Rozpoznávání hlasu a převod na text pomocí Speech Recognition JS API

Martin NOVÁK

Bachelor's thesis

Voice recognition and text conversions using Speech Recognition JS API

Abstract:

Cílem bakalářské práce je zpracovat problematiku rozpoznávání hlasu a hla- sového zadávání textu pomocí JavaScriptového rozhraní SpeechRecognition. Toto rozhraní je součástí Web Speech API, které umožňuje začlenit hlasová data do webových aplikací a obsahuje dvě komponenty - převod textu na řeč (SpeechSynthesis) a asynchronní rozpoznávání řeči (SpeechRecognition). Tech- nologie JS API umožňuje rozpoznávat hlas přicházející na vstup, následně ho převést na text, který pak lze využít mnoha způsoby, například pouhým zá- pisem jako diktafon, či vyvoláváním dalších funkcí pomocí slovního příkazu. Velmi pozitivní, a především aktuální vlastností je i skutečnost, že se jedná o tzv. blind friendly techniku, tedy technologii určenou pro, v tomto případě, zrakově handicapované uživatele webových aplikací. V teoretické části se autor zaměří na představení základních webových tech- nologií souvisejících s problematikou se zaměřením na JavaScript a především na samotné SpeechRecognition API a jeho implementaci a zakomponování pomocí již zmíněného JavaScriptu. V praktické části bude vytvořena webová aplikace, která bude demonstrovat možnosti, vlastnosti a výhody či nevýhody, které tato technologie rozpoznávání hlasu v současné době přináší.

Abstract:

The point of the bachelor's thesis is to process the issue of voice recognition and voice input using the JavaScript interface SpeechRecognition. This interface is part of the Web Speech API, which allows you to integrate voice data into web applications and contains two components - text-to-speech (SpeechSynthesis) and asynchronous speech recognition (SpeechRecognition). JS API technology allows you to recognize the voice coming into the input, then convert it to text, which can then be used in many ways, such as simply typing as a dictaphone, or invoking other functions using a word command. A very positive and especially current feature is the fact that it is a so-called blind friendly technique, ie technology designed for visually impaired users of web applications in this case. In the theoretical part, the author will focus on the introduction of basic web technologies related to the issue with a focus on JavaScript and especially on the SpeechRecognition API itself and its implementation and incorporation using the aforementioned JavaScript. In the practical part, a web application will be created, which will demonstrate the possibilities, features and advan- tages or disadvantages that this voice recognition technology currently brings.

Keywords

HTML, CSS, JavaScript, Speech Recognition, Speech Synthesis, API, webové rozhraní, front-end, komponenta

Language used: Czech

Date on which the thesis was submitted / produced: 18. 4. 2023

Thesis defence

• Supervisor: PaedDr. Petr Pexa, Ph.D.

UNIVERSITY OF SOUTH BOHEMIA IN ČESKÉ BUDĚJOVICE

Faculty of Education

Bachelor programme / field:
Specialization in pedagogy / information technology and e-learning