Puheentunnistus on ala, jossa aina uskotaan että lopullinen läpimurto tulee ”5-10 vuoden sisällä”.
– Ongelma on tutkimuksen edetessä osoittautunut aina vaan vaikeammaksi. Nyt sanoisin, että tuskin siitä täydellistä tulee edes sadan vuoden sisällä, Kurimo sanoo.
Puheentunnistuksen sovellukset eli sanelu, puhekäyttöliittymät ja videoaineistot, alkavat jo olla arkipäivää Suomessakin.
– Silti järjestelmien suorituskyky erityisesti vapaalle puheelle luonnollisessa ympäristössä on yhä hyvin kaukana ihmisen kyvyistä, Kurimo sanoo.
Sovelluksia kännykkäpalveluista videoaineistojen hakuihin
Kännykkäsovelluksissa puheentunnistuksesta on hyötyä, sillä pitkien tekstien kirjoittaminen on kännykällä hankalaa. Lisäksi esimerkiksi liikenteessä on helpompaa, jos vastaukset tulevat puheella tekstin sijaan. Silloin käyttäjä voi keskittyä ympäristön seuraamiseen kännykän ruudun sijasta.
Yksi uusi ja merkittävä puheentunnistuksen sovellus on tiedon etsiminen laajasta videoaineistosta. Kurimon tutkimusryhmä tekee yhteistyötä muun muassa Ylen kanssa, jonka valtavasta radio- ja televisioarkistosta voidaan löytää ”mielenkiintoisia asioita” jäsentämällä materiaali puheentunnistuksen keinoin.
– Uutistenlukijan puheen kone tunnistaa jo lähes täysin. Sen sijaan elokuvat ovat hankalia, muun muassa taustamelun takia, Kurimo kertoo.
Myös hakukone Googlessa voi jo tehdä haut useilla kielillä kirjoittamisen sijasta puhuen.
Puheentunnistus yhdistää monia aloja
Puheentunnistus kiehtoo Kurimoa, koska alan tutkimus yhdistää mielenkiintoisella tavalla äänen fysiikkaa, signaalinkäsittelyä, matemaattista mallinnusta, edistyneimpiä tietojenkäsittelymenetelmiä, kielitiedettä sekä tietämystä ihmisen puheesta ja kuulosta.
– Kyseessä on siis ihmiselle tärkeä perusjuttu, joka kuitenkin perustuu matemaattisen mallinnuksen kannalta yhteen maailman monimutkaisimmista signaaleista.
Kurimon tuoreeseen virkaan oli hakijoita ympäri maailmaa. Paikalle valittu Kurimo on paitsi kokenut tutkija, opettaja ja tutkimusryhmän vetäjä, myös tunnettu maailmalla omalla alallaan. Hän on painiskellut puheentunnistustekniikan kehittämisen kanssa yhteensä yli 20 vuotta Teknillisessä korkeakoulussa sekä Aalto-yliopistossa. Kurimo tutkimusryhmineen siirtyi tietojenkäsittelytieteen laitokselta signaalinkäsittelyn ja akustiikan laitokselle, mutta tutkimusaihe ja Kurimon opettamat kurssit pysyvät samoina.
Teksti: Terhi Upola. Kuva: Anni Hanén.
Teksti on osa artikkelisarjaa, joka esittelee Aalto-yliopiston professorien urajärjestelmään (Tenure track) valittuja Sähkötekniikan korkeakoulun uusia professoreita ja apulaisprofessoreita.