मिचल झेडन्स्की सिरी आता जवळपास तीन वर्षांपासून आमच्यासोबत आहे. प्रथमच, Apple ने आयफोन 4S सह व्हॉईस असिस्टंट सादर केला, जिथे तो नवीन फोनच्या मुख्य अद्वितीय कार्यांपैकी एक दर्शवितो. ऍपलला सिरीसाठी आग लागली आहे, मुख्यत: अयोग्यता आणि खराब ओळखीमुळे. त्याच्या परिचयापासून, सेवेने इतर अनेक कार्ये आणि माहितीचे स्त्रोत प्राप्त केले आहेत ज्यासह सिरी कार्य करू शकते, तथापि, ते अद्याप आदर्श तंत्रज्ञानापासून दूर आहे, जे केवळ काही मोजक्या भाषांना देखील समर्थन देते, त्यापैकी आपल्याला चेक सापडणार नाही.
Siri साठी बॅकएंड, म्हणजे स्पीच रेकग्निशन आणि मजकुरात रुपांतरणाची काळजी घेणारा भाग, न्यूअन्स कम्युनिकेशन्सने प्रदान केला होता, जो त्याच्या क्षेत्रातील एक मार्केट लीडर आहे. प्रदीर्घ सहकार्य असूनही, ॲपल कदाचित न्युअन्सच्या सध्याच्या अंमलबजावणीपेक्षा वेगवान आणि अधिक अचूक असे तंत्रज्ञान विकसित करण्यासाठी स्वतःची टीम तयार करण्याची योजना आखत आहे.
2011 पासून न्युअन्सला स्वतःच्या सोल्यूशनने बदलण्याच्या अफवा पसरल्या आहेत, जेव्हा Apple ने नवीन स्पीच रेकग्निशन टीम तयार करू शकतील अशा अनेक प्रमुख कर्मचाऱ्यांना नियुक्त केले. आधीच 2012 मध्ये, त्याने Amazon V9 शोध इंजिनचे सह-संस्थापक नियुक्त केले, जे संपूर्ण सिरी प्रकल्पाचे प्रभारी आहेत. मात्र, भरतीची सर्वात मोठी लाट वर्षभरानंतर आली. त्यापैकी, उदाहरणार्थ, ॲलेक्स एसेरो, भाषण ओळखण्याच्या प्रकल्पावर काम करणारा मायक्रोसॉफ्टचा माजी कर्मचारी जो कदाचित विंडोज फोनमधील नवीन व्हॉइस असिस्टंट, कॉर्टानाचा अग्रदूत असू शकतो. दुसरे व्यक्तिमत्व म्हणजे लॅरी गिलिक, न्युअन्स येथील संशोधनाचे माजी VP, ज्यांच्याकडे सध्या Siri चे प्रमुख भाषण संशोधक ही पदवी आहे.
2012 आणि 2013 दरम्यान, Apple ने अतिरिक्त कामगारांना कामावर ठेवायचे होते, ज्यापैकी काही माजी न्यून्स कर्मचारी आहेत. Apple या कामगारांना अमेरिकेतील मॅसॅच्युसेट्स राज्यातील कार्यालयांमध्ये, विशेषत: बोस्टन आणि केंब्रिज शहरांमध्ये, जेथे नवीन आवाज ओळखण्याचे इंजिन तयार केले जाणार आहे, तेथे केंद्रित करणार आहे. बोस्टन संघाचे नेतृत्व सिरीचे माजी प्रकल्प व्यवस्थापक गुन्नार एव्हरमन करत आहेत.
जेव्हा iOS 8 रिलीझ होईल तेव्हा आम्ही Apple चे स्वतःचे इंजिन पाहण्याची अपेक्षा करू शकत नाही. Apple कदाचित ऑपरेटिंग सिस्टमच्या भविष्यातील अद्यतनांमध्ये शांतपणे न्युनेस तंत्रज्ञानाची जागा घेईल. तथापि, iOS 8 मध्ये आम्हाला स्पीच रेकग्निशनमधील एक नवीन नवीन वैशिष्ट्य दिसेल - चेकसह श्रुतलेखनासाठी एकाधिक भाषांसाठी समर्थन. जर Apple ने खरंच Naunce ची जागा स्वतःच्या सोल्युशनने घेतली तर, त्याचे स्वतःचे नकाशे सादर करण्यापेक्षा संक्रमण अधिक चांगले होईल अशी आशा करूया. तथापि, सह-संस्थापक सर नॉर्मन विनार्स्की 2011 च्या मुलाखतीतील कोटानुसार कोणताही बदल सकारात्मकपणे पाहतात: "सिद्धांतात, जर चांगली आवाज ओळख येत असेल (किंवा ऍपल ते विकत घेते), तर ते कदाचित जास्त त्रास न होता न्युअन्स बदलण्यास सक्षम असतील."
चॅप, हे चांगले आहे की ios8 सिरीमध्ये पूर्णत: एकात्मिक मार्ग आणेल?
नाही. सिरीला चेक कळणार नाही. जेथे कीबोर्ड पॉप अप होतो तेथे मजकूर चेकमध्ये लिहिला जाऊ शकतो.
अया-चस्पू-विहीर, जास्त काही नाही, पण किमान काहीतरी. डोळ्यातल्या तिआनटुंगपेक्षा चांगलं....
पण तो आणि ही चांगली बातमी आहे. झेकसह भाषांसाठी सर्वात कठीण म्हणजे आवाजाचे मजकूरात रूपांतर करणे. पूर्ण समर्थनाचा प्रश्न हा फक्त काही (शेकडो) नियमित अभिव्यक्तींचा प्रश्न आहे (किंवा ते सर्व्हरवर काय करतात). सिरी सैद्धांतिकदृष्ट्या पुढील काही महिने (जसे कोठेही त्यांनी जपानी किंवा काहीही जाहीर केले नाही) किंवा एक वर्ष झेक बोलू शकेल... Apple विकासकांच्या आळशीपणावर अवलंबून.
अन्यथा, बॅकएंड काय बदलेल हे मला माहित नाही... फक्त ते नकाशांसारखे संपत नाही…
मी फक्त जोडेन.. आणि इंटरनेट कुठे उपलब्ध असेल :)
मला आश्चर्य वाटते की श्रुतलेखनासाठी बॅकएंड कोण प्रदान करतो? तसेच Nuance, किंवा तो कसा तरी Apple द्वारे हाताळला जातो?