Szacuje się, że człowiek jest w stanie mówić około siedmiu razy szybciej niż pisać. Podczas dyktowania tekstu lub przy przepisywaniu go z kartki wąskim gardłem wydajności jest właśnie proces zapisywania  nawet wytrenowana, bezwzrokowo pisząca na klawiaturze osoba nie jest w stanie pisać tak szybko jak mówi czy nawet czyta. [MK]

Właśnie dlatego rozpoznawanie mowy i zamiana jej na tekst jest tak bardzo pożądaną funkcją nowoczesnych systemów – zwyczajnie ułatwia i przyspiesza obsługę. Większość z nich radzi sobie z tym zadaniem całkiem nieźle – korzystanie z wyszukiwarki i map Google poprzez wypowiadanie na głos zapytań jest całkiem efektywne, zdecydowana większość wyrazów jest poprawnie rozpoznawana. Podobnie dobrze działają wirtualne asystentki Apple (Siri) i Microsoftu (Cortana).

Niestety, rozpoznawanie mowy jest w praktyce ograniczone do aplikacji mobilnych. Na pececie działają usługi Google, ale już sterowanie głosem w Windows nie obsługuje języka polskiego. Jeszcze gorzej wygląda to w przypadku pecetowych programów. Takie, które są w stanie zamienić na tekst nie pojedyncze zapytanie, a cały tekst, i do tego uczynią to w języku polskim, mogą zostać policzone na palcach jednej ręki... a i tak kilka wolnych palców zostanie.

Jak zacząć

Jednym z niewielu programów umożliwiających dyktowanie i natychmiastowe przekształcanie mowy na tekst – i to w języku polskim – jest NEWTON Dictate. Najtańsza odmiana najnowszej, czwartej wersji (Start) nie umożliwia niestety transkrypcji z plików audio, co jest wygodne, gdy masz np. nagrany wywiad wymagający spisania, a także nie zawiera specjalistycznych słowników. Wymaga też, podobnie jak bogatsze odmiany programu, szybkiego komputera z procesorem min. Core i5 z zegarem 1,7 GHz. To zrozumiałe, bo rozpoznawanie mowy z natychmiastową zamianą jej na tekst nie jest łatwe, a program nie dysponuje – w przeciwieństwie do usług Google – mocą obliczeniową farmy serwerów w chmurze. Przyda się też naprawdę dobry mikrofon – taki, który nie zniekształca głosu, ma kierunkową charakterystykę i daje minimalne szumy własne. Inaczej cały zarejestrowany szum i odgłosy z tła zauważalnie pogorszą jakość transkrypcji.

Nauka programu

Obsługa samego programu nie jest skomplikowana i da się ją opanować w kilka minut. Znacznie dłużej trwają kolejne etapy nauki pracy z programem. Po pierwsze, należy nauczyć się mówić w specyficzny sposób: wyraźnie, jednostajnie, z zauważalnymi przerwami pomiędzy wyrazami. Dyktując, trzeba wymawiać wszystkie znaki interpunkcyjne i symbole, liczby rzymskie (I dyktuje się jako „rzymskie jeden”). Trzeba opanować alfabet służący do literowania (b to „znak barbara mała”) oraz polecenia programu. Rozpoczęcie tekstu od nowego wiersza wymaga wypowiedzenia komendy „nowa linia”.

Jest to dość trudne, ale stosunkowo logiczne i po pewnej praktyce taki sposób dyktowania staje się niemal automatyczny i naturalny. We wszystkim pomaga szczegółowa instrukcja. Lista funkcji programu jest znacznie dłuższa i zawiera więcej niż tylko dyktowanie. Aplikacja ma wbudowany prosty edytor tekstów umożliwiający szybkie poprawienie rozpoznanych słów, obsługuje słowniki z fachowym słownictwem, jest w stanie uczyć się głosu i sposobu wymowy użytkownika, działa jak zwykły dyktafon itp.

Jak to działa

Podczas testów postawiliśmy na proste i sprawdzone teksty – między innymi męczyliśmy program kołysanką „Wlazł kotek na płotek”. Chrome radził sobie z tym tekstem bezbłędnie. NEWTON Dictate na początku miał z tekstem pewne problemy, po przyzwyczajeniu się do wymowy użytkownika zasadniczo miał jedynie kłopoty ze słowem „koteczku”. Problem ten udało się rozwiązać, wprowadzając frazę do słownika. Pokazuje to, że nie należy zrażać się początkowymi niepowodzeniami – zarówno program, jak i użytkownik muszą się po prostu przyzwyczaić do siebie, aby optymalnie funkcjonować. Użytkownicy, którzy chcą podytkować pojedynczy tekst, z pewnością nie zdążą tego zrobić. Osoby, które regularnie wykonują ten rodzaj pracy, docenią to funkcjonalne narzędzie.