സംസാര തിരിച്ചറിയൽ: നിങ്ങളുടെ ഫോൺ നിങ്ങൾ പറയുന്ന വാക്കുകൾ എഴുത്താക്കി മാറ്റുന്നത് എങ്ങനെ?

കമ്പ്യൂട്ടർ മനുഷ്യരുടെ സംസാരം കേട്ട് മനസ്സിലാക്കുന്നത് എങ്ങനെ?

ബസ്സിലോ ട്രെയിനിലോ യാത്ര ചെയ്യുമ്പോൾ കൈകൊണ്ട് ടൈപ്പ് ചെയ്യാൻ ബുദ്ധിമുട്ടാണെങ്കിൽ, വാട്സാപ്പിലെ മൈക്രോഫോൺ ബട്ടൺ അമർത്തി നാം മലയാളത്തിൽ സംസാരിക്കാറുണ്ട്. നാം പറഞ്ഞു തീരുന്ന വേഗത്തിൽ തന്നെ മൊബൈൽ സ്ക്രീനിൽ തെറ്റില്ലാതെ നല്ല മലയാളം അക്ഷരങ്ങൾ തെളിഞ്ഞു വരുന്നത് കാണാം. കമ്പ്യൂട്ടറിന് കണ്ണോ കാതോ ഇല്ല, എന്നിട്ടും നമ്മുടെ സംസാരം ഇത്ര കൃത്യമായി കേട്ടെഴുതാൻ അതിന് എങ്ങനെ സാധിക്കുന്നു എന്നത് വലിയൊരു വിസ്മയമാണ്. ശബ്ദവും അക്കങ്ങളും തമ്മിലുള്ള രസകരമായ ഒരു വിനിമയമാണിത്. മലയാളത്തിലെ കൂട്ടക്ഷരങ്ങളും വ്യത്യസ്ത ദേശങ്ങളിലെ സ്ലാങ്ങുകളും തിരിച്ചറിയാൻ ഇന്ന് കമ്പ്യൂട്ടറുകൾക്ക് സാധിക്കുന്നുണ്ട്. ഇത് ഭാഷാ തടസ്സങ്ങൾ ഇല്ലാതെ ഡിജിറ്റൽ ലോകത്തേക്ക് പ്രവേശിക്കാൻ ഗ്രാമീണ ജനതയ്ക്ക് വലിയ കരുത്താണ് നൽകുന്നത്. സാങ്കേതികവിദ്യ സാധാരണക്കാരിലേക്ക് എത്തുന്നതിൽ ഈ മുന്നേറ്റം വലിയ പങ്കുവഹിക്കുന്നു.

നിങ്ങൾ സംസാരിക്കുമ്പോൾ വായുവിൽ ഉണ്ടാകുന്ന ശബ്ദതരംഗങ്ങൾ മൈക്രോഫോണിൽ തട്ടി ചെറിയ വൈദ്യുത സിഗ്നലുകളായി മാറുന്നു. കമ്പ്യൂട്ടർ ഈ തരംഗങ്ങളെ സെക്കൻഡിൽ ആയിരക്കണക്കിന് ഭാഗങ്ങളായി മുറിച്ച്, 'ക', 'മ', 'ല' തുടങ്ങിയ അടിസ്ഥാന ശബ്ദ ശകലങ്ങളാക്കി തിരിക്കുന്നു. തുടർന്ന് ഭാഷയുടെ വ്യാകരണ നിയമങ്ങൾ പരിശോധിച്ച്, ആ ശബ്ദങ്ങൾ ഒന്നിച്ചു ചേരുമ്പോൾ ഏത് വാക്കാണ് ഉണ്ടാവുക എന്ന് കണക്കുകൂട്ടി സ്ക്രീനിൽ എഴുതിക്കാണിക്കുന്നു. പ്രാദേശിക ഉച്ചാരണ ശൈലികളെയും പ്രത്യേകതകളെയും തിരിച്ചറിയാൻ ഇതിന് പ്രത്യേക പരിശീലനം നൽകിയിരിക്കുന്നു.

കോടതിയിലെ സ്റ്റെനോഗ്രാഫറും സംഭാഷണ കുറിപ്പുകളും തമ്മിലുള്ള സാദൃശ്യം

ഇത് മനസ്സിലാക്കാൻ ഒരു കോടതി മുറിയിലെ മിടുക്കനായ ഒരു സ്റ്റെനോഗ്രാഫറെ ഓർക്കുക. ജഡ്ജിയും വക്കീലന്മാരും വളരെ വേഗത്തിൽ വാദങ്ങൾ നിരത്തുമ്പോൾ അയാൾ അതീവ ശ്രദ്ധയോടെ എല്ലാം കേൾക്കുന്നുണ്ടാകും. മുറിയിലെ ശബ്ദകോലാഹലങ്ങൾക്കിടയിലും ഓരോ വാക്കുകളും നഷ്ടപ്പെടാതെ ഒപ്പിയെടുക്കുകയാണ് അയാളുടെ ചുമതല. ശബ്ദത്തിന്റെ ഉയർച്ച താഴ്ചകളും ഓരോ വാക്കിന്റെയും സന്ദർഭവും ഒത്തുനോക്കിയാണ് കമ്പ്യൂട്ടർ വാക്യങ്ങൾ പൂർത്തിയാക്കുന്നത്. ഇത് കേവലം ശബ്ദം രേഖപ്പെടുത്തലല്ല, മറിച്ച് ഭാഷയുടെ ആത്മാവ് തിരിച്ചറിയലാണ്.

എല്ലാ വാക്കുകളും പൂർണ്ണമായി എഴുതാൻ സമയം കിട്ടാത്തതുകൊണ്ട് അയാൾ പ്രത്യേകതരം ചെറിയ ചിഹ്നങ്ങൾ ഉപയോഗിച്ച് കാര്യങ്ങൾ വളരെ വേഗത്തിൽ കുറിച്ചെടുക്കുന്നു. മുറിയിലെ ഫാനിന്റെ കാറ്റോ പുറത്തെ വാഹനങ്ങളുടെ ശബ്ദമോ ഒന്നും അയാളുടെ ശ്രദ്ധ തെറ്റിക്കുന്നില്ല; അയാൾ സംസാരിക്കുന്നയാളുടെ സ്വരത്തിന്റെ കയറ്റിറക്കങ്ങളിൽ മാത്രം ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. വാദം അവസാനിച്ചയുടൻ അയാൾ ആ കുറിപ്പുകൾ നോക്കി വ്യാകരണ തെറ്റുകളില്ലാതെ ഔദ്യോഗിക ഭാഷയിൽ വിധിന്യായത്തിന്റെ പകർപ്പ് വേഗത്തിൽ ടൈപ്പ് ചെയ്ത് തയ്യാറാക്കുന്നു. അതിവേഗത്തിൽ കൃത്യത ഉറപ്പാക്കുന്ന ഒരു ജോലിയാണത്.

കമ്പ്യൂട്ടർ സോഫ്റ്റ്‌വെയർ ആ സ്റ്റെനോഗ്രാഫറെപ്പോലെയാണ്. അത് നിങ്ങളുടെ ശബ്ദതരംഗങ്ങളെ കൃത്യമായി കേട്ട്, ചുറ്റുമുള്ള ശബ്ദകോലാഹലങ്ങളെ ഒഴിവാക്കി, നിങ്ങളുടെ സംസാരത്തിന്റെ സാരം അക്ഷരങ്ങളാക്കി സ്ക്രീനിൽ തത്സമയം തയ്യാറാക്കി നൽകുന്നു. ശബ്ദം കേട്ടെഴുതുന്ന കാര്യത്തിൽ അത് അത്രമാത്രം സൂക്ഷ്മത പാലിക്കുന്നു.

ദൈനംദിന ജീവിതത്തിൽ സംസാര തിരിച്ചറിയൽ എവിടെയൊക്കെ കാണാം?

കൈകൊണ്ട് ടൈപ്പ് ചെയ്യുന്നതിന്റെ ആയാസമൊഴിവാക്കി കാര്യങ്ങൾ എളുപ്പമാക്കുന്ന ഈ സാങ്കേതികവിദ്യ പല മേഖലകളിലും ഉപയോഗപ്രദമാണ്. കമ്പ്യൂട്ടറുകളുമായി സംവദിക്കാൻ ഇത് പുതിയൊരു വഴി തുറന്നു നൽകിയിരിക്കുന്നു:

• മൊബൈൽ വോയ്സ് ടൈപ്പിംഗ്: വിരലുകൾ കൊണ്ട് ചെറിയ അക്ഷരങ്ങൾ അമർത്താൻ പ്രയാസപ്പെടുന്ന പ്രായമായവർ സംസാരിച്ചുകൊണ്ട് തന്നെ സന്ദേശങ്ങൾ അയക്കുന്നത്.
• വോയ്സ് അസിസ്റ്റന്റുകൾ: 'ഇന്ന് മഴ പെയ്യുമോ?' എന്നോ 'രാവിലെ ആറു മണിക്ക് അലാറം വെക്കൂ' എന്നോ ഉറക്കെ പറഞ്ഞ് ഫോണിനെക്കൊണ്ട് കാര്യങ്ങൾ ചെയ്യിക്കുന്നത്.
• ഡോക്ടർമാരുടെ പരിശോധനാ കുറിപ്പുകൾ: രോഗികളെ പരിശോധിക്കുമ്പോൾ തന്നെ ഡോക്ടർമാർ മരുന്നുകളുടെ പേര് ഉറക്കെ പറഞ്ഞ് കമ്പ്യൂട്ടറിൽ പ്രിസ്‌ക്രിപ്ഷൻ തയ്യാറാക്കുന്നത്.
• വീഡിയോകൾക്ക് സബ്‌ടൈറ്റിലുകൾ നൽകൽ: യൂട്യൂബ് പോലുള്ള പ്ലാറ്റ്‌ഫോമുകളിൽ വീഡിയോയിലെ സംസാരം സ്വയമേവ തിരിച്ചറിഞ്ഞ് താഴെ എഴുത്തു രൂപത്തിൽ കാണിക്കുന്നത്.

വോയ്സ് ടൈപ്പിംഗ് ഉപയോഗിക്കുമ്പോൾ സ്വകാര്യത സംരക്ഷിക്കാൻ ചില വഴികൾ

ശബ്ദം ഉപയോഗിച്ച് ജോലി ചെയ്യുന്നത് സൗകര്യപ്രദമാണെങ്കിലും, സ്വകാര്യത കാത്തുസൂക്ഷിക്കാൻ ഈ കാര്യങ്ങൾ ശ്രദ്ധിക്കുക. അശ്രദ്ധ കൊണ്ട് സ്വകാര്യ വിവരങ്ങൾ ചോർന്നുപോകാതിരിക്കാൻ ഈ മുൻകരുതലുകൾ എടുക്കണം: തുറന്ന ഇടങ്ങളിൽ ഇരുന്ന് സംസാര തിരിച്ചറിയൽ ഉപയോഗിക്കുമ്പോൾ നിങ്ങളുടെ ബാങ്ക് ഒടിപിയോ പിൻ നമ്പറോ മറ്റുള്ളവർ കേൾക്കാതിരിക്കാൻ ശ്രദ്ധിക്കുക. സ്വന്തം ശബ്ദ സന്ദേശങ്ങളുടെ സുരക്ഷിതത്വം നാം തന്നെ ഉറപ്പാക്കണം.

• പൊതുസ്ഥലങ്ങളിൽ പാസ്‌വേഡുകളോ ബാങ്ക് വിവരങ്ങളോ ഉറക്കെ പറയരുത്: വോയ്സ് ടൈപ്പിംഗ് ഉപയോഗിക്കുമ്പോൾ ചുറ്റുമുള്ള ആളുകൾക്കോ ആപ്പുകൾക്കോ നിങ്ങളുടെ രഹസ്യ കോഡുകൾ ലഭിക്കാതിരിക്കാൻ ശ്രദ്ധിക്കുക.
• ആപ്പുകൾക്ക് ആവശ്യമില്ലാതെ മൈക്രോഫോൺ അനുമതി നൽകരുത്: കാൽക്കുലേറ്ററോ ഫോട്ടോ എഡിറ്റിംഗ് ആപ്പുകളോ മൈക്രോഫോൺ അനുമതി ചോദിച്ചാൽ ഉടൻ നിരസിക്കുക.
• വോയ്സ് റെക്കോർഡിംഗ് ഹിസ്റ്ററി മായ്ച്ചു കളയുക: ഗൂഗിൾ അക്കൗണ്ട് സെറ്റിംഗ്സിൽ കയറി പഴയ വോയ്സ് റെക്കോർഡിംഗുകൾ കൃത്യമായ ഇടവേളകളിൽ ഡിലീറ്റ് ചെയ്യുക.

സംസാരം എന്നത് മനുഷ്യന്റെ ഏറ്റവും സ്വാഭാവികമായ വിനിമയ ഉപാധിയാണ്. മെഷീനുകൾ നമ്മുടെ ശബ്ദം കേട്ട് മര്യാദയോടെ പ്രതികരിക്കുമ്പോൾ, സാങ്കേതികവിദ്യ സാധാരണക്കാർക്ക് ഏറ്റവും പ്രിയപ്പെട്ട ഒരു ചങ്ങാതിയായി മാറുന്നു. നാം സംസാരിക്കുന്ന ഓരോ വാക്കും ഭാവിയിലെ ആശയവിനിമയത്തിന്റെ പുതിയൊരു വാതിലാണ് തുറക്കുന്നത്.