4.
5. 30% от 35 000.

Навигация

Примеры:

1. Карта Белгорода.
2. Маршрут до Кремля (можно добавить «пешком» или «на машине»).
3. Где находится Монгора.
4. Кафе поблизости.
5. Ближайшая аптека.

Звонки и SMS

Примеры:

1. Позвонить сестре.
2. Позвонить в ближайшую пиццерию.
3. Написать Саше «Я уже в офисе».
4. Написать Насте «Встретимся у метро».
5. Отправить письмо.

Словарь и перевод

Примеры:

1. Что такое человеконенавистничество.
2. Определение композиции.
3. Как переводится Believe.
4. Как будет автобус на испанском.
5. Перевод с русского на турецкий.

Контроль

Примеры:

1. Открыть сайт.
2. Открыть Instagram (или любое другое приложение).
3. Увеличить яркость.
4. Понизить громкость.
5. Сделать фото/видео.
6. Включить Wi-Fi.
7. Выключить фонарик.
8. Показать мои будильники.
9. Включить Linkin Park.
10. Следующая песня (для плеера).

Voice Access

В Android также присутствуют функции для людей с ограниченными возможностями. Помимо TalkBack (озвучивание происходящего на экране), существует еще один сервис с дополнительной функциональностью. Он называется Voice Access и позволяет активировать управление голосовыми командами в масштабе всей системы. Приложение является экспериментальным и было выпущено в 2016 году. В настоящее время Voice Access по-прежнему в бета-версии, но это не мешает помощнику стабильно выполнять свои функции.

В основе Voice Access лежат те же технологии, которые Google использует для голосового поиска. При активации сервиса каждому элементу на экране присваивается определенный номер. Он служит командой для запуска приложений или работы с той или иной функцией. Никакого физического взаимодействия при этом не требуется - стоит лишь назвать цифру элемента, который необходимо открыть.

На этом функциональность Voice Access не заканчивается. Также с помощью этого приложения голосовые команды становятся доступными в пределах всей операционной системы. Например, среди прочих команд поддерживаются такие, как «открой браузер», «перейди на домашнюю страницу» или «пролистай вниз». Голосом заменяется все - основные функции, навигация, жесты (нажатие, пролистывание, действие назад) и работа с текстом (ввод, редактирование, форматирование).

Несмотря на статус бета-версии, приложение Voice Access выводит голосовое управление в Android на вершину возможностей. Совместно с поиском Google это два лучших голосовых помощника, предлагающих еще более простое взаимодействие с устройством.

Многие пользователи уже успели ознакомиться с ассистентом Cortana на Windows Phone 8.1 и его возможностями. Программа появилась в 2014 году, но за это время собрала немало поклонников. Именно поэтому разработчики её добавили в Windows 10, о чём стало известно не так давно. Если говорить о функциях ассистента, то в первую очередь следует упомянуть о усовершенствованной поисковой функции.

Теперь найти информацию о чём-либо стало гораздо проще. Достаточно дать голосовую или письменную команду Кортана и подождать, пока высветятся результаты. С помощью неё также можно следить за новостями в мире, прогнозом погоды, своими посылками, билетами на самолёты и другой транспорт.

К полезным функциям можно отнести напоминания о встречах, записанных в календаре. Ассистент Кортана не даст пропустить важное событие и уведомит о нём звуковым сигналом. К слову, теперь можно привязывать напоминания к определённому местоположению, что довольно удобно.

Кортана имеет и развлекательные функции. К примеру, она может рассказывать анекдоты и истории, разговаривать с человеком, петь песни и другое. Её возможности постоянно расширяются, поэтому можно лишь гадать, что ещё добавят разработчики. Cortana Windows 10 будет полезна как для дома, так и для офиса. Человеку с помощью неё будет легче найти нужную информацию, что значительно ускорит процесс работы.

К сожалению, Кортана на русском языке пока ещё недоступна, и нет информации о том, когда появится перевод. Важно учитывать, что, вероятно, данный ассистент будет доступен не во всех странах. В каких именно государствах его не будет – разработчики не сказали.

Ассистент от Microsoft отличается простотой в управлении. Можно использовать как голосовые команды, так и печатные – всё зависит от желания пользователя. Как включить голосового ассистента cortana в windows 10, пожалуй, первый вопрос, который интересует многих людей. Чтобы активировать программу, достаточно нажать на значок в виде O, находящийся возле кнопки «Пуск», или можно сказать «Эй, Кортана».

Команды нужно вводить в нижнее поле, в котором написано «Спросите меня что-нибудь». Для голосового ввода необходимо нажать на значок микрофона. Результаты поиска будут выданы немедленно. В них могут отображаться веб-сайты, установленные программы, скачанные фотографии, песни, документы и прочие файлы. Достаточно кликнуть на любой файл, чтобы активировать его.

Чтобы Cortana выполняла более серьёзные команды, следует нажать на значок «Гамбургер» в левом верхнем углу. Там можно изменять напоминания и параметры, подстраивая их под себя. Что касается защиты, то о ней беспокоиться не стоит. Microsoft обеспечивает пользователям полную конфиденциальность данных, что немаловажно, ведь ассистент имеет доступ ко всем письмам, к поисковым запросам и к другой личной информации.

Те люди, которые не доверяют подобным приложениям, могут настроить программу так, чтобы она не могла читать почту, отслеживать посылки или просматривать календарь. Правда, в этом случае её возможности сильно сократятся.

Как только появится Cortana на русском языке, можно будет оценить все её возможности и нововведения, которых немало. Рекомендуется тщательно просматривать настройки, чтобы адаптировать программу под себя и сделать её максимально удобной.

Синхронизация

Пользователи Cortana, установленной на Windows 8.1, хорошо знакомы с возможностью синхронизировать настройки и напоминания на всех своих устройствах с учётной записью Майкрософт. Это позволяло использовать ассистента на разных планшетах, коммуникаторах и компьютерах и при этом не настраивать его для каждого устройства отдельно.

Подобная функция помогала сэкономить время и исключала возможность того, что человек забудет перенести в телефон напоминание о встрече, которая есть, к примеру, в ноутбуке. Можно было не беспокоиться о том, что важное событие будет пропущено из-за того, что в нужное время пользователь не смог оказаться возле своего компьютера.

В Кортане Windows 10 также будет синхронизация, которой можно управлять непосредственно из ассистента или из новой панели всех настроек, заменяющей панель управления и настройки ПК. Это довольно удобно, так как не придётся тратить своё время на адаптацию под себя Кортаны на каждом устройстве.

Как отключить программу

Если случилось так, что ассистент не нужен или есть беспокойство о том, что он будет отслеживать ваши данные, то его запросто можно отключить. Всего есть два способа, как это сделать. Первый наиболее простой – понадобится активировать программу из поискового раздела на панели задач. Когда это будет сделано, нужно открыть настройки приложения и под разделом «Cortana» изменить положение выключателя на «Off».

Второй способ не менее лёгкий. Потребуется также запустить ассистента и зайти в Настройки. На этот раз понадобится меню «Privacy», иначе говоря, «Конфиденциальность». Следует зайти в пункт «Речь, подпись и набор текста», где необходимо нажать на «Stop getting to know me». На этом всё.

Любой из данных способов полностью отключит Кортану и удалит все сведения, которые уже успела получить программа на этом устройстве. Однако, прежде собранные данные не удалятся из её блокнота.

Заключение

Уже сейчас можно точно сказать, что Кортана станет полезным приложением, которым будут пользоваться многие владельцы данной операционной системы. Ассистент станет отличным помощником для деловых людей, которым важно экономить своё время и быть в курсе всех событий и назначенных встреч. Важно, чтобы разработчики хорошо поработали над программой и уже сейчас устранили все существующие неполадки, если таковые имеются.

На данный момент остаётся только ждать, когда выйдет Кортана на русском языке. Всем пользователям рекомендуется запастись терпением, ведь новый ассистент и ряд его возможностей стоят внимания. (Автор статьи — Алексей Троицкий).

Цифровые технологии стремительно развиваются, предлагая нам новые возможности по взаимодействию с устройствами. Постепенно набирает популярность управление устройствами с помощью голоса. Компания Яндекс решила так же не отставать от тренда и предлагает свое решения для компьютеров под управлением операционной системы Windows.

Приложение называется Яндекс.Строка и позволяет управлять компьютером с помощью голосовых команд, выполняя такие операции как поиск в интернете, поиск файлов и папок на компьютере, умеет открывать сайты и запускать программы. Можно даже голосом выключить или перезагрузить компьютер. В этом плане она более функциональна чем голосовой поиск Google, а более продвинутая технология от Майкрософт под именем Cortana работает только в Windows 10 и недоступна в России.

Хотя сразу нужно отметить, что Яндекс.Строка работает только начиная с Windows 7 и старше, соответственно Windows 10 так же поддерживается. Естественно еще одним обязательным требованием является наличие микрофона в компьютере. Скачать установочный файл Яндекс.Строки можно на странице нажав на кнопку «Установить» и сохранив его к себе на компьютер, после чего запустив установку. Можно отметить, что при этом не предлагается установка дополнительного софта или изменение настроек браузера. По окончании процесса установки на панели задач появится новый элемент.

Его внешний вид можно изменять в настройках программы, например переместив в правую часть панели задач к часам или заменив строку на иконку программы.

Пользоваться «Яндекс Строкой» довольно просто, после установки она находится в режиме ожидания. Чтобы ее активировать на выбор предлагается три варианта, щелкнуть мышью по значку микрофона в яндекс строке, нажать комбинацию горячих клавиш или произнести вслух одну из следующих команд «Слушай Яндекс», «Привет Яндекс» или «О’Кей Яндекс». Если все сделано правильно и система распознала команду, то появится соответствующее окно, сигнализирующее готовность приложения принимать дальнейшие голосовые команды пользователя компьютера.

Теперь можно произносить нужную команду. Если это будет произвольная фраза, то она будет интерпретирована как поисковый запрос в интернет и результат будет показан в браузере по умолчанию с помощью поисковой системы Яндекса. В некоторых случаях, ответ показывается прямо в окне приложения без использования браузера.

Аналогичным образом выполняются другие команды, с той лишь разницей, что сначала указываем суть команды, а затем объект. Другими словами, чтобы открыть допустим какую то папку на компьютере в Проводнике, нужно сначала активировать Строку, а затем произнести «Открыть папку „название папки“».

Вот еще несколько примеров команд.

Открыть сайт: «Открой „название сайта“»Запустить программу: «Запусти „название программы“»Открыть файл: «Открой „название файла“»Выключение компьютера: «Выключить компьютер»

Таким же образом можно отправить компьютер в перезагрузку или спящий режим, запустить различные служебные окна, например «Открой панель управления». На этом возможности Строки Яндекса не заканчиваются, в нее можно вводить команды с помощью клавиатуры, а так же используя буфер обмена Windows. Это так называемая умная поисковая строка, в которой по мере набора символов, будут предлагаться различные варианты ответов. При этом в отличие от штатной поисковой строки в меню Пуск, Яндекс.Строка предлагает дополнительно варианты ответа из поиска в интернете.

Кроме того ее можно использовать как панель быстрого доступа к сервисам Яндекса или другим часто посещаемым вами сайтам. Достаточно просто щелкнуть мышью по строке и откроется окно, показанное на изображении в начале статьи.

Проблема всех систем управления голосом и Яндекс.Строка не исключение заключается в необходимости четко и ясно произносить команды, иначе они распознаются не верно. В частности даже распознав практически правильно фразу, зачастую она в итоге преобразуется в поисковый запрос вместо открытия папки, запуска программы или открытия конкретного сайта. Таким образом открыть с помощью голосовой команды получится далеко не любой сайт, это неплохо работает с очень популярными и известными ресурсами, а в остальных случаях это проблематично.

Особенностью работы утилиты Яндекс.Строка с данными хранящимися на компьютере, является использование для поиска по ним данных службы индексирования Windows. Соответственно в случае отсутствия данных о файле или папке в индексе приведет к некорректным результатам работы поиска. Таким образом, в настоящий момент ее нельзя назвать полноценным инструментом позволяющим управлять компьютером с помощью голоса, хотя русский язык распознает довольно хорошо и с некоторыми функциями вполне справляется.

Другой особенностью систем голосового управления компьютером, которая может отпугнуть часть пользователей, является постоянное прослушивание программой пространства рядом с компьютером в ожидании команды на активацию. Соответственно теоретически возможна несанкционированная запись всех разговоров пользователя и отправка их на удаленный сервер. Конечно это уже незаконное прослушивание, но теоретически возможно.

Если отбросить тотальную паранойю, то можно вспомнить, что некоторые разработчики программ голосового управления вполне допускали отправку к себе на сервер введенных голосовых фраз пользователей для дальнейшего улучшения алгоритмов распознавания речи. Как к этому относиться и стоит ли пользоваться голосовым управлением на компьютере каждый решает самостоятельно.

beginpc.ru

Как настроить голосовое управление компьютером

Существует несколько причин, по которым пользователи не могут управлять компьютером с помощью штатных средств - клавиатуры и мыши. Во-первых, это может быть связано с поломкой названных устройств. Во-вторых, такая необходимость возникает у людей с ограниченными возможностями. И наконец, в-третьих, пользователи просто хотят как-то облегчить себе задачу работы с компьютером, отдавая ему команды голосом.

ОС Windows располагает штатным приложением распознавания речи, но к сожалению, оно не поддерживает русский язык, а только - английский, французский, испанский, немецкий, японский и китайский.

Если интерфейс вашего дистрибутива Windows рассчитан для носителей одного из вышеперечисленных языков и, конечно, вы говорите на нём, тогда вы сможете использовать штатную программу распознавания речи. Для этого нужно проделать 3 шага: настроить микрофон, пройти несложный учебный курс по управлению компьютером при помощи голоса (он также включен в Windows) и настроить саму программу распознавания речи.

Чтобы сделать это, необходимо (описание разделов ОС будет вестись на русском языке):

А что же делать русскоязычным пользователям Windows? К счастью, выход есть - использование сторонних программ. Подобных приложений существует множество - и платных, и бесплатных. Среди всех приложений для голосового управления компьютером с системой Windows особенно выделяется Typle. О ней и пойдёт речь далее.

Управление компьютером с помощью Typle

По мнению большинства пользователей, кто предпочитает управлять компьютером при помощи голоса, программа Typle является одной из самых лучших (если не самой лучшей).

Это небольшое по размеру приложение способно не только выполнять команды, имеющиеся в её базе данных, но и поддерживает создание пользовательских. Именно последнее особенно ценится в этом приложении.

Программа распространяется бесплатно, но в бесплатной версии имеются ограничения по созданию пользовательских команд. Однако этих возможностей вполне достаточно для штатного пользователя.

Итак, скачиваем и устанавливаем программу. При первом запуске приложение попросит ввести некоторые личные данные - в эти поля вы можете указать любые символы. Затем вам предстоит выбрать лицензию - выбирайте первый вариант из 3-х предложенных (пока все надписи будут на английском языке) и нажимайте Next.

После того, как приложение соберёт нужную ему для работы информацию, вы увидите стартовое окно с подсказками:

Typle попросит вас нажать на кнопку «Добавить». После нажатия потребуется ввести ваше имя (вводите любое) - это нужно для того, чтобы приложение смогло выполнять именно ваши команды в случае, если вы не являетесь единственным пользователем компьютера. Также заполняем поле «Введите ключевое слово» (можно оставить предложенный вариант «Открой»). Именно это слово будет использоваться для запуска ваших команд, а точнее - эта фраза даст программе сигнал к выполнению команды, которую вы будете произносить далее.

Осталось нажать на кнопку записи, а затем произнести какую-либо фразу (длина записи должна быть короче 1,5 секунд). Для проверки можете проговорить «Открой». После успешной записи Typle спросит вас о сохранении записанной команды.

Далее нажимаем на кнопку «Добавить» в верхнем меню. Откроется окно, в котором вам нужно выбрать программу для её запуска после произнесения ключевого слова в микрофон. Для примера выберем приложение «Opera 35» (вы можете выбрать любую свою программу - браузер, проигрыватель или какой-нибудь мессенджер типа Skype).

Обратите внимание на нижнюю часть окна. В данный момент галочка установлена на пункте «Программы и файлы». Вы также можете выделить и другие пункты. Например, установите галочку на «Windows файлы». Теперь в окне выбора команд для запуска отобразятся стандартные программы Windows (блокнот, Paint, командная строка и так далее), а также различные системные приложения, такие как «Центр обновления» или «Мастер дефрагментации диска» и другие. Это удобная возможность для пользователей, которым часто приходится сталкиваться с настройкой системы компьютера.

Ещё одна интересная способность Typle - возможность открывать избранные интернет-сайты. Для этого нужно установить галочку на пункте «Фавориты Интернета» и выбрать из списка нужный сайт.

Как только вы выбрали подходящее действие, для его выполнения потребуется записать команду. Для этого нажимаем на значок записи рядом с полем, в котором написано название выбранного действия (программы, сайта и тому подобное), а затем произносим любую фразу. В нашем случае - это «Опера».

После успешного сохранения записи вы можете проверить правильность выполнения команды с помощью программы Typle. Для этого вам нужно проговорить в микрофон слово «Открой», а затем сразу фразу, которая была записана вами на последнем шаге для запуска той или иной программы. В нашем случае команда звучит как «Открой Опера». После этих слов программа автоматически запустит браузер.

Как видите, управлять компьютером средствами программы Typle не так уж и сложно. Вы можете создать множество различных команд, при произнесении которых будут запускаться те или иные приложения, открываться документы либо начинаться воспроизведение видео или музыки.

Видео по теме - программа VoxCommando

Хорошая реклама:

UstanovkaOS.ru

Typle - голосовое управление компьютером

Сегодня речь пойдет о нашей речи. Хотелось бы вам управлять компьютером голосом, без помощи пальцев? А, как это говорят, - силой мысли! Правда, мы не будем управлять компьютер силой мысли, но вот силой голоса вполне реально.

Программа Typle - это одна из лучших на сегодняшний день программа Windows для управления компьютером через голос. На сайтах в комментариях к этой программе мнения сходятся.

Правда есть свои недочеты. Но об этом чуть позже. Кстати, если вас интересует голосовой набор текста - читайте мой обзор.

Скачать программу можно здесь: http://freesoft.ru/typle

Как же ее использовать? В начале запустим ее и посмотрим главные кнопки управления:

Программа нас приветствует и сразу нам даются подсказки, как использовать Typle. В начале нажмем кнопку "добавить" и запишем слово, например "открой". Для этого произнесем это слово в микрофон:

Затем жмем добавить. Итак, мы сохранили в программе своим голосом слово "Открой". Вы можете говорить в микрофон любые другие слова. Главное - не запутаться.

Следующим шагом будет добавление команд. Для этого перейдем в этот пункт:

Потом мы устанавливаем галочку напротив того пункта, который нам нужен:

Выбираем программу, приложение или действие и нажимаем на красную кнопку записи. Если компьютер воспринял наш голос, жмем "Добавить":

И теперь будет видна в нашем профиле одна голосовая команда. В данном случае та, которая открывает 7-Zip:

И теперь, нажав завершающую кнопку "начать говорить"

говорим фразу "открой Севен Зип". В моем случае, все сработает. И программа 7-zip откроется. Помните такую фразу: Сим сим откройся? Вот это что-то приблизительно такое же.

Программа не всегда работает адекватно. Сейчас могучий русский язык не до конца изучен программистами-лингвистами... Но все-таки приятно, когда тебя слушается компьютер.

Поэтому для тестирования и банального любопытства программа Typle подойдет на все 100%.

В этом видео можно увидеть историю создания первых голосовых движков и то, над чем еще нам следует поработать:

Есть такие страшные названия других аналогов программы, как Горыныч, Перпетуум, Диктограф, Voice Commander. Но все они - "не того". Не проходят критику достойной программы.

P.S. На освоение этой программы у меня ушло 5 минут. Это довольно-таки длительное время (в основном, в таких программах я разбираюсь за 1-2 минуту). Если возникнут вопросы - пишите. До скорых встреч, друзья:)!

Понравился пост? Нажми любую кнопку:

teweb.ru

Управление компьютером голосом - Управление компьютером без рук

А ведь это востребованно. Вот например (обратите внимание на комментарии слева): "сделайте как в железном человеке, когда он с компом разговаривает всё время, чтоб он команды выполнял открывал папки и программы". Это комментарий - просьба посетителя сайта мой мир.

Ну конечно прямо вот так мы не сделаем, но чем нибудь поможем. Заметьте мы не говорим просто о программах разпознавания речи или даже о программе разпознавания русской речи (это было в нашей статье "Как поговорить с компьютером". Сегодня статья об управлении, система управления. Голосовое управление компьютером.

Именно чтобы можно было отдавать комманды компьютеру - а он выполнял. Представляем на ваш суд интересные программы по управлению компьютером голосом.

Итак, если вы хотите управлять компьютером без мыши и клавиатуры, управлять компьютером и программами голосом, т.е использовать голосовое управление: пробуйте эти интересные программы.Для вашего удобства мы собрали все три программы в один архив. Там же есть Microsoft .NET Framework 4 кому нужно Скачать можно здесь бесплатно. Или тут. Всё на русском, всё бесплатно и без регистрации.

sites.google.com

Управление голосом и жестами на компьютере

Какой гик не мечтает управлять компьютером с дивана одними только жестами и голосовыми командами? Как ни странно, но это уже возможно. А в самом ближайшем будущем каждый второй будет махать руками перед монитором. В статье рассматривается несколько способов и ближайших перспектив.

Управление голосом на Windows

Начнем с бесплатного софта, который позволяет управлять компьютером с помощью русской речи. Можно будет уговорить его открывать программы, выполнять какие-то действия и так далее. И ваши руки будут свободны для более важных дел.

Typle

Данная программа лидер среди программ, позволяющих командовать компьютером на родном русском языке. После установки нужно будет завести пользователя и придумать ему ключевое слово вроде «Ok, Windows», хотя нам советуют слово «Открой». Именно с него мы и начинаем говорить, знакомая реализация в Google Glasses существует.

Потом для пользователя выбираем команды. Можно добавить только запуск каких-либо программ, а при нажатии дополнительно самостоятельно выбрать программу и дописать какой-либо аргумент. Возможно, если что-то дописать к запуску программы, то будет и действия. Но в целом, обычному пользователю поуправлять компьютером полноценно не получится, никаких тебе пауз или следующий трек, только запускать и запускать.

Скачать программу можно с официального сайта бесплатно. Либо купить платную версию за 13$, если вам надо записать более 450 команд, хотя это вряд ли.

Существует, как минимум, 5 подобных программ с голосовым управлением на компьютере, но все они сильно уступают Typle. О некоторых вы могли слышать, к примеру, русская разработка Горыныч,которая на деле очень слабо или вообще не распознает. Мне даже удалось найти какой-то аналог Siri для компьютера, который создал один человек и назвал Russian Voice Control.

Speaker

Есть и менее популярные, но чем-то более хорошие. Одна из таких Speaker. Она не только позволяет запускать приложения и файлы, но и выполнять несколько команд, таких как смена раскладки клавиатуры, сделать скриншот и даже выключить компьютер. Последнее не советую использовать, чтобы случайно не было чего. Команд все равно мало и свои не добавишь, и снова же, управление плеером нет.

Отмечу здесь как все работает. Надо использовать среднюю кнопку мыши или ctrl на клавиатуре, чтобы началась обработка голоса. Довольно популярные клавиши, которые используют и другими программами, так что будет время от времени вылезать окошка «не удалось распознать голос:(»

Нажал на кнопку, сказал слово «контакт», запись отправляется на сервер, а потом возвращается обратно полученный текст и выполняется действие - заходить на страницу ВКонтакте. На все это 5-10 секунд уходит, не совсем скорость, но для бедных программистов тоже результат неплох. Как вы поняли, нужно постоянное интернет-соединение, но сейчас это уже не проблема.

Команды задаются текстом, а не записью в отличии от Typle. А потом распознанный текст уже сравнивается с командами. Распознавание отличное с точностью до буквы, а вот сам запуск не такой уж и удобный.

На практике, я не использую голосовое управление, потому что микрофон всегда должен быть рядом. У меня хоть и есть купленный микрофон, но на расстоянии 1 метра он меня не слышит. Да и когда говорю тоже не с первого раза может сработать. С управлением жестами все гораздо интереснее.

Скачать можно отсюда.

Управление жестами на компьютере

Еще с момента появления PlayStation®Eye Camera и kinect люди захотели такие же функции и на компьютере. Позже Kinect даже стали продавать разработчикам, но для общего пользователя такого продукта не анонсировали. И даже есть новость, что Kinect 2.0 с Xbox One не будет работать на компьютере, но выйдет специальная версия Kinect и для PC. Правда без соответствующего софта пользы от него мало. Так что перейдем к самому софту.

Flutter

Самым популярным и доступным способом управления жестами является программа Flutter и соответствующее Chrome-расширение. Для этой программы подойдет почти любая веб-камера.

Довольно мало функций, но зато они очень хорошо работают. Мы можем ставить на паузу и продолжать показывая ладонь. Переключать треки или видео налево или направо, в зависимости, куда укажем пальцем. Работает программа в PowerPoint, VLC, Winamp, iTunes, YouTube и нескольких других сервисов, которые мало кто у нас использует.

Эксперты утверждают, что одной из лучших идей разработчиков Windows 10 было добавить в систему голосового помощника Cortana. Такие помощники уже давно используются владельцами мобильных телефонов, но добавление подобного сервиса на компьютер произошло впервые в Windows 10. Cortana пока общается только на английском, китайском и еще нескольких языках, к которым русский, к сожалению, не относится. Интересно, что по умолчанию даже англоязычная Cortana недоступна жителям России и других стран СНГ, но это можно исправить изменив некоторые настройки операционной системы.

Что может Cortana

Итак, Cortana – это виртуальная голосовая помощница, которая поможет вам без труда сделать заметку, добавит для вас напоминание, узнает расписание поездов или другого транспорта и предоставит необходимую вам информацию, также она может поддерживать с вами беседу, рассказывать шутки, петь песни и многое другое.

Впервые она предстала миру в 2014 году, и с того момента использовалась сначала на Windows Mobile 8.1, а теперь стала отличительной чертой Windows 10.

В Windows 10 она заменяет стандартную поисковую систему и может искать информацию как в интернете, так и на жестком диске. С помощью голосового управления Cortana, кроме поиска информации, может запускать программы, выполнять операции над файлами и даже изменять настройки системы.

Где работает Cortana?

К сожалению, сегодня, далеко не все могут использовать эту программу как личный помощник. Пока она научилась понимать и разговаривать только на шести языках:

• английский;
• немецкий;
• китайский;
• итальянский;
• испанский;
• французский.

Соответственно, работает она только в тех странах, где один из этих языков используется как основной. Со временем, разработчики обещают, что этот голосовой помощник станет доступен во всех странах. Но, если вы не хотите ждать, давайте разберемся, как включить Cortana на Windows 10 в других регионах.

Как включить Cortana на Windows 10 в России

Сам ассистент и его настройки располагаются в поле для поиска, расположенном рядом с кнопкой меню «Пуск». Но в нашем регионе мы только увидим сообщение о том, что Кортана нам недоступна.

Это происходит потому что язык интерфейса Windows не соответствует тому, который поддерживает данная программа.

Итак, выполните следующие действия, чтобы включить помощника, который сможет общаться с вами на английском языке:

Когда вы выполните действия, можете смело пользоваться Кортаной, так как её использование является бесплатным.

Часто пользователи жалуются на плохую работу программы, аргументируя это тем, что она далеко не всегда выполняет их указания. И дело тут не в неправильной работе помощника, а в том, что программа была настроена для англоязычных пользователей, а потому отлично понимает их речь, но может плохо понимать ваш англоязычный акцент. По этой причине и возникают подобные проблемы.

На видео можно будет наглядно посмотреть, как включить голосовой помощник Cortana на своем компьютере.

Включение Cortana на телефоне

Так же как и на компьютерах, Cortana на телефоне поддерживает те же шесть языков, что и на компьютерах. Но, данные ограничения не уменьшают интерес к ней в русскоязычных и других странах. Но, можно ли подключить Cortana на Windows 10 Mobile, если вы живете в России? Да, для этого будет достаточно поменять следующие настройки:

• регион проживания (США);
• язык интерфейса (английский);
• выключить службу геолокации (на время до перезагрузки телефона).

После перезагрузки у вас появится возможность работы с Cortana, как с личным голосовым помощником.

Вывод

Важно помнить, что, проведя действия по включению Cortana, она будет работать, только на одном из поддерживаемых языков. Если, вы плохо знаете один из этих языков или же ваше произношение оставляет желать лучшего, вам будет удобнее отказаться от идеи использования Cortana, как личного помощника.

Некоторые эксперты утверждают, что в скором времени компания Microsoft выпустит русскоговорящую версию этой программы, аргументируя это тем, что в настройках Windows 10, в разделе дополнительных возможностей уже есть русскоговорящий пакет данных.

Другие же приводят им в пример Kinect, который спустя нескольких лет, так и не обрел в своей базе знаний русский язык или Siri, которая научилась говорить на русском только через пять после запуска англоязычной версии. Нам остается только следить за новостями от Microsoft.

Позволю себе привести здесь пару ссылок на сайты, автором и/или идейным вдохновителем которых является этот человек – Александр Макарчук из города Борисов, Беларусь:

Для работы на компьютере Александр использовал программу «Vocal Joystick» - разработку студентов Университета штата Вашингтон, выполненную на деньги Национального Научного Фонда (NSF). См. melodi.ee.washington.edu/vj

Не удержался

Кстати, на сайте университета (http://www.washington.edu/) 90% статей именно про деньги. Трудно найти что-нибудь про научную работу. Вот, например, выдержки с первой страницы: «Том, выпускник университета, раньше питался грибами и с трудом платил за квартиру. Теперь он старший менеджер ИТ-компании и кредитует университет», «Большие Данные помогают бездомным», «Компания обязалась заплатить 5 миллионов долларов за новый учебный корпус».

Это одному мне режет глаз?

Исходных текстов нет, есть только отдельные публикации, приоткрывающие технологии, на которых она основана (MFCC, MLP – читайте об этом во второй части).

По образу и подобию была написана новая программа (месяца за три).

Собственно, посмотреть, как она работает, можно :

Скачать программу и/или посмотреть исходные коды можно .

Никаких особенных действий для установки программы выполнять не надо, просто щёлкаете на ней, да запускаете. Единственное, в некоторых случаях требуется, чтобы она была запущена от имени администратора (например, при работе с виртуальной клавиатурой “Comfort Keys Pro”):

Пожалуй, стоит упомянуть здесь и о других вещах, которые я ранее делал для того, чтобы можно было управлять компьютером без рук.

Если у вас есть возможность поворачивать голову, то хорошей альтернативой eViacam может послужить гироскоп, крепящийся к голове. Вы получите быстрое и точное позиционирование курсора и независимость от освещения.

Если вы можете двигать только зрачками глаз, то можно использовать трекер направления взгляда и программу к нему (могут быть сложности, если вы носите очки).

Часть II. Как это устроено?

1. Нарезка звукового потока на кадры по 25 миллисекунд с перехлёстом по 10 миллисекунд
2. Получение 13 кепстральных коэффициентов (MFCC) для каждого кадра
3. Проверка того, что произносится один из 6 запомненных звуков (4 гласных и 2 согласных) при помощи многослойного персептрона (MLP)
4. Воплощение найденных звуков в движение/щелчки мыши

Последняя задача просто реализуется при помощи функции SendInput.

Наибольший же интерес, мне кажется, представляют вторая и третья задачи. Итак.

Задача №2. Получение 13 кепстральных коэффициентов

И среди тех, кто занимается распознаванием речи, идёт поиск «философского камня» - набора признаков, которые бы однозначно классифицировали звуковую волну.

Из тех признаков, что доступны широкой публике и описаны в учебниках, наибольшее распространение получили так называемые мел-частотные кепстральные коэффициенты (MFCC).

История их такова, что изначально они предназначались совсем для другого, а именно, для подавления эха в сигнале (познавательную статью на эту тему написали уважаемые Оппенгейм и Шафер, да пребудет радость в домах этих благородных мужей. См. A. V. Oppenheim and R.W. Schafer, “From Frequency to Quefrency: A History of the Cepstrum”).

Но человек устроен так, что он склонен использовать то, что ему лучше знакомо. И тем, кто занимался речевыми сигналами, пришло в голову использовать уже готовое компактное представление сигнала в виде MFCC. Оказалось, что, в общем, работает. (Один мой знакомый, специалист по вентиляционным системам, когда я его спросил, как бы сделать дачную беседку, предложил использовать вентиляционные короба. Просто потому, что их он знал лучше других строительных материалов).

Являются ли MFCC хорошим классификатором для звуков? Я бы не сказал. Один и тот же звук, произнесённый мною в разные микрофоны, попадает в разные области пространства MFCC-коэффициентов, а идеальный классификатор нарисовал бы их рядом. Поэтому, в частности, при смене микрофона вы должны заново обучать программу.

Это всего лишь одна из проекций 13-мерного пространства MFCC в 3-мерное, но и на ней видно, что я имею в виду – красные, фиолетовые и синие точки получены от разных микрофонов: (Plantronix, встроенный массив микрофонов, Jabra), но звук произносился один.

Однако, поскольку ничего лучшего я предложить не могу, также воспользуюсь стандартной методикой – вычислением MFCC-коэффициентов.

Чтобы не ошибиться в реализации, в первых версиях программы в качестве основы был использован код из хорошо известной программы CMU Sphinx, точнее, её реализации на языке C, именующейся pocketsphinx, разработанной в Университете Карнеги-Меллона (мир с ними обоими! (с) Хоттабыч).

Исходные коды pocketsphinx открыты, да вот незадача – если вы их используете, то должны в своей программе (как в исходниках, так и в исполняемом модуле) прописать текст, содержащий, в том числе, следующее:

* This work was supported in part by funding from the Defense Advanced * Research Projects Agency and the National Science Foundation of the * United States of America, and the CMU Sphinx Speech Consortium.
Мне это показалось неприемлемым, и пришлось код переписать. Это сказалось на быстродействии программы (в лучшую сторону, кстати, хотя «читабельность» кода несколько пострадала). Во многом благодаря использованию библиотек “Intel Performance Primitives”, но и сам кое-что оптимизировал, вроде MEL-фильтра. Тем не менее, проверка на тестовых данных показала, что получаемые MFCC-коэффициенты полностью аналогичны тем, что получаются при помощи, например, утилиты sphinx_fe.

В программах sphinxbase вычисление MFCC-коэффициентов производится следующими шагами:

Были выполнены следующие замены для шагов по получению MFCC-коэффициентов:

Задача №3. Проверка того, что произносится один из 6 запомненных звуков

Давайте посмотрим, насколько оправдано применение нейронной сети здесь.

Вспомним, что делают нейроны в искусственных нейронных сетях.

Если у нейрона N входов, то нейрон делит N-мерное пространство пополам. Рубит гиперплоскостью наотмашь. При этом в одной половине пространства он срабатывает (выдаёт положительный ответ), а в другой – не срабатывает.

Давайте посмотрим на [практически] самый простой вариант – нейрон с двумя входами. Он, естественно, будет делить пополам двумерное пространство.

Пусть на вход подаются значения X1 и X2, которые нейрон умножает на весовые коэффициенты W1 и W2, и добавляет свободный член C.

Y=X1*W1+X2*W2+C

(опустим пока тонкости про сигмоидальные функции)

Считаем, что нейрон срабатывает, когда Y>0. Прямая, заданная уравнением 0=X1*W1+X2*W2+C как раз и делит пространство на часть, где Y>0, и часть, где Y<0.

Проиллюстрируем сказанное конкретными числами.

Пусть W1=1, W2=1, C=-5;

Теперь посмотрим, как нам организовать нейронную сеть, которая бы срабатывала на некоторой области пространства, условно говоря – пятне, и не срабатывала во всех остальных местах.

Из рисунка видно, что для того, чтобы очертить область в двумерном пространстве, нам потребуется по меньшей мере 3 прямых, то есть 3 связанных с ними нейрона.

Эти три нейрона мы объединим вместе при помощи ещё одного слоя, получив многослойную нейронную сеть (MLP).

А если нам нужно, чтобы нейронная сеть срабатывала в двух областях пространства, то потребуется ещё минимум три нейрона (4,5,6 на рисунках):

И тут уж без третьего слоя не обойтись:

А третий слой – это уже почти Deep Learning…

Теперь обратимся за помощью к ещё одному примеру. Пусть наша нейронная сеть должна выдавать положительный ответ на красных точках, и отрицательный – на синих точках.

Если бы меня попросили отрезать прямыми красное от синего, то я бы сделал это как-то так:

Но нейронная сеть априори не знает, сколько прямых (нейронов) ей понадобится. Этот параметр надо задать перед обучением сети. И делает это человек на основе… интуиции или проб и ошибок.

Если мы выберем слишком мало нейронов в первом слое (три, например), то можем получить вот такую нарезку, которая будет давать много ошибок (ошибочная область заштрихована):

Но даже если число нейронов достаточно, в результате тренировки сеть может «не сойтись», то есть достигнуть некоторого стабильного состояния, далёкого от оптимального, когда процент ошибок будет высок. Как вот здесь, верхняя перекладина улеглась на два горба и никуда с них не уйдёт. А под ней большая область, порождающая ошибки:

Снова, возможность таких случаев зависит от начальных условий обучения и последовательности обучения, то есть от случайных факторов:

- Что ты думаешь, доедет то колесо, если б случилось, в Москву или не доедет?
- А ты как думаешь, сойдётся ента нейронная сеть или не сойдётся?

Если начать скармливать сети только синие точки, и перестать скармливать красные, то она может спокойно отхватить себе кусок красной области, переместив туда свои границы:

Если у нейронных сетей столько недостатков, и человек может провести границы гораздо эффективнее нейронной сети, зачем же их тогда вообще использовать?

А есть одна маленькая, но очень существенная деталь.

Я очень хорошо могу отделить красное сердечко от синего фона отрезками прямых в двумерном пространстве.

Я неплохо смогу отделить плоскостями статую Венеры от окружающего её трёхмерного пространства.

Но в четырёхмерном пространстве я не смогу ничего, извините. А в 13-мерном - тем более.

А вот для нейронной сети размерность пространства препятствием не является. Я посмеивался над ней в пространствах малой размерности, но стоило выйти за пределы обыденного, как она меня легко уделала.

Тем не менее вопрос пока открыт – насколько оправдано применение нейронной сети в данной конкретной задаче, учитывая перечисленные выше недостатки нейронных сетей.

Забудем на секунду, что наши MFCC-коэффициенты находятся в 13-мерном пространстве, и представим, что они двумерные, то есть точки на плоскости. Как в этом случае можно было бы отделить один звук от другого?

Пусть MFCC-точки звука 1 имеют среднеквадратическое отклонение R1, что [грубо] означает, что точки, не слишком далеко отклоняющиеся от среднего, наиболее характерные точки, находятся внутри круга с радиусом R1. Точно так же точки, которым мы доверяем у звука 2 находятся внутри круга с радиусом R2.

Внимание, вопрос: где провести прямую, которая лучше всего отделяла бы звук 1 от звука 2?

Напрашивается ответ: посередине между границами кругов. Возражения есть? Возражений нет.
Исправление: В программе эта граница делит отрезок, соединяющий центры кругов в соотношении R1:R2, так правильнее.

И, наконец, не забудем, что где-то в пространстве есть точка, которая является представлением полной тишины в MFCC-пространстве. Нет, это не 13 нулей, как могло бы показаться. Это одна точка, у которой не может быть среднеквадратического отклонения. И прямые, которыми мы отрежем её от наших трёх звуков, можно провести прямо по границам окружностей:

На рисунке ниже каждому звуку соответствует кусок пространства своего цвета, и мы можем всегда сказать, к какому звуку относится та или иная точка пространства (или не относится ни к какому):

Ну, хорошо, а теперь вспомним, что пространство 13-мерное, и то, что было хорошо рисовать на бумаге, теперь оказывается тем, что не укладывается в человеческом мозгу.

Так, да не так. К счастью, в пространстве любой размерности остаются такие понятия, как точка, прямая, [гипер]плоскость, [гипер]сфера.

Мы повторяем все те же действия и в 13-мерном пространстве: находим дисперсию, определяем радиусы [гипер]сфер, соединяем их центры прямой, рубим её [гипер]плоскостью в точке, равно отдалённой от границ [гипер]сфер.

Никакая нейронная сеть не сможет более правильно отделить один звук от другого.

Здесь, правда, следует сделать оговорку. Всё это справедливо, если информация о звуке – это облако точек, отклоняющихся от среднего одинаково во всех направлениях, то есть хорошо вписывающееся в гиперсферу. Если бы это облако было фигурой сложной формы, например, 13-мерной изогнутой сосиской, то все приведённые выше рассуждения были бы не верны. И возможно, при правильном обучении, нейронная сеть смогла бы показать здесь свои сильные стороны.

Но я бы не рисковал. А применил бы, например, наборы нормальных распределений (GMM), (что, кстати и сделано в CMU Sphinx). Всегда приятнее, когда ты понимаешь, какой конкретно алгоритм привёл к получению результата. А не как в нейронной сети: Оракул, на основе своего многочасового варения бульона из данных для тренировки, повелевает вам принять решение, что запрашиваемый звук – это звук №3. (Меня особенно напрягает, когда нейронной сети пытаются доверить управление автомобилем. Как потом в нестандартной ситуации понять, из-за чего машина повернула влево, а не вправо? Всемогущий Нейрон повелел?).

Но наборы нормальных распределений – это уже отдельная большая тема, которая выходит за рамки этой статьи.

Надеюсь, что статья была полезной, и/или заставила ваши мозговые извилины поскрипеть.