Spracherkennung

"Alexa, spiele Thunderstruck von AC/DC": Die Music Skill API ermöglicht Entwicklern das Erstellen von sprachgesteuerten Musikstreamingprogrammen. Die Grundlage dafür stellen AWS Lambda und die Spracherkennung von Amazons Alexa.

Mit Deep Speech will Mozilla ein freies System zur Spracherkennung bereitstellen. Die aktuelle Version 0.2 ist nun deutlich kleiner und ermöglicht Echtzeitanwendungen für die Spracherkennung, wie das automatische Erstellen von Untertiteln.

Ifa 2018 Wenn sie nicht gerade in der Sofaritze verschwunden ist, hat die Fernbedienung auf vielen Couchtischen noch einen festen Platz. Doch Experten sagen dem Gerät das Ende voraus. Ob sich damit jedoch der Streit um die Fernbedienung erledigt hat, bleibt abzuwarten.

Amazon will mit einer Open-Source-Version des Alexa Automotive Core (AAC) SDK oder Auto SDK Automobilherstellern helfen, den Sprachassistenten in Autos und ihre Infotainment-Systeme zu integrieren. Bisher ist Alexa in der Automobilwelt nur sporadisch vertreten.

Mit der Initiative Common Voice sammelt Mozilla frei verfügbare Sprachaufnahmen, um damit die eigene Spracherkennung Deep Speech und andere Projekte fördern zu können. Erstmals wird Common Voice nun offiziell mehrsprachig.

Mit Hilfe von zwei neuronalen Netzen will Qualcomm ein Spracherkennungssystem entwickeln, das lokal auf dem Gerät und ohne Internetanbindung funktioniert. Trotzdem soll es zu 95 Prozent genau sein. Das Ziel: Hardware zu bauen, die sich an das Verhalten der Nutzer anpasst.

Adobe hat die Übernahme von Sayspring bekanntgegeben. Das in New York ansässige Startup bietet sprachbasierte Anwendungen an, die sich in virtuellen Assistenten wie Alexa und Google Assistant integrieren lassen.

Forscher bei Google haben einen Algorithmus vorgestellt, der zuverlässig verschiedene Sprachquellen in Videos trennen soll. Dabei verlässt sich das Deep-Learning-Modell nicht nur auf unterschiedliche Audiomuster, sondern bezieht auch die Mundbewegungen in die Berechnung mit ein.

Soziale Chatbots wie Xiaoice werden gerade in Asien immer beliebter. Microsoft will sie menschlicher wirken lassen. Die Herangehensweise: Latenzen zwischen Antworten sollen verkürzt werden und die Bots sollen Humor und soziale Bedürfnisse verstehen können - wie ein menschlicher Freund.

Eine Maschine beherrscht Chinesisch und Englisch so gut wie ein professioneller Übersetzer: Microsoft Research hat ein KI-basiertes Übersetzungssystem entwickelt - laut Microsoft ein wichtiger Fortschritt bei der Verarbeitung natürlicher Sprache.

Ein aufwendiger Werbespot für Alexa hat Amazon vor ein Problem gestellt: ungewollt ausgeführte Sprachbefehle. Nun ist bekanntgeworden, wie die Fehlsteuerung vermutlich verhindert wird. Nebenbei hat der Hersteller offenbar ein Echo-Headset vorgestellt.

Während sprachgesteuerte Assistenten boomen, sind sprachgestützte Spielzeuge fast verstummt. Ein deutsches Unternehmen zeigt, dass Spielsachen für die Spracherkennung kein Internet benötigen.

"Alexa, bitte aktiviere meine stärksten Waffen": Mit solchen Sprachbefehlen können Spieler ab sofort in Destiny 2 kämpfen. Dazu verwendet das Actionspiel Alexa von Amazon, sogar ein Lautsprecher im Ghost-Design ist demnächst erhältlich - alles allerdings vorerst nicht in Deutschland.

Mit Deep Speech steht ein erstes freies Modell zur Spracherkennung von Mozilla bereit. Parallel dazu sammelt Mozilla mit Common Voice die Sprachdaten dafür und stellt diese ebenfalls frei zu Verfügung. Golem.de hat mit den Verantwortlichen der beiden Projekte gesprochen.
Von Sebastian Grüner

Einkaufen aus dem Auto heraus: Das soll mit der Alexa-Integration bald in allen neuen Mini und BMW möglich sein. Dabei steht nahezu die gesamte Palette von Zehntausenden Alexa-Skills zur Verfügung, die über das Echo-Gerät zu Hause genutzt werden kann.

Netgear ergänzt seine Nighthawk-Serie mit einem Modell, das mit sechs Antennen in drei Frequenzen gleichzeitig funken kann. Über einen Alexa-Skill kann der Router per Sprachbefehl konfiguriert werden. Die Investition ist aber nicht ganz preiswert.

Komplexe Aufgaben fallen bisher an menschliche IT-Administratoren. IBM will das ändern: Die IBM Services Platform nutzt die eigene künstliche Intelligenz Watson, um automatisierte Prozesse zu optimieren. Das spart Geld - und Arbeitsplätze.

Ab sofort können Kapitäne in Star Trek Bridge Crew ihren menschlichen und computergesteuerten Untergebenen die Befehle auch per Sprache erteilen. Dazu hat IBM seine Technologie Watson in das VR-Spiel eingebaut - vorerst auf experimenteller Basis als Beta.

Microsoft hat ein Add-on für die Office-Programme Word, Powerpoint und Outlook vorgestellt, das unter Windows eine Spracherkennung einbindet. Diese ermöglicht Diktate in deutscher Sprache. Bei Satzzeichen verlangt das Programm jedoch englische Sprachkenntnisse.

Nach mehreren Monaten geschlossener Vorschau können nun alle Nutzer der Amazon-Cloud auf die Spracherkennung Lex zugreifen. Die Sprachsynthese Polly kann nun lippensynchron flüstern und die Bilderkennung filtert anstößige Inhalte.

Amazon öffnet seine Mikrofon- und Spracherkennungstechnik für Hersteller von Alexa-kompatiblen Geräten: Die Kombination aus sieben Mikros und der Fernfeld-Spracherkennung soll Drittherstellern die Möglichkeit geben, eine mit den Echo-Lautsprechern vergleichbare Sprachsteuerung zu erreichen.

Volkswagen beteiligt sich mit 180 Millionen US-Dollar an einem Joint Venture mit Mobvoi. Das chinesische Unternehmen entwickelt Spracherkennungs- und Sprachsteuerungsfunktionen für Autos.

Wer für Spracherkennungsexperimente nicht auf Geräte von Amazon oder Google zurückgreifen will, kann über Indiegogo eine Open-Source-Platine erwerben. Sie kann auch mit einem Raspberry Pi kombiniert werden.

Auch der Spielzeughersteller Mattel will auf den Markt der digitalen Assistenzsysteme - mit Barbie. Eine Box mit Hologramm soll Fragen beantworten und Kinder unterhalten. Bei der Sicherheit soll es besser laufen als bei anderem Spielzeug.

Schneller als Google Translate und Microsoft Translator und mindestens genauso gut: Die Forschung lässt ein System entwickeln, das es ermöglicht, ohne Fremdsprachenkenntnisse ausländische Dokumente zu durchsuchen und zu analysieren.

Eine paar Worte und das Bild für das Facebook-Posting ist fertig: So stellt sich Adobe eine sprachgesteuerte Bildbearbeitung vor. Künftig sollen einfache Bearbeitungen ohne Tastatur, Finger oder Stift vollzogen werden.

Spieler sollen viele Drohnen steuern: Die Darpa will Methoden entwickeln lassen, um eine große Anzahl von Robotern zu kontrollieren. Computerspieler sollen dazu beitragen.

Mit dem eigenen Rechner oder Telefon sprechen, die Geräte geben ihre Antworten ebenso gesprochen aus: Diese Funktionen können Entwickler künftig mit Hilfe der KI in der Amazon-Cloud umsetzen. Eine Bilderkennung kann ebenfalls genutzt werden.

Das System zum Erkennen von gesprochener Sprache von Microsoft sei bei einem Standard-Test inzwischen ähnlich gut wie professionell geschulte Menschen. Das Forscherteam nutzt dafür Microsofts Open-Source-Toolkit CNTK, hat bei einigen Gesprächen aber noch große Schwierigkeiten.

Nicht nur zahlreiche Ford-Besitzer haben sich über das Infotainment-System MyFord Touch geärgert. Selbst die Ingenieure des Autoherstellers fanden intern drastische Bezeichnungen für das System.

In der Öffentlichkeit verwenden nur sehr wenige Smartphone-Nutzer die Sprachassistenten ihrer Geräte. Doch zu Hause und im Auto sieht es anders aus, so eine Studie von Creative Strategies aus den USA. Bald werden uns noch viel mehr solcher Assistenten umgeben.

Mit einer Aufsatzplatine verstehen eigene Elektronik-Basteleien gesprochene Sprache und sprechen selbst. Eine Internetverbindung oder ein zusätzlicher Computer sind dafür nicht notwendig.

Wäre es nicht schön, alle Menschen auf der Welt unabhängig von ihrer Sprache zu verstehen und mit ihnen sprechen zu können? Genau das soll der Pilot von Waverly Labs ermöglichen: Der Ohrstöpsel soll ein Universalübersetzer werden.

Build 2016 Mit den Cognitive Services von Microsoft sollen sich Sprach- und Bilderkennung sowie weitergehende Analysen in eigenen Anwendungen nutzen lassen. Und intelligente Chatbots könnten damit automatisch übersetzen.

Google forscht an einem digitalen Assistenten mit Sprachsteuerung, der keine Internetverbindung mehr benötigt. Dadurch soll er insgesamt schneller reagieren können, ohne übermäßig viel Speicher auf einem Smartphone zu belegen. Erprobt wird das Ganze auf einem Nexus 5.

Das Deep-Learning-Werkzeug CNTK von Microsoft steht nun als Open Source bereit. Wie vergleichbare Technik kann es zur Bild- oder Spracherkennung genutzt werden, soll dabei aber deutlich schneller sein als Googles Tensorflow.

Die Forschungsabteilung von Baidu gibt Code auf Github frei, mit dem neuronale Netze für Spracherkennung trainiert werden. Das formale Konzept dahinter nutzt auch Google in seiner Sprachsuche, weil es besser als bisher verwendete Modelle funktioniert.

CES 2016 Der Smart-Home-Anbieter Digitalstrom bietet eine Vernetzung gewöhnlicher Haushaltsgeräte mit nachrüstbaren, intelligenten Klemmen an. Noch interessanter wird dieser Ansatz durch die neue Sprach- und Gestensteuerung, wie wir beim Ausprobieren festgestellt haben.
Von Tobias Költzsch

Wer selbst Apps programmiert oder Roboter und IoT-Geräte baut, soll künftig auf einfache Art und Weise eine Sprachsteuerung integrieren können: Nuance hat mit Nuance Mix eine Entwicklungsplattform vorgestellt, die ein komplettes Sprachkommandosystem in Apps oder Geräte einfügt.

Nuance will im Herbst mit Dragon Anywhere eine iOS-App mit Spracherkennung vorstellen, die das mobile Arbeiten erleichtern soll. Dabei setzt Nuance auf ein benutzerdefinierbares Wörterbuch und eine enge Anbindung an die Desktop-App. Ohne Cloud geht es aber nicht.

Re:publica 2015 Radio, Navigationsgerät und Smartphone: In vielen Fahrzeugen lassen sich diese Geräte mit der Stimme bedienen. Die Verbesserung der Spracherkennung ist für Entwickler eine Herausforderung.
Von Steve Haak

Schnell mal antworten: Auch Autofahrer, die eine SMS nicht per Hand eingeben, sondern eine Spracherkennungs-App nutzen, sind einer erhöhten Unfallgefahr ausgesetzt. Zu diesem Schluss kommt eine aktuelle Untersuchung. Eltern tragen demzufolge zu dem Risiko bei.

Sirius erkennt Fotos und versteht gesprochene Fragen wie "Wo steht dieses Gebäude?". Es soll eine Linux-Alternative zu virtuellen Assistenten wie Apples Siri sein.

Facebook erwirbt Wit.ai, einen Hersteller von Spracherkennung für Wearables und das Web. Damit wären etwa Spracheingaben im Facebook Messenger möglich.

Die Profibastler von iFixit haben Amazons Echo auseinandergenommen und waren überrascht, wie leicht sich das Gerät reparieren lässt. Vom Aufbau her erinnert der Rechner an Apples Mac Pro.

"Suche Filme mit George Clooney" könnte schon bald eines der Kommandos heißen, das dem Apple TV vom Sofa aus entgegengeschleudert wird. Apple hat in seine SDK für iOS 7.1.1 zumindest schon einmal die Apple-TV-Unterstützung für Siri eingebaut. An der notwendigen Hardware hapert es noch.

Erneut ist ein Fehler entdeckt worden, der das unbemerkte Mithören über das Speech-API in Chrome ermöglicht. Genutzt wird dazu eine längst überholte Version des APIs, die es erlaubt, das Element zu verstecken.

Wird Blackberry Fords neuer Partner bei der Bordelektronik im Auto? Eine US-Tageszeitung will von einem Informanten erfahren haben, dass Ford die Zusammenarbeit mit Microsoft beenden will.

Der Programmierer Tal Ater hat entdeckt, dass Google Chrome unter bestimmten Umständen unbemerkt vom Anwender das Mikrofon benutzen kann. Das Problem entsteht, weil der Browser die Mikrofreigabe für die Domain nicht mehr vergisst und weitere Fenster wie eine Wanze arbeiten können.

Apple hat in den USA einen Patentantrag eingereicht, der eine Erweiterung der Sprachsteuerung Siri in Form einer Dockingstation vorsieht, die der Anwender im Haushalt aufstellt. Das Gerät versucht dann kontinuierlich, Kommandos zu erkennen.