FAZ über Dragon TV

In ihrer heutigen Ausgabe (19.02.2013) berichtet die FAZ im Technik und Motor-Teil über neue Prototypen eines Dragon TV, welches die Steuerung des Fernsehgerätes per Sprache erlauben soll. Weit über die von einem Diktiersystem bekannten Fähigkeiten hinaus soll die Sprachsteuerung des Fernsehers ähnlich intelligent arbeiten wie das vom iPhone hinlänglich bekannte Siri.

In ihrer heutigen Ausgabe (19.02.2013) berichtet die FAZ im Technik und Motor-Teil über neue Prototypen eines Dragon TV, welches die Steuerung des Fernsehgerätes per Sprache erlauben soll. Weit über die von einem Diktiersystem bekannten Fähigkeiten hinaus soll die Sprachsteuerung des Fernsehers ähnlich intelligent arbeiten wie das vom iPhone hinlänglich bekannte Siri.

Einige Auszüge:

„(Das Fernsehgerät) hört nämlich ständig in den Raum hinein, man muss nicht in ein Mikrofon sprechen, Hintergrundgeräusche werden ausgeblendet, und mit dem Zauberwort ‚Dragon TV‘ macht die Software aus dem Tiefschlaf auf und nimmt Kommandos entgegen. Und zwar Befehle in natürlicher Sprache, die weit über das hinausreichen, was sich Fink mit einigen Tastendruck auf der Fernbedienung erledigen lässt.… Man kann mit Sprachkommandos auch nach bestimmten Serien oder Schauspielern oder Genres suchen lassen.“

„Die Nuance-Software steuert nämlich geräteübergreifend nicht nur den TV-Apparat, sondern auch den Receiver und den Festplattenrekorder.… Zudem sind nicht zuletzt Streaming-Dienste eingebunden… Wer am PC mit der Dragon-Software nach einem im Japan spielenden Film mit Bill Murray gesucht und „Lost in Translation“ gestartet hat, kann wenig später im Wohnzimmer das Filmvergnügen fortsetzen.“

Das ganze funktioniert vor ausgesuchten Journalisten einwandfrei. Wieder ein Schritt weiter zum elektronischen Butler?

FAZ über Dragon 12 und seine Konkurrenten

Dragon NaturallySpeaking 12 ist seit einigen Tagen auf dem Markt, und die FAZ veröffentlichte am vergangenen Dienstag den 1. Test. Dieser ist nun online abrufbar.

Neben dem gewohnt kompetenten Vergleich verschiedener Spracherkenner, die sich derzeit auf dem Markt befinden, arbeitet der Artikel sehr schön die Vorteile der neuen Version heraus. Was die Verbesserung der Erkennungsgenauigkeit angeht, so lässt sich diese nur noch als asymptotische Funktion beschreiben, d.h. je näher man zum Grenzwert kommt, desto flacher verläuft die Kurve. Will sagen: die ohnehin schon hervorragende Erkennungsgenauigkeit aus Dragon NaturallySpeaking 11 lässt sich nicht mehr dramatisch steigern, auch wenn immer noch Verbesserungen möglich sind und auch vorgenommen worden.

Wichtig und auch schön formuliert finde ich die Bemerkung, wer nach ein paar Runden im Porsche 911 die Leistung eines Formel-1-Boliden suche, komme um ein Fahrertraining nicht herum. Dragon 12 hat in dieser Hinsicht einiges getan, um den Einstieg zu erleichtern. Nichtsdestotrotz zeigt die Erfahrung, dass ein kompetenter Trainer in der Regel sehr viel mehr aus dem Programm herauszuholen hilft, als der Anwender auf den 1. Blick vermutet. (Nur am Rande: vor ein paar Tagen habe ich Dragon einem Arzt vorgeführt, der auch selbst ein wenig diktieren wollte, aber natürlich schon an den Korrekturbefehl gescheitert ist – wofür sollte er sie auch kennen, denn sie ihm keiner gezeigt hat?)

Da ich keine Lust habe, mich bei FAZ NET anzumelden, hier mein Kommentar zu einem Leserkommentar:

Wer die Qualität der Spracherkennung daran bemisst, ob auf 1000 Buchstaben weniger als 2 Fehler oder auf 10 Sätze weniger als ein fehlerhafter Satz auftaucht, hat offensichtlich das grundlegende Prinzip nicht verstanden. Die Fehlerquote der Spracherkennung wird immer in falsch erkannten Wörtern gemessen – da Spracherkennung keine Tippfehler macht, sind falsche Buchstaben kein Kriterium, und da Sätze im Deutschen zwischen 2 und unendlich vielen Wörtern haben können, kann auch dies nicht verlässlich die Leistung einer Spracherkennung beurteilen. Und natürlich ist auch dieser Beitrag wieder diktiert.

Wo bleibt denn nun mein eigener Test? – Im Moment stecke ich so tief in der Beurteilung von Dragon 12, dass ich vor lauter Bäumen den Wald nicht mehr sehe. Insofern danke ich Herrn Spehr dafür, dass er mir in gewohnt kompetente Art und Weise die Arbeit abgenommen hat.

Apple-Fernseher mit Sprachsteuerung?

Digitimes hört das Gras wachsen: im nächsten Jahr soll ein Fernseher aus dem Hause Apple auf den Markt kommen. Ob der dann Fernsehen und Internet vermählt? Oder iTunes zur endgültig größten Videothek der Welt macht?

Spiegel Online vermutet auf jeden Fall schon Siri zur Bedienung. "Siri, heute abend will ich Dr. House sehen, aber ich komme erst um 22h nach Hause. Zeichnest du mir die Folge auf?"

Also das iPhone versteht so was... meistens. Gestern ausprobiert.

Nuance will Vlingo übernehmen

Wie heute bei Heise und in einer Nuance-Pressemitteilung zu lesen ist, bereitet Nuance die Übernahme des Spezialisten für mobile Spracherkennung, Vlingo, vor. Vlingo bietet einen Siri-ähnlichen sprachgestützten Assistenten für verschiedene mobile Geräte, z.B. BlackBerry, Androiden und Windows-gestützte Handys an.

Nuance-Technologie ist ja schon in Siri enthalten, wenn dies auch nicht an die große Glocke gehängt wird. Mit der angekündigten Übernahme wird Nuance versuchen, auch auf Smartphones seine marktbeherrschende Stellung zurückzuerobern bzw. auszubauen (je nachdem, aus welchem Blickwinkel man die aktuellen Technologien sieht).

Die Pressemitteilung ist da ganz eindeutig: nachdem in den letzten Monaten die Nachfrage nach Sprachsteuerung sprunghaft gestiegen ist (Hallo Siri!), sieht man einen Markt in der Größenordnung von 5 Milliarden $ für die Sprachsteuerung von Smartphones, Tablet PCs, Musik-Abspielgeräten, Navigationssystem usw. Die bewährte Strategie von Nuance ist, Anbieter von solchen Technologien aufzukaufen und die Technologie entweder in eigene Produkte einzubauen oder die Produkte gleich mit zu übernehmen.

5 Milliarden $ finde ich allerdings schon eine Hausnummer. Nuance geht offensichtlich davon aus, dass jetzt endlich die soziale Akzeptanz da ist, mobile Geräte, Computer usw. per Sprache zu steuern. Auch hier war Apple wieder Vorreiter.

Eigentlich merkwürdig, dass trotz hartnäckiger Bemühungen Spracherkennung und Sprachsteuerung am PC seit vielen Jahren ein Nischendasein fristet. Hat Nuance nicht laut genug verbreitet, welche Möglichkeiten Dragon NaturallySpeaking schon seit langem bietet, ist die Firma einfach nicht cool genug, oder liegt es am Ende doch an der Qualität des Produktes? Wir erinnern uns an die Reklamen von vor 12 Jahren, als die 1. Spracherkennungssysteme für Privatkunden auf den Markt kamen mit der Versprechungen, man könne ab sofort Tastatur und Maus verbrennen. Davon sind wir immer noch weit entfernt (und das wird auch so bleiben). Seitdem hat die Spracherkennung am Computer ein massives Imageproblem, und das völlig ohne Not: Dragon NaturallySpeaking kann den Computer komplett ohne Handy steuern, und auch die seit Windows Vista ins Betriebssystem eingebaute Spracherkennung hat in dieser Beziehung Maßstäbe gesetzt, die nur leider am Publikum völlig vorbeigegangen sind.

Und das sogar bei Anwendern, die eine Sprachsteuerung bitter nötig hätten. Vor ein paar Wochen habe ich noch mit einem Dragon NaturallySpeaking-Händler telefoniert, der Körperbehinderte ausstattet und berichtet, dass ein Großteil seiner Kunden sich weigert, den Computer per Sprachbefehl zu steuern, obwohl es viel einfacher für sie wäre…

Wenn Siri, Majel oder wer auch immer hier etwas bewirken, ist schon eine Menge erreicht.

FAZ über Siri

Nachdem bereits Spiegel online vor einigen Tagen einen ausführlichen Bericht über Siri, die neue Spracherkennung im iPhone, gebracht hat, jetzt auch ein ausführlicher Bericht in der FAZ (Technik und Motor, 06.12.2011). Autor ist wie immer Dr. Michael Spehr, der Spracherkennungsexperte der Frankfurter Allgemeinen Zeitung. (Artikel im Blog von Michael Spehr lesen)

Seiner Meinung nach liegt die wichtigste Neuerung von Siri in der engen Verzahnung der Spracherkennung mit dem Betriebssystem, die dafür sorgt, dass der Computer Anweisungen, die er per Sprache erhält, sofort umsetzen kann, ohne dass der Benutzer noch eingreifen muss. Das funktioniert deshalb, weil es auf dem iPhone praktisch keine Auswahlmöglichkeiten gibt, in welchem Programm der Befehl umgesetzt werden muss – ein Kalendereintrag greift immer auf denselben Kalender zu und hat nicht die Auswahl zwischen Outlook, dem Google-Kalender Kalender oder Lotus Notes; eine Websuche nutzt immer den Standard-Browser und die voreingestellte Suchmaschine Wolfram Alpha, die wiederum in der Lage ist, strukturierte Anfragen zu verarbeiten und zu beantworten. Damit ändert sich grundlegend die Interaktion des Nutzers mit dem Computer. Michael Spehr sieht solche Änderungen auch schon für Desktop-Computer voraus und prophezeit:

„Die Frage ist nicht mehr, ob und wie gut die Technik funktioniert, sondern ob man gewillt ist, in aller Öffentlichkeit oder zumindest im Büro mit seinem iPhone zu sprechen. Es geht allein um die soziale Akzeptanz. Wer die Idee für abstrus hält, denke zurück an eine Bürowelt ohne Telefone im 19. Jahrhundert.“

In der Tat scheint die soziale Akzeptanz, glaubt man zumindest den zahlreichen Kommentaren in diversen Foren, das entscheidende Kriterium zu werden. Noch immer können sich viele nicht vorstellen, unterwegs – also vor aller Augen der Öffentlichkeit – „mit ihrem Handy zu sprechen“. Obwohl sie natürlich schon seit vielen Jahren in aller Öffentlichkeit in ihr Handy sprechen und private Details vor den Ohren einer ganzen U-Bahn ausbreiten, aber das scheint etwas anderes zu sein.

Das Schlüsselwort ist tatsächlich „Anthropomorphisierung“. Schon das Diktat in einem Computer sorgt dafür, dass man ihm menschliche Eigenschaften zuschreibt (wie oft benutze ich eigentlich die Phrase „liebenswerte Eigenheiten unseres kleinen Drachen“?); Wenn die Maschine dann auch noch antwortet wie ein Mensch, verschwimmen die Unterschiede immer weiter. Neben der sozialen Akzeptanz stellt sich daher auch noch eine ethische Dimension. Wollen wir wirklich mit der Maschine umgehen wie mit einem Menschen? Dass auch hier die Kategorien bisweilen verrutschen, zeigt sich bei (fast) allen Hundebesitzern...

Sascha Lobo macht sich Gedanken über Siri

Blogger Sascha Lobo macht sich auf Spiegel Online Gedanken über Siri, die Spracherkennung im neuen iPhone.

Tenor:

Spracherkennung ist der Nachfolger sozialer Netzwerke. Kontexterkennung erschafft einen Markt, vergleichbar mit dem Suchmaschinenmarkt.

Spracherkennung ist nur die Basis, um Informationen durch Einbezug des Kontextes (wer spricht? wo? welche Informationen sind schon bekannt?) zu verknüpfen. Während das eine sehr attraktive Technologie ist, bildet sie gleichzeitig ein sehr hohes vertriebliches Potential - lies: einen weiteren wesentlichen Schritt auf dem Wege zu immer genauerer Werbung.

Siri ausführlich

Apples neue Spracheingabe fürs iPhone, Siri, wird von www.cio.de ausführlich getestet und besprochen.

Siri stellt die bisher verfügbaren Lösungen deutlich in den Schatten und zeigt, wie effektiv eine Sprachsteuerung sein kann, wenn man es richtig macht. Das iPhone hat in einigen Bereichen Maßstäbe gesetzt, zum Beispiel bei der Bedienung mittels Touchscreen oder bei der Nutzung des Internet am Smartphone. Auch Siri könnte ein solcher Meilenstein werden. Die Software befindet sich noch im Betastadium, leistet aber teilweise schon Erstaunliches.

Siri ist fast schon eine Sekretärin in der Tasche, die auch komplexe Anfragen und Aufgaben erledigt und bei Bedarf die nötigen Rückfragen stellt. Außerdem erlaubt sie Diktat per Spracherkennung direkt in Anwendungen auf dem iPhone - kein Umweg mehr nötig wie bei der Dragon-App.

Der Dienst läuft immer noch auf Apples Servern. Für wen das ein Sicherheitsproblem darstellt - denken Sie ein paar Sekunden darüber nach, was Ihr iPhone und damit Apple, Google & Co. ohnehin schon über Sie wissen...