Główną ideą projektu jest stworzenie wirtualnego asystenta “wbudowanego” w HS, który potrafił by rozpoznawać mowę i odpowiadać syntezowanym głosem.

Nad nazwą jeszcze można się zastanowić, w zależności od uzyskanej “inteligencji” :)

• Rozpoznawanie poleceń głosowych
• Analiza poleceń i przekazanie do odpowiedniego modułu wykonawczego
  • Zestaw predefiniowanych funkcji
    • Memo
    • Voice-mail
    • Wszystko to co @Maciora
  • Chatterbot w trybie “freestyle” tzn uczący się od zera na podstawie tego co usłyszy od użytkowników
  • Sterowanie urządzeniami w HS
  • Sterowanie czymkolwiek ?
• Synteza głosu

• Język
  • Polski czy angielski ?
    • Do angielskiego jest więcej softu
• Rozpoznawanie mowy
  • Google ma API do rozpoznawania mowy, tu jest jakiś przykład:
    • http://mikepultz.com/2011/03/accessing-google-speech-api-chrome-11/
    • http://wiki.openmoko.org/wiki/Google_Voice_Recognition
• Synteza mowy
  • Z tym chyba nie ma problemu, coś się znajdzie
• Analiza mowy
  • Funkcje predefiniowane
    • Mozna “ręcznie” wykrywać konkretne frazy ale może istnieje jakiś soft do uogólniania zwrotów
    • Memo i voice-mail wymaga wykrywania obecności użytkowników
      • Można zastosować obecny sytem at.hackerspace.pl
  • Trzeba przejzeć istniejące chatterboty i zastanowić się, który bedzie najlepszy do naszych potrzeb
  • Chatterbot(y) i funkcje predefiniowane muszą działać równolegle potrzebny jest zatem soft “multipleksujący” zwroty do poszczególnych analizatorów i wybierający ten najbardziej odpowiedni w danej sytuacji
• Rejestracja mowy
  • Mikrofony rozlokowane w HS
    • Potrzebna wielowejściowa karta dzwiękowa + soft
  • Mikrofony w laptopach + plugin dla każdego
  • System musi wykrywać zwroty “wywoławcze”, żeby było wiadomo od kiedy analizować mowę

• rejestracja mowy → jak rejestrować dzwiek w kilku pomieszczeniach, tak żeby sygnał miał odpowednią jakość
• wielogłosowość → jezeli mowi wiecej niz jedna osoba to robi sie szum

1. mic → rozpoznawanie mowy → synteza mowy → glosniki

2. mic → rozpoznawanie mowy → prosta analiza → synteza mowy → glosniki

3. mic → rozpoznawanie mowy → analiza “wstępna” i przesłanie do modułu → analiza “właściwa” → synteza mowy → glosniki