Развитие вычислительных мощностей и падение цен на них вкупе с распространением смартфонов с мощными процессорами привело к стремительному развитию распознавания и синтеза речи

В исследовательской компании MarketsandMarkets сейчас оценивают этот рынок в $ 3,7 млрд, но предрекают к 2022 году его рост до $ 12 млрд.

За последние 65 лет речевые системы прошли путь от громоздких ящиков компаний Bell и IBM, способных распознавать лишь цифры да десяток букв, к привычной для многих фразе «Окей, Гугл, найди…».

Дело в том, что помощники Siri и Google отражают лишь вершину айсберга, вернее потребительский сегмент отрасли. А настоящая битва идет в области наработок для бизнеса и госструктур, где за пальму первенства борются мировые гиганты Microsoft, IBM, а также некоторые разработчики, специализирующиеся на этой тематике, например российский Центр речевых технологий (ЦРТ).

Корпорации Билла Гейтса удалось создать систему распознавания речи, допускающую лишь 6% ошибок. В IBM отрапортовали, что конкурирующий продукт совершает лишь 5,5% ошибок. Это очень небольшая погрешность: 6% ошибок допускают профессиональные стенографисты, то есть машины уже понимают речь лучше человека. «Технология сделала несколько шагов вперед», — говорит гендиректор компании ЦРТ Дмитрий Дырмовский, чья математическая наработка была использована Microsoft в работе.

К примеру, британский банк Barclays еще в 2013 году предложил своим VIP-клиентам услугу идентификации по голосу, а его конкурент HSBC в прошлом году ввел такой сервис для всех 15 млн владельцев банковских счетов.

Аналогичную услугу тестирует совместно с ЦРТ и Райффайзенбанк, где звонящего клиента вскоре будут идентифицировать лишь по произнесенным им имени и фамилии. Подобные разработки для контакт-центров пригодятся и маркетологам: звонки при помощи продукта SmartLogger II от ЦРТ «переводятся» в текст, а уже по нему компании анализируют свои маркетинговые акции и оценивают сервисы — так уже делают в «Ростелекоме» и ВТБ.

Системы распознавания речи явно пригодятся и создателям чат-ботов — обучаемым в нейронных сетях помощникам, способным заменять сотрудников тех же контакт-центров. К примеру, бот портала SuperJob за день провел пару тысяч интервью с соискателями. Чат-бот «Билайна» и ЦРТ пока общается с абонентами текстом, но вскоре начнет понимать и обычные голосовые запросы.

В будущем же речевой ввод явно заменит клавиатурный и тактильный. Многие системы в автомобилях уже управляются голосом, на подходе беспилотные автомобили в связке с речевым интерфейсом, не за горами и подключенные к интернету холодильники, с которым можно будет поговорить о недостаточном запасе продуктов.

Впрочем, одним голосом биометрия не обойдется, ведь уже сейчас весь биометрический рынок оценивается в $ 14 млрд, по данным исследовательской компании J'son & Partners.

Пока наиболее привычными технологиями в отрасли выступают идентификация обладателей смартфонов по отпечаткам пальцев (на руках находятся 160 млн аппаратов с такими сканерами) и путешественников по биопаспортам (к 2018 году их будет выдано 3,5 млрд штук). На очереди введение «в оборот» еще и лица человека, которое со временем заменит ему документы — прямо как в фантастических лентах.

Так, если сейчас, по оценкам J'son & Partners, основную долю рынка контролируют госструктуры, то в ближайшую пятилетку фокус сместится в сторону бизнеса и потребителей. В результате чего рынок к 2022 году вырастет почти втрое — до $ 40 млрд. В финансовом секторе подобные системы уже внедряют вовсю.

Например, международная платежная система MasterCard уже сейчас определяет личность пользователя с помощью сканера отпечатка пальцев на смартфоне и селфи, а банк HSBC использует для идентификации лишь снимок с камеры — для борьбы с мошенниками клиента просят улыбнуться или моргнуть.

В ВТБ24 используют схожую с MasterCard технологию, внедряемую совместно с ЦРТ, которая применяется для подтверждения переводов на крупные суммы: клиента попросят произнести на камеру смартфона уникальную комбинацию цифр. Селфи просят сделать даже в сервисе онлайн-заказа такси Uber, правда снимок должны делать не клиенты, а водители, что позволяет удостовериться в том, что за рулем не сидит кто-то посторонний.

В России революционные разработки ведет проект IDX (дочерняя компания Фонда развития интернет-инициатив), совместно с ЦРТ выводящий на рынок сервис удаленной биометрической идентификации граждан. Цифровые копии голоса и лица позволят использовать их, например, для идентификации в авиакомпаниях, кредитных учреждениях, агентствах по набору персонала и агентствах недвижимости.

По словам главы IDX Светланы Беловой, в двух последних случаях компаниям приходится тратить время на отсеивание заявок мошенников или граждан, желающих просто изучить рынок, а не найти работу или квартиру прямо сейчас.

Важным сегментом использования биометрии выступает и корпоративная безопасность. Так, футбольному клубу «Зенит» после многих матчей приходилось разыскивать болельщиков-дебоширов, на что уходили месяцы. Проблем стало куда меньше после внедрения службой безопасности клуба на стадионе «Петровский» системы идентификации по лицу от ЦРТ, которая сравнивает фото входящего на трибуну человека за то время, пока сканируется штрих-код его билета. На восьми матчах система «Визирь. Арена» сумела отсеять десять хулиганов из 30 тыс. человек и обеспечить, по словам директора службы безопасности «Зенита» Юрия Федотова, «неотвратимость наказания» для дебоширов.

В IDX считают, что идентификация на основе биометрии в ближайшие пять лет будет применяться более чем в половине случаев, когда требуется установить личность. В компании Acuity Market Intelligence конкретизируют: к 2020 году 65% транзакций через мобильные устройства будут использовать биометрическую верификацию.