Unternehmensportrait Company Portrait

Transkript

1 r Unternehmensportrait Company Portrait

2 Experience IT!

3 EML European Media Laboratory GmbH Unternehmensportrait Company Portrait

4 4 Editorial Als ich 1997 das EML gründete, bekam die neue Firma einen klaren Auftrag: Sie sollte Forschung und Entwicklung in der Informationstechnik durchführen, ihren Erfolg aber nicht primär an der Zahl der veröffentlichten Artikel messen, sondern an der Umsetzung neuer Technologien in Produkte. In Deutschland haben wir viele brillante Ideen, bauen beeindruckende Prototypen, entwickeln visionäre Konzepte aber die wirtschaftliche Verwertung erfolgt oft durch andere. Bei uns scheitert das oft an regulatorischen Hindernissen, an einer innovationsfeindlichen Öffentlichkeit oder einfach an mangelndem Mut. Das EML soll die Wissenschaftler und Ingenieure ermutigen, nicht beim erfolgreichen proof of concept aufzuhören, sondern den ganzen Weg bis hin zum Produkt zu gehen. Wie weit sind wir damit gekommen? Der Überblick in diesem Heft zeigt, dass wir auf verschiedenen Gebieten unseren Anspruch einlösen konnten; am unmittelbarsten mit Ausgründungen, in denen mittlerweile schon über 100 Menschen arbeiten. Außerdem sind eine Reihe ehemaliger Mitarbeiter des EML als Firmengründer erfolgreich, manche von ihnen als serial entrepreneurs. Das vom EML mit initiierte Heidelberger Innovationsforum trägt regelmäßig dazu bei, neue Ideen aus den Labors der Verwertung zuzuführen. Doch so erfreulich das ist wenn man in einer Studie des ZEW liest: Bei einer Betrachtung der Gründungsdynamik von 1995 bis 2006 fällt auf, dass das Gründungsniveau im Hightech-Sektor in Deutschland insgesamt deutlich rückläufi g ist, dann sieht man, dass auf diesem Gebiet noch viel zu tun bleibt.

5 5 When I founded EML in 1997, I gave the new firm a clear mission. Its job was to engage in R&D in the IT sector, but I wanted its success to be measured not primarily in terms of the number of articles published but in terms of the transformation of new technologies into products. In Germany we have lots of bright ideas, we produce impressive prototypes and develop visionary approaches. But frequently it s others who make money out of them. In our country, factors militating against material success are red tape, public hostility to innovation, and sheer lack of guts. We want EML to encourage scientists and engineers not to come grinding to a halt with a successful proof of concept but to go the whole hog. How far have we come? The present overview shows that we have lived up to our mission in various sectors, most obviously in the shape of spin-off companies now employing over 100 people. A number of former EML staff scientists have also been successful with fi rms of their own, some of them as serial entrepreneurs. The Heidelberg Innovation Forum co-founded by EML also plays its part in getting new ideas from the labs onto the market. All this is very gratifying. But in a major study by the Centre for European Economic Research we read: In Germany between 1995 and 2006, the number of new firms starting out in the high-tech sector clearly declined. So there s still a lot to be done. Dr. h. c. Dr.-Ing. E. h. Klaus Tschira Gründer und geschäftsführender Gesellschafter / Founder and Managing Partner

6 6

7 Inhaltsverzeichnis Table of Contents 7 Editorial 4/5 Vorwort Preface 8/9 Von Sprache durch Software zu Schrift Voice Communication Technologies 10/11 Mehr Service durch Spracherkennung Speech Analytics 12/13 Von der Sendung zum Text Media Transcription 14/15 Die Botschaft kommt an Voice Messaging 16/17 Mobiles Diktat und Sprachsuche Mobile Dictation and Voice Search 16/17 Im Zentrum: Der Mensch Interactive User Interfaces 18/19 Natürlich mit Technik umgehen Multimodal Voice User Interfaces 20/21 Technik zur Sprache gebracht Voice User Interfaces Output 22/23 Die Lücke schließen / Closing the Gap 24/25 Aufgezeichnet! EML Technology for Digital Recording Systems 26/27 Hörsaal ohne Sprachgrenzen Obliterating Language Boundaries 28/29 Beratung, Service & Hilfe Consulting, Services & Help 32/33 Partner-Netzwerk Partner Network 34/37 Messen und Veranstaltungen Fairs and Events 38/39 EML: Von den Anfängen bis heute EML Historical Review 40/41 Erfolgreicher Transfer Successful Transfer 42

8 8 Vorwort Klaus Tschira hat in seinem Editorial den Auftrag des EML hervorgehoben: Neue technologische Konzepte sollen anwendbar gemacht und in Produkte überführt werden. Für die praktische Umsetzung bedeutet das zweierlei: Erstens muss man für den richtigen Skill Mix sorgen; neben den Technologen braucht es die Anwendungsexperten und auch diejenigen, die die Geschäftsprozesse verstehen. Das ist in einer kleinen Firma wie EML nicht vollständig möglich; deshalb sind strategische Kooperationen in jeder Phase erforderlich. Zweitens braucht man einen Plan für den Fall, dass in einem Gebiet die Umsetzung in Produkte gelungen ist. Würde EML sich auch noch mit Herstellung und Vertrieb dieser Produkte befassen, bedeutete dies eine Verschiebung der Aktivitäten weg vom ursprünglichen Auftrag des Technologietransfers. Also muss auf anderem Wege sicher gestellt werden, dass die gefundenen Lösungen tatsächlich vermarktet werden, das EML aber frei ist, sich mit einer neuen Technologie zu befassen. Die Möglichkeiten hierfür sind klar: Ausgründung, Verkauf oder Lizenzierung. In den Jahren seit der Gründung haben wir jede dieser Möglichkeiten erfolgreich genutzt. Es ist auch gelungen, Mitarbeiter zur Selbstständigkeit zu ermutigen, zur aktiven Verwertung eigener Ideen. Am spannendsten ist aber immer der Moment, wenn wir eine Technologie erfolgreich transferiert und zum Beispiel eine neue Firma ausgegründet haben: Dann braucht EML ein neues Thema und ein neues Ziel.

9 Foreword 9 In his Editorial, Klaus Tschira emphasizes the mission entrusted to EML, that of making new technological ideas applicable and turning them into products. In terms of practical implementation, that means two things: First, you have to have the right skill mix, that is to say not just engineers but application experts and people who understand business processes. A small fi rm like EML can t do this entirely on its own, so instances of strategic collaboration are necessary at all stages. Second, you need a plan for cases where transformation into a product is successful. If EML were to look after the manufacture and distribution of these products alongside everything else, it would mean a shift of emphasis away from the original technology transfer mission. So we have to find other ways of ensuring that the solutions we come up with actually fi nd their way onto the market, while at the same time safeguarding our liberty to work on technology. The options are straightforward: spin-off, sale, licensing. In the course of time EML has made successful use of all these options. In many cases, we have also managed to encourage staff members to go it alone and make the most of their ideas themselves. But the most exciting moment comes after the successful transfer of a technology, say, in the shape of a brand new spin-off. Because then EML needs a new baby and a new target. Prof. Dr. Dr. h.c. Andreas Reuter Geschäftsführer / Managing Director

10 10 Von Sprache durch Software zu Schrift Die Sprache ist eines der wichtigsten menschlichen Kommunikationsmittel. Die automatische Sprachverarbeitung erzielte im Laufe der letzten Jahrzehnte große Fortschritte. Viele Menschen haben Erfahrungen mit automatischen Telefonauskunftssystemen, sprachgesteuerten Navigationssystemen oder auch Diktieranwendungen gemacht. Diese Anwendungen haben alle die Kommunikation des Menschen mit dem Computer im Blick. Neueste Algorithmen und immer schnellere Rechner ermöglichen es inzwischen, Anwendungen für die automatische Verarbeitung der Mensch-Mensch- Kommunikation zu realisieren. Um die sprachliche Kommunikation von Menschen erfolgversprechend in Schrift umzusetzen, müssen aber noch einige Rahmenbedingungen erfüllt sein. Ein Schlüsselfaktor für gute Ergebnisse ist die Optimierung der Spracherkennung auf bestimmte Anwendungen mit vielen gesprochenen Äußerungen. Denn damit kann der automatische Erkenner sowohl lernen, wie Menschen sprechen, als auch was sie in bestimmten Situationen sagen. Für die Verschriftung von Nachrichtensendungen oder Parlamentsdebatten werden damit bereits recht hohe Erkennungsraten erreicht. Die Verarbeitung von Kunde-Agent-Gesprächen im Call Center, Sprachnachrichten oder Spielfi lmen ist mit mehr Erkennungsfehlern behaftet. Die Ergebnisse können aber bereits sehr gut für die Klassifi zierung oder statistische Auswertung von Kundengesprächen oder die Suche in Videoinhalten eingesetzt werden. Smartphone-Nutzer profi tieren außerdem von der Sprachsuche im Web oder der Möglichkeit, ihre s, Twitter- oder SMS-Nachrichten zu diktieren. Our aim is to employ speech technology for supporting communication among people.

11 Voice Communication Technologies 11 One of the most important human communication resources is language. In the course of the last few decades, automatic language processing has made great strides. Today many people have experience with automatic telephone information systems, voice-controlled navigation systems, and dictation applications. All these applications focus on human communication with the computer. In the meantime, the latest algorithms and increasingly faster devices have made it possible to realize initial applications for the automatic processing of interpersonal communication. But to transform spoken communication between humans successfully into writing, various parameters have to be fulfilled. One key factor for good results is optimization of speech recognition in given domains (that is: applications) by means of large quantities of spoken utterances. This way, the automatic recognizer can learn both how people speak and what they say in particular situations. Recognition rates are already quite good for newscasts or parliamentary debates. Far more errors are made in the processing of client-agent exchanges in call centers, spoken messages, and feature fi lms. On the other hand, excellent use can be made of these results for the classifi cation or statistical evaluation of customer feedback and agent-customer exchanges or for searches in video material. Smartphone users may profi t from searching internet content by voice and from dictating their s, tweets or SMS. Dr. Siegfried Kunzmann Leiter F & E / Manager R & D

12 12 Mehr Service durch Spracherkennung Die EML-Spracherkennung schafft die technischen Voraussetzungen für Speech-Analytics-Anwendungen im Contact-Center. Durch die automatische Transkription von Contact-Center-Dialogen kann die gesamte telefonische Kommunikation mit dem Kunden inhaltlich analysiert werden. Die Transkriptionen ermöglichen es, Kategorien, Muster und Gesprächsmerkmale zu identifi zieren und die Anrufe entsprechend zu klassifi zieren. Eine Recherche nach Themen und wichtigen Begriffen (zum Beispiel Preisinformation, Reklamation ) versetzt die Verantwortlichen in die Lage, Trends und Probleme zeitnah zu verfolgen und schnell zu reagieren. Zum Beispiel lassen sich Voic s nach den darin erwähnten Produkten oder gewünschten Kundenaktionen kategorisieren und können dem zuständigen und qualifi ziertesten Ansprechpartner in einer Hotline zugeordnet werden - eine interessante und verbraucherfreundliche Alternative im Gegensatz zum langen Warten auf den nächsten Ansprechpartner. Auch beim Coaching von Contact-Center-Agenten bieten sich neue Möglichkeiten: So können Gesprächsvorgaben automatisch überprüft und abweichende Gespräche identifi ziert werden. Dies erlaubt ein effektives Coaching und stellt die Einhaltung hoher qualitativer Standards sicher. Durch das Abspeichern von verschrifteten Gesprächen in einer Datenbank kann auf unterschiedlichste Informationen schnell zugegriffen werden, beispielsweise auf alle Kontakte mit einem Kunden oder alle Dialoge mit Kunden, die in den letzten 24 Stunden ein Netzwerkproblem gemeldet haben.

13 Speech Analytics 13 EML speech recognition creates the preconditions necessary for speech analytics applications in contact centers. Automatic transcription of contact center dialogues facilitates content analysis of all telephone communications with customers. In this way, categories, recurring patterns, and discourse features can be identifi ed and the phone calls classifi ed accordingly. Searches for topics and important concepts ( price information, complaint, etc.) help managers to keep a close eye on trends and to react quickly. Voic s, for example, can be classifi ed in terms of the products referred to or the actions requested by the customer. This information can then be used to route the call to the hotline agent best qualifi ed to deal with it, an interesting and consumer-friendly alternative to wasting time waiting for the next available agent. New vistas also open up for the training of contact center agents. The technology means that dialogue guidelines can be monitored and deviations from them identifi ed. This makes for effective coaching and helps ensure compliance with high quality standards. Central storage of scripted contact center dialogues in a database provides quick access to all kinds of information, for instance all contacts with one particular customer or all dialogues with customers reporting a network problem over the last 24 hours. Sprachtechnologie stellt die Einhaltung hoher qualitativer Standards sicher. Speech technology helps ensure compliance with high quality standards.

14 14 Von der Sendung zum Text Die Medientranskription ist ein wichtiger Teilbereich der EML-Sprachtechnologie. Das EML arbeitet an einem Projekt zur automatischen Transkription von Mediendaten, gefördert durch die Klaus Tschira Stiftung. Das Projekt schließt an eine erfolgreich abgeschlossene Pilotstudie zur Verschriftung von Fernsehsendungen an, die in Kooperation mit dem Bayrischen Rundfunk durchgeführt wurde. In der vorherigen Studie stand noch das weitgehend automatische Erstellen druckreifer Vortragsmanuskripte im Vordergrund. Das neue, seit September 2011 geförderte Projekt ist wesentlich breiter angelegt. Das Angebot an Mediendaten aus verschiedensten Quellen und Domänen angefangen von den täglichen Fernsehnachrichten bis hin zu Vorlesungen an Universitäten wächst rasant. Dabei sind die akustischen Rahmenbedingungen der Beiträge sehr verschieden. Um diese digitalen Datenfl uten durch automatische Verschriftung erfolgreich archivieren und analysieren zu können, ist eine Verbesserung der Transkriptionsqualität notwendig. Dies geschieht durch die Weiterentwicklung von Algorithmen und webbasierten Arbeitsumgebungen. So können die Komponenten des Spracherkenners angepasst und das Sprachenportfolio erweitert werden. Gerade die Erweiterung des Sprachenportfolios profi tiert dabei von bereits geleisteten Arbeiten zur Entwicklung eines bilingualen (deutsch/englischen) Prototyps. Diese wurden vom Bundesministerium für Wirtschaft und Technologie im Rahmen des Zentralen Innovationsprogramms Mittelstand (ZIM) gefördert.

15 From Broadcast to Text 15 Media transcription is an important sector of EML language technology. With funding from the Klaus Tschira Foundation, EML is working on a project for the automatic transcription of media data. The project follows on from a successfully concluded pilot study on the scripting of television broadcasts conducted in conjunction with the Bavarian Broadcasting Corporation. The fi rst study focused on the largely automatic production of print-ready manuscripts. The new project, which began in September 2011, is much more broadly conceived. The vast range of media data from all kinds of sources and domains from daily newscasts to lectures at universities is growing at a headlong pace. The acoustical parameters of the different items can vary widely. Accordingly, improved transcription quality is essential if we are to successfully archive and analyze these vast treasuries of digital data via automatic scripting. This improvement is the fruit of the further development of algorithms and web-based working environments. In this way, the components of the speech recognizer can be adjusted and the language portfolio extended. In the latter case, much of the spadework has already been done in connection with the development of a bilingual prototype (German/English). The work was funded by the Federal Ministry of Economics and Technology in the framework of its Central Innovation Program for Medium-Sized Enterprises (ZIM). Digitale Datenfl uten erfolgreich archivieren und analysieren. To successfully archive and analyze vast treasuries of digital data.

16 16 Die Botschaft kommt an Ein zentrales Anwendungsgebiet der EML-Sprachtechnologie ist die Umwandlung von Sprachnachrichten in Text. Seine Einsatzmöglichkeiten lassen sich am Beispiel einer vom EML entwickelten Telefonie-Anwendung demonstrieren. Diese wurde durch ein neues Design der Nutzerschnittstelle und eine einfachere Integration in bestehende Anwendungen optimiert. Nutzer einer VoIP-basierten Telefonanlage können dank automatischer Verschriftung zum Beispiel Sprachnachrichten ihrer Mailbox per erhalten. Ebenfalls eingebunden wurden dabei die Darstellung und Bearbeitung von Nachrichten, die über Android-Apps automatisch verschriftet werden. Auf Messen wie der CallCenterWorld kann sich das interessierte Fachpublikum von der Leistungsfähigkeit der EML-Spracherkennung überzeugen. Besucher haben die Möglichkeit, eigene Nachrichten aufzusprechen, die anschließend live verschriftet werden. Solche echten Anwendungsdaten tragen dazu bei, die Qualität des Spracherkenners kontinuierlich zu optimieren. Ein deutschlandweit tätiger Anbieter von Internet-Telefonie setzt das EML-System bereits im Produktionsbetrieb ein.

17 Voice Messaging 17 One crucial fi eld of application for EML language technology is the transformation of spoken messages into text. Its potential can be demonstrated with reference to a telephony application developed by EML. It has been optimized by redesigning the user interface and making it easier to integrate it into existing applications. Thanks to automatic scripting, users of a VoIP-based phone system, for example, can receive messages spoken onto their mailbox via . Also new are the display and processing of messages automatically scripted by Android apps. At fairs like CallCenterWorld, special-interest audiences can test the potential of EML s speech recognition systems for themselves. They can voice their own messages and watch them being scripted live immediately afterwards. Genuine application data of this kind help to continuously upgrade the quality of the speech recognizer. One Internet telephony supplier operating all over Germany is already using the EML solution as a routine factor in the production process. Sprachnachrichten per dank automatischer Transkription. Voice mails via , thanks to automatic transcription.

18 18 Mobiles Diktat und Sprachsuche Durch die immer größere Verbreitung von Smartphones und Tabletcomputern ist die Spracherkennung noch näher an den Nutzer gerückt. Daher hat das EML zwei Applikationen auf Basis des Android- Betriebssystems entwickelt. Die EML Sprachsuche gestattet es dem Nutzer, Suchanfragen wie zum Beispiel eine Suche im Web via Sprache auszuführen. Die zweite Anwendung, EML Voice, ermöglicht es, beliebige Textnachrichten zunächst zu diktieren und dann mit dem bevorzugten Medium, beispielsweise per SMS, oder Twitter, zu versenden. Beide Anwendungen basieren auf EML-Technologie und greifen auf die am EML entwickelte Serverinfrastruktur zurück. Damit allerdings die Sprache in einer für den Nutzer angemessen erscheinenden Reaktionszeit in Text umgewandelt werden kann, musste die Erkennungsinfrastruktur erweitert werden. Der Nutzer erwartet eine prompte und korrekte Reaktion auf seine Äußerungen. Zu diesem Zweck wurde ein Mechanismus entwickelt, der eine gestreamte Spracherkennung erlaubt. Noch während der Nutzer spricht, kann er auf dem Display seines Geräts schon erste Ergebnisse der Spracherkennung sehen. Damit es auch anderen Anwendungen ohne großen Aufwand möglich ist, auf den Spracherkennungsservice des EML zuzugreifen, wurde der Mechanismus mit einer einheitlichen Schnittstelle und einer Client- Bibliothek versehen. Partnern steht diese Technologie offen, um ihre eigenen Client-Anwendungen auf einfache Weise mit der EML-Spracherkennung zu versehen.

19 Mobile Dictation and Talk Search 19 With the increasing popularity of smart phones and tablet computers, speech recognition is becoming more user-oriented all the time. Accordingly, EML has developed two applications based on the Android operating system. EML Talk Search enables users to carry out search requests, say, on the Web via speech. With EML Voice they can fi rst dictate text messages of any kind and then transmit them via the medium of their choice, for example text message, , or twitter. Both applications rest on EML technology and operate on the basis of EML s server infrastructure. For speech to be turned into text within a period of time a user would consider appropriate, the recognition infrastructure had to be expanded. Users expect a prompt and accurate response to their utterances. To this end a mechanism has been developed that makes streamed speech recognition possible. As the user speaks, he/she will see the initial results of the speech recognition process on the display. To enable other applications to access the EML speech recognition service without too much trouble, the mechanism was given a unifi ed interface and a client library. EML s partners have unrestricted access to this technology, which gives them a simple way of equipping their own client applications with EML s speech recognition facilities. Textnachrichten diktieren und dann beispielsweise per SMS oder Twitter versenden. First dictate text messages and then transmit them via SMS, or twitter.

20 20 Im Zentrum: Der Mensch Wir sind heute von zahlreichen technischen Geräten umgeben, die in vielen modernen Haushalten installiert sind von Beleuchtung und Rollläden bis hin zur Klima- oder Alarmanlage. Diese Geräte verfügen über Benutzerschnittstellen, die manchmal einfach, manchmal weniger einfach zu bedienen sind und den Menschen oft überfordern. Moderne Bussysteme zur Gebäudesteuerung, wie zum Beispiel KNX/EIB, können die einzelnen Geräte über einen zentralen Server steuern. Dadurch bieten sich neue Möglichkeiten der Bedienung der Geräte, beispielsweise über einen Webbrowser oder ein Smartphone. Moderne Mobiltelefone sind meist auch mit einer Schnittstelle für drahtlose Netzwerkverbindungen (W-LAN) ausgestattet und können so als eine ständig verfügbare Fernbedienung genutzt werden. Zuhause kann der Nutzer an einem zentralen Terminal die Heizungssteuerung programmieren oder auf dem Nachhauseweg über das Mobiltelefon die Sauna vorheizen lassen. Für die Sprachsteuerung von Haustechnik und Geräten gibt es mehrere Eingabemöglichkeiten: Entweder werden die bereits vorhandenen Steuerungsterminals durch Mikrofone erweitert, und die Spracherkennung läuft auf dem vorhandenen Terminal ab. Oder die Spracheingabe erfolgt über das Mikrofon eines Handys, Haustelefons oder auch über im Raum platzierte Mikrofone. In diesem Fall läuft die Spracherkennung auf einem zentralen Server, der idealerweise auch die Gebäudesteuerung übernimmt.

21 Interactive User Interfaces 21 Modern homes are equipped with a large number of technical devices, from lighting and automatic blinds to air conditioning and alarm systems. These devices have user interfaces that are more or less easy to handle and sometimes overburden people. With modern bus systems like KNX/EIB, many of the appliances can be connected to a home server and controlled centrally, which signifi cantly simplifi es their use. Then they can be operated by way of a web browser or a smart phone (Android or iphone). Most of today s mobile phones are also equipped with a W-LAN interface and can thus be used as a permanently available remote control unit. At home, the user can program the heating system at a central terminal. On the way back home after work, he/she can use a mobile phone to preheat the sauna. With this infrastructure, the use of speech commands becomes a feasible and natural way of controlling devices in the house. Various options are conceivable. Either the existing control terminals are supplemented by microphones, and speech recognition is dealt with by the terminal itself, or spoken commands are passed on via the microphone of a mobile phone or a house phone, or by microphones installed in the house. In this case, the speech recognition unit is located on a central server that ideally is also in charge of controlling the devices in the home. Licht und Heizung durch Sprache steuern. Using speech commands to control heating and lighting.

22 22 Natürlich mit Technik umgehen In der modernen Unterhaltungselektronik lösen sich die Grenzen zwischen Unterhaltungsmedien und Computern zunehmend auf. Wurden Musik- und Videotitel bisher in DVD-, CD- und Schallplattenregalen aufbewahrt, stehen sie heute über digitale Medienserver im heimischen Computernetz bereit. Der Zugriff und die Auswahl gestaltet sich jedoch ungleich komplizierter: Der Nutzer muss zuerst mehrere Menüebenen durchforsten, bis er beim gewünschten Interpreten, Musikstück oder Film angelangt ist. Außerdem besteht ein solches System zumeist aus mehreren, miteinander vernetzten Geräten. Der Nutzer kennt die technischen Details dieser Geräte zumeist nicht sie sollen einfach funktionieren! Hier bietet der Einsatz von Spracherkennung eine elegante und schnelle Alternative. Durch einfache Sprachkommandos kann der Nutzer zwischen den einzelnen Titeln hin- und herwechseln und kann so jederzeit das gewünschte Lied aus der großen Zahl von Musikstücken gezielt auswählen ohne sich erst durch Menüstrukturen arbeiten zu müssen. Das EML nimmt die Herausforderung an, für fremdsprachige Musik- und Filmtitel zu jeder Zeit die passende Aussprachevariante zu erzeugen, damit das System die Äußerungen des Nutzers korrekt erkennen kann. Außerdem arbeiten die EML-Entwickler daran, das komplexe Netzwerk von Geräten nutzerfreundlich zu gestalten. Ein erster Prototyp eines UPnP Controlpoints für Mobiltelefone jedoch noch ohne Spracherkennung wurde für die Android-Plattform bereits veröffentlicht.

23 Multimodal Voice User Interfaces 23 In present-day entertainment electronics, the boundaries between entertainment media and computers are becoming more and more difficult to identify. Instead of shelves and shelves of DVDs, CDs, and LPs, we now have media servers with thousands of songs and videos fi led away on the home computer network. The only trouble is that getting at them has become so much more complicated. Users have to burrow their way through different menu levels before they fi nally come up with the artist, song, or movie they were looking for. Most users have no idea of the technical niceties of these gadgets. They just want them to work! This is where speech recognition provides a quick and elegant solution. By just saying what you want, you can switch back and forth between individual titles and select from the vast repertory at your disposal without having to work your way through menu structures. EML is presently engaging with the challenge of devising a speech recognition system that can produce the appropriate pronunciation variant for song and movie titles in foreign languages. This way, the system can correctly interpret the user s utterances at all times. EML s developers are also working fl at out to make the complex network of devices as user-friendly as they can. An initial prototype version of our UPnP control point for mobile phones (without speech recognition as yet) has already been published for the Android platform. Spracherkennung: eine elegante und schnelle Alternative. Speech recognition provides a quick and elegant solution.

24 24 Technik zur Sprache gebracht Sprachsynthese-Systeme (auch Text-to-Speech (TTS) genannt) setzen Text in Sprache um, zum Beispiel bei elektronischen Lesegeräten, Museumsführern oder Filmbeschreibungen für Blinde. EML hat in den vergangenen Jahren einen TTS- Editor entwickelt, um die Erstellung von sogenannten Audiodeskriptionen zu ermöglichen. Dies sind Informationen, die beispielsweise einem Film hinzugefügt werden, damit Blinde einen Eindruck einer Handlung oder Szenerie bekommen, die nicht mit Dialogen belegt wurde. Audiodeskriptionen müssen kurz genug sein, damit sie in die vorhandenen Zeitfenster passen, und gleichzeitig aussagekräftig genug, um die Szenerie zu beschreiben. Das stellt besondere Anforderungen an diejenigen, die diese Deskriptionen erstellen. Dank neu eingefügter Werkzeuge im TTS-Editor ist es jetzt möglich, einen Film in den Arbeitsplatz zu importieren und mittels der Spracherkennungsinfrastruktur zu analysieren. Dies ergibt zum einen eine grobe Transkription des Filmes und zum anderen Hinweise auf eventuelle Pausen, in die eine Audiodeskription eingefügt werden kann. Es ist auch möglich, den Filmausschnitt zu betrachten, der zum jeweiligen Abschnitt gehört, um die passende Deskription zu erstellen. Danach kann das gesamte Skript mit Hilfe der Sprachsynthese aufgenommen und aus dem TTS-Editor exportiert werden, um anschließend mit dem Film verknüpft zu werden. Bei der Synthese kann der Nutzer sämtliche Funktionen verwenden, die über den TTS-Editor zur Verfügung stehen, um auf möglichst intuitive Weise ein gutes Ergebnis zu erhalten.

25 Voice User Interfaces Output 25 Speech synthesis systems (also referred to as Textto-Speech (TTS)) convert text into speech, for instance in electronic reading devices, museum guides or movie descriptions for blind persons. Within the last few years, EML developed a TTS Editor to allow for the creation of so-called audio descriptions. These are information that can be added for example to movies so that blind persons will get a notion of the story line or of scenes without dialogues. Accordingly, audio descriptions are subject to a number of constraints. They have to fit into a specifi c time slot and at the same time be expressive enough to give a graphic impression of the scenery. This calls for special skills on the part of persons creating audio descriptions. To make life easier for them, the TTS Editor has been upgraded with tools designed to facilitate the process. It is now possible, for example, to upload a movie and pre-process it using the available speech recognition tools. This produces a rough transcription of the movie, and it also gives information about pauses where audio descriptions can be inserted. The interface shows these pauses to the describer and also enables him/her to watch the relevant segment of the movie and subsequently create a suitable description. As soon as the description has been completed, it can be synthesized and exported from the editor to be mixed with the movie. During synthesis, the describer can draw upon all the functionalities supplied by the TTS Editor in order to achieve excellent results as intuitively as possible. Audiodeskriptionen: Eine Hilfe für Sehbehinderte. Audio descriptions help the blind to watch movies.