Oprogramowanie do zamiany mowy na tekst to dość wymagający mechanizm, który do sprawnego funkcjonowania potrzebuje spełnienia określonych wymagań technicznych. Są one niezbędne do uzyskania satysfakcjonujących efektów i niestety wymogów tych nie da się przeskoczyć.
W niniejszym poście postaram się wyjaśnić dlaczego. Na początek kilka faktów dotyczących oprogramowania.

   W naszym programie algorytm rozpoznawania mowy jest częścią działającego na lokalnym komputerze silnika rozpoznawania, w związku z tym żadne informacje nie są przesyłane do Internetu. Nikt nie zbiera informacji o tym, co robimy, ale płacimy też za to pewną cenę. Koszt polega na konieczności posiadania odpowiedniego sprzętu, który lokalnie, na stanowisku, będzie umożliwiał skuteczne przetwarzanie mowy na tekst.
Jak informujemy na naszych stronach - nie na każdym komputerze będzie to możliwe.

SYSTEM OPERACYJNY

Po pierwsze, program został przystosowany do korzystania z niego na komputerach z systemem operacyjnym Windows. Z tego względu niezbędne jest posiadanie 64 bitowej wersji systemu operacyjnego Windows. Na innych niestety nie uda się go uruchomić. 

PAMIĘĆ URZĄDZENIA

   Po drugie, z uwagi na lokalne przetwarzanie niezbędne jest posiadanie odpowiedniej ilości pamięci operacyjnej oraz miejsca na dysku do zainstalowania i uruchomienia programu.

Silnik dokonujący w tle rozpoznawania mowy wykorzystuje 2,5 gigabajta pamięci operacyjnej. Jeżeli dodamy do tego edytor transkrypcji konieczne jest posiadanie wolnych 3 gigabajtów RAM wyłącznie po to, aby program mógł sprawnie działać. Ponieważ system operacyjny i inne procesy również wykorzystują pamięć, w praktyce niezbędne są 4 gigabajty. W przypadku komputerów z mniejszą pamięcią, ze względu na przenoszenie informacji na dysk praca na programie może okazać się bardzo powolna, a wręcz czasem niemożliwa. Ważnym, powiązanym elementem jest szybkość pamięci,
a więc szybkość, z jaką komunikuje się pamięć z procesorem. Z reguły oznacza się to oznaczeniem DDR.  Warto pamiętać, że im lepszy jest ten parametr, tym wyższe traktowanie pamięci operacyjnej, a więc szybciej działający mechanizm rozpoznawania.

PROCESOR I RODZAJ DYSKU

   Kolejnym bardzo ważnym elementem jest procesor. Określa się go albo poprzez generacje albo poprzez typ. Do pracy z programem najlepsze są komputery z procesorem Intel i7, Intel i5 lub ich odpowiednikami.

Znaczenie może mieć również rodzaj dysku. Jeżeli jest to możliwe najlepiej instalować program na szybkich dyskach SSD lub dyskach twardych wspomaganych odpowiednio pamięcią cash. Ważna jest również ich wielkość. Oczywiście obecnie dostępne dyski mają na tyle dużą pojemność, że większość będzie całkowicie wystarczająca, ale zawsze warto ten element uprzednio sprawdzić. Do poprawnej pracy programu potrzebne jest 1 GB miejsca na dysku twardym.

PROGRAMY ,,W TLE"

   Trzeba pamiętać, że na korzystanie z programu wpływ ma również liczba równocześnie uruchomionych  programów. Każdy z nich zajmuje pamięć operacyjną, w związku z tym w pewnym momencie ilość miejsca w pamięci może być zbyt mała i program bardzo zwolni, gdyż nie wystarczy mu miejsca na przechowywanie wszystkich danych.

URZĄDZENIE DO DYKTOWANIA

   Ostatnie wymaganie dotyczy urządzenia do dyktowania. Specyfika technologii rozpoznawania wymaga posiadania mikrofonu kierunkowego (najlepiej zewnętrznego).  Program jest przystosowany do pracy z zewnętrznymi mikrofonami, gdyż większość z nich posiada automatyczny mechanizm oddzielania szumów. Jednocześnie pozwalają, poprzez odpowiednie ich umieszczenie względem ust, zapobiegać zbieraniu i rozpoznawaniu różnych dźwięków oraz głosów z otoczenia, co często ma miejsce w przypadku mikrofonów wbudowanych w komputer. Jest to o tyle istotne, że system automatycznie adaptuje się do sposobu mówienia, poprawiając jakość rozpoznawania. Jeżeli zamiast nas będzie słuchał kogoś innego lub przypadkowych dźwięków, to automatycznie zmieni też parametry a jakość rozpoznawania pogorszy się. Z tego również powodu należy pamiętać, że w momencie, gdy przerywamy pracę z programem nie wystarczy odłożenie mikrofonu, trzeba także wyłączyć rozpoznawanie.

Z uwagi na kluczową rolę urządzenia w procesie rozpoznawania każdy z oferowanych przez nas pakietów dla klientów indywidualnych posiada automatycznie dołączony i wliczony w cenę mikrofon kierunkowy w postaci zestawu słuchawkowo-mikrofonowego marki Sennheiser. 

Mamy nadzieję, że informacje z niniejszego wpisu będą wystarczające do oceny urządzenia w kontekście prawidłowej pracy programu oprogramowania Magic Speech Scribe. Jeśli nadal masz wątpliwości lub więcej pytań napisz do nas maila lub skontaktuj się z naszym przedstawicielem handlowym ;)