Suomenkielisen puheen koneellisessa tunnistamisessa on loikattu harppaus eteenpäin. Teknillisen korkeakoulun tutkijat ovat kehittäneet laitteen, joka muuntaa puhutun suomen kielen tekstiksi. Kone ymmärtää kuitenkin vasta tietyn henkilön selkeää puhetta, joten kaupallista läpimurtoa sen avulla ei vielä pystytä tekemään.
"Suuri haaste puheen tunnistamisessa on ollut, miten saada kone ymmärtämään tekstiksi jatkuvaa suomenkielistä puhetta ja miten päästäisiin sanastorajoituksista vapaammille vesille. Uusi järjestelmä on tuonut ratkaisuja näihin kumpaankin ongelmaan", kertoo professori Unto K. Laine akustiikan ja äänenkäsittelytekniikan laboratoriosta Teknillisestä korkeakoulusta.
Esimerkiksi englannin kielessä jatkuvan puheen tunnistimia on jo markkinoilla, koska niiden kehitteleminen on helpompaa. Englannin kielessä sanat taipuvat vähemmän, joten puheen tunnistuksessa voidaan turvautua sanastoihin.
Tämä ei kuitenkaan onnistu suomen kielessä, koska sanat muodostetaan pienemmistä osista, morfeemeista. Eri sanamuotoja on tähtitieteellinen määrä, mutta noin 6 000 morfeemia kuitenkin riittää niiden kuvaamiseen.
"Neuroverkkojen tutkimusyksikössä Mikko Kurimon ryhmä on nyt onnistunut purkamaan suomen kielen morfeemin tapaisiin osiin ja kehittämään näille tilastollisen mallin, joka kertoo, miten morfeemit keskimäärin käyttäytyvät meidän kielessämme. Se on selvä edistysaskel."
Toinen edistysaskel on se, että tutkijat ovat onnistuneet mallintamaan puhuttua kieltä. Se tarkoittaa, että suomen kielen äänteille on luotu paremmin toimivia tilastollisia malleja. Niiden avulla uuden koneen on mahdollista tunnistaa puheen äänteiden vaihtelua.
Haasteena puhujasta riippumaton laite
Laite tunnistaa puhetta niin, että tutkijat äänittävät etukäteen tietyn puhujan ääntä. Sen jälkeen laite viritetään tunnistamaan tämän henkilön puhetta. Nyt haasteena on luoda puhujasta riippumaton tunnistin.
"Yhtenä tavoitteena hankkeessa oli auttaa kuuroja kommunikoimaan kuulevien kanssa. Tässä tulisi kyseeseen esimerkiksi kuurojen puhelin. Sen avulla kuuro voisi lukea puhelimeen puhutun tekstinä ja hän voisi vastata kirjoittamalla. Kirjoitus muuntuisi taas puheeksi. Tässäkin pullonkaulana on se, miten kehittää puhujasta riippumaton ratkaisu."
Laine myöntääkin, että edessä on vielä paljon tutkittavaa. Esimerkiksi puheen akustinen koodi on vielä yksityiskohdissaan avaamatta. Ratkaisu pitäisi löytää myös muun muassa siihen, miten kone voisi tunnistaa henkilön puhetta huolimatta äänten sekamelskasta kuten taustahälystä.