Recursos disponíveis

O CPqD ASR oferece diversos recursos, entre os quais destacam-se:

Suporte ao Português do Brasil

Os modelos acústicos foram treinados com fala de milhares de brasileiros, com sotaques de todo o país.

Entrada de áudio de 8 kHz e 16 kHz

Aceita áudio de entrada PCM Linear 16bits com taxa de 8 kHz, usado em telefonia, e 16 kHz, para aplicações com maior qualidade de áudio.

Arquitetura cliente/servidor

As aplicações podem usar o reconhecimento de fala através das APIs WebSocket e REST, desenvolvidas pelo CPqD, ou utilizar o padrão MRCP, no caso de aplicações com URA.

Reconhecimento online

O áudio é processado à medida em que é recebido, diminuindo o tempo de produção do resultado final.

Reconhecimento com gramáticas

O reconhecimento pode ser realizado com gramáticas escritas no padrão SRGS .

Interpretação semântica

Reconhecimento com interpretação semântica para gramáticas seguindo o padrão SISR.

Reconhecimento de fala livre

Reconhecimento de fala sem a necessidade de escrever uma gramática, permitindo flexibilidade na interação com o usuário.

Resultados parciais

Produção de resultados intermediários enquanto o áudio é recebido e reconhecido.

Índice de confiança

Os resultados gerados recebem uma nota, que indica a confiança no reconhecimento daquela frase; quanto maior essa nota, maior a chance do reconhecimento estar correto.

N-best list

Retorno da lista das N frases mais prováveis para cada reconhecimento, ao invés de apenas retornar a frase reconhecida.

Detecção de início e fim de fala

Identificação automatica dos instantes em que o usuário começa e termina de falar.