Offline-Spracherkennung für die Werkhalle

Sprechen statt tippen

Sprachsteuerung kann bei der Bedienung einer Maschine oder eines Computers nützlich sein, wenn beispielsweise keine Hand frei ist. Dabei ist zwischen Online- und Offline-Geräten zu unterscheiden. Letztere bieten den Vorteil, dass sie auch ohne Netzabdeckung funktionieren.

(Bild: ©lassedesignen/stock.adobe.com)
(Bild: ©lassedesignen/stock.adobe.com)

Die Spracheingabe ist nicht neu. Einen Zulauf erlebte die Technologie zuletzt mit der Markteinführung von Sprachassistenten wie Alexa von Amazon oder Siri von Apple. Pkw-Navigationssysteme können per Spracheingabe Adressen und Namen entgegen nehmen und per Sprachausgabe Meldungen zur Navigation oder Verkehrsstörungen ausgeben. Der Dialog ist dabei oft stark formalisiert, Schlüsselworte müssen an einer bestimmten Position im Satzbau auftauchen, um erkannt und korrekt zugeordnet zu werden. Spracheingabe ist dann sinnvoll, wenn der Anwender damit nicht überfordert wird. Das bedeutet, dass er entweder über weitere Möglichkeiten der Eingabe verfügt, oder die Eingabesyntax so einfach ist, dass kein Lernaufwand erforderlich ist. In Verbindung mit bekannten Bedienmodalitäten kann das SUI (Speech User Interface) mit dem GUI (Graphisches User Interface) kombiniert werden und stellt eine sinnvolle Ergänzung zum Display mit Touchscreen, Tastatur und Maus dar.

Online oder offline?

Grundsätzlich unterscheidet man zwischen Online- und Offline-Sprachsteuerung. Online-Geräte können beispielsweise mit Unterhaltungselektronik vernetzt werden und diese steuern. Sprachsteuerungen, die ein abgeschlossenes System darstellen, können offline eingesetzt werden. Das bietet beispielsweise Vorteile bei geringer Netzabdeckung. Auch für die Industrie wird die Spracheingabe interessant, ermöglicht sie doch weitergehende Bedienvarianten und erhöhte Flexibilität. Durch die lange Lebensdauer einer Maschine und des erhöhten Sicherheitsbedarfs in der Fertigung stellen Anwender jedoch zusätzliche Anforderungen. Sie müssen über einen langen Zeitraum verfügbar und gegebenenfalls erweiterbar sein, das Aktivierungswort (Wake Word) muss frei wählbar sein und es sollten unterschiedliche Sprachen verfügbar sein.

Erkennung auf dem Prozessor

Der Audio-Spezialist Voice Inter Connect hat eine Lösung entwickelt, die ohne Internetanbindung betrieben werden kann – die Erkennung findet lokal auf dem Systemprozessor statt. Dadurch kann die Lösung in Bereichen eingesetzt werden, in denen Daten vertraulich gehalten werden müssen. Die Spracheingabe muss zudem keiner festen Syntax folgen und kann völlig frei gesprochen werden. Das Erkennungsergebnis wird mittels KI-basierter Auswerteverfahren semantisch verarbeitet, damit die gewünschte Funktionsklasse (Intent), die eingegebenen Parameter (Slot) und die dazugehörigen Werte (Value) automisch erkannt und zur Gerätesteuerung bereitgestellt werden können. Weitere Anforderungen sind eine hohe Zuverlässigkeit der Spracherkennung sowie die einfache Integration. Die Kommandos sollten in einer natürlichen Sprache mit freier Wahl des Satzbaus eingegeben werden können, für die Maschine nichtrelevante Füllworte automatisch ignoriert werden. Durch die verschiedene Landessprachen können einerseits Begriffe exakt definiert und den Landesgewohnheiten angepasst und andererseits ungewünschte Begriffe ignoriert werden. Im Servicefall ist ein schneller Zugriff auf den Zustand der Spracheingabe erwünscht, um den Grund für eine Fehlfunktion festzustellen. Für den professionellen Einsatz ist die Langzeitverfügbarkeit essentiell, denn die lokale Sprachsteuerung unterliegt nicht dem Geschäftsmodell eines Cloud-Anbieters, der sein Kostenmodell ändert oder den Dienst abschaltet.

Offline-Sprachsteuerung in der Applikation (Bild: Hy-Line Computer Components Vertriebs GmbH)
Offline-Sprachsteuerung in der Applikation (Bild: Hy-Line Computer Components Vertriebs GmbH)