Sérgio Abranches
Agência O Globo
Do Rio
A tecnologia de reconhecimento de voz, que transforma a fala em texto com velocidade normal e razoável precisão, será um componente trivial de nossos sistemas dentro de poucos anos. O que está disponível já merece atenção
Tudo começou na virada do ano, quando o pistilo explosivo de uma daquelas lindas flores coloridas não abriu no céu e se projetou em direção à areia de Copacabana. Explodiu a meus pés, ferindo-me na perna e na mão direitas. Minha foto com a mão enfaixada, publicada no ‘‘Globo’’, comoveu uma colega, que me enviou um programa de reconhecimento de voz, o FreeSpeech, da Philips, para que avaliasse. Adorei a idéia. Meu irmão Ricardo já me contara várias vezes, empolgado, suas experiências com o ViaVoice, da IBM.
O programa chegou em dois CDs e um microfone/alto-falante/trackball também da Philips, chamado SpeechMike. Tive bastante dificuldade para instalar o hardware, mas por culpa da máquina: uma vez resolvidos os problemas de compatibilidade, ele funcionou muito bem, tanto como trackball quanto como microfone. O alto-falante, porém, não apresentou volume suficiente para ficar confortavelmente audível. Parti então para o Plano b: um microfonezinho de lapela, comprado há vários anos em NY por US$ 2. Funcionou perfeitamente e, junto com as caixas do meu PC, ficou ótimo. A instalação do FreeSpeech, em si, é simples e direta, embora leve algum tempo, pois são várias as etapas para preparar o computador para reconhecer sua voz e pronúncia. O assistente de instalação é amigável e automático, e o manual resolve, com simplicidade, todos os problemas que você possa ter para um uso básico do programa.
Ao instalar o programa, a primeira coisa a fazer é ajustar o áudio. Nos casos do mike da Philips ou de fones de ouvido, o FreeSpeech mostra como instalá-los na placa de som, com diagramas muito claros. Se o seu sistema de som passar no teste, a próxima etapa é o reconhecimento e o nível de silêncio. Você deve contar de um a cinco, à medida que cada número aparece escrito numa janela. O programa grava e, ao mesmo tempo, testa o reconhecimento de voz.
A fase seguinte é a mais importante e demorada: ao se definir como usuário, você passa a ‘‘treinar’’ com o programa, para que ele reconheça sua voz e pronúncia. Para minha surpresa, os vários textos apresentados são bons e interessantes. Tem até literatura de primeira! É tão comum encontrar manuais e programas que ofendem a inteligência do usuário, que uma biblioteca de textos inteligentes vira uma virtude importante...
Durante o treino, você dita o que aparece na tela. As palavras entendidas pelo programa são acentuadas em verde; as que ele não entendeu ficam em vermelho. Tem-se a opção de ouvir o texto e, se as palavras em vermelho estiverem mesmo ininteligíveis, repeti-las, regravando-as a partir da primeira ocorrência. Dita-se o que aparece escrito, inclusive a pontuação, que aparece por extenso: ‘‘virgula’’, ‘‘ponto de exclamação’’, etc. O tempo de treino depende mais da dicção e da clareza com que se separa cada palavra ao ditar do que da velocidade do ditado.
O problema é quando se quer ditar em outra língua (o FreeSpeech vem com dicionários e módulos de treinamento para oito línguas e suas variações). Testei os módulos para inglês dos EUA, francês e espanhol sul-americano. O programa só entende os comandos no idioma principal, e nem o manual, nem o help, dão qualquer explicação sobre como mudar de idioma e como resolver os problemas que aparecem. Ao tentar ditar em outras línguas, por exemplo, fracassei totalmente utilizando o WordPad. Só consegui ao passar para o Word e definir um estilo para cada uma das línguas colocando-as como idioma daquele estilo. Se esta for a única possibilidade, será preciso dominar mais do que o básico do seu editor de texto para usar mais de um idioma.
Segundo o ‘‘leia-me’’ do FreeSpeech, quando se usa o programa num idioma diferente daquele para o qual o PC está formatado, fica tudo mais lento. Isso nem notei. Mas ele recomenda 60 minutos de treino mínimo para obter bons resultados, enquanto minha experiência é que só com 90 minutos os erros de reconhecimento caem a um nível suportável. Claro, depende da pronúncia e do domínio do idioma. Ao menos, o treino é uma boa oportunidade para melhorá-los.
Passada esta fase, o programa funciona surpreendentemente bem. Ele tem dois modos: comando e ditado. No primeiro, ao se dizer ‘‘iniciar Word’’, por exemplo, ele abre o programa. Já dentro do Word, no modo de comando, ‘‘arquivo’’ abre a janela de opções de arquivo e ‘‘salvar’’ salva o texto. É divertido.
Mas seu forte mesmo é o ditado. Ele reconhece sua voz e a transforma em texto com a velocidade normal da fala e razoável precisão. E ‘‘aprende’’ com o uso. Começa com um dicionário de 50 mil palavras, o ConText, ao qual se vão adicionando outros vocábulos. Ele contém um vocabulário ativo e o modelo de linguagem de cada usuário, em cada idioma. Tudo muito inteligente - e nem parece artificial!
Os primeiros parágrafos desta resenha foram ditados no FreeSpeech. Ele cometeu 13 erros, dos quais oito podem ser atribuídos à minha dicção. Por exemplo, trocou vi por viu, área por areia, pistilo por estilo. Os outros foram por falta de dicionário. Não reconheceu irritantíssima (também, convenhamos) e inicialização - mas escreveu inicia lisa são. Para corrigir, basta selecionar a palavra errada e dizer ‘‘corrigir’’. Ele entende a junção da seleção com a palavra corrigir como um comando e não como parte do ditado. Abre-se uma caixa de diálogo com a palavra errada e uma lista de opções. Para substituir, basta digitar ou soletrar a palavra correta ou, ainda, dizer o número da opção listada. É possível, também, teclar ‘‘treino’’ e gravar a palavra. Fiz dez testes e ele só errou duas palavras, depois que corrigi e gravei a palavra certa.
Irritantíssima é a música que toca toda vez que se abre o programa, mas é possível excluir o arquivo do subdiretório ‘‘bin’’ da pasta de instalação. Os maiores problemas que enfrentei foram incompatibilidades insanáveis entre o FreeSpeech e os programas M$, que me assolaram com ‘‘falhas de páginas inválidas’’ e ‘‘erros fatais’’, a maioria ocasionada pelo MMTask, e crashes radicais da máquina.
O programa é surpreendente. Fora os problemas de compatibilidade que ainda são uma praga, em sua própria operação ele me pareceu perfeitamente funcional. Talvez não ainda para escrever textos longos. Mas, para cartas, memos e artigos menores, é uma mão na roda. Não tenho mais dúvida de que a tecnologia de reconhecimento de voz será um componente trivial de nossos sistemas, em poucos anos mais. O que está disponível já merece atenção.
Serviço: O FreeSpeech, já incorporado ao WordPerfect da Corel, pode ser também testado na Rede, em www.philips.com/freespeech

mockup