Amikor visszabeszél a gép

Emberi hanggal vezérelhető háztartási eszközök, beszélő számítógép, intelligens helyesírás-ellenőrző programok, digitális szinkrontolmács, gépírónőt helyettesítő diktálógép – mindez magyar nyelven, érthetően, helyesen. Huszonegyedik századi álom vagy boltban megvásárolható valóság? És mi az ára? Hogyan változik eközben a nyelv, miként hat egymásra a gép és az ember?Beszélőgéppel már jó ideje nem csak tudományos-fantasztikus filmekben találkozhatunk. Komputer vezérli a vasútállomás hangosbemondóját, bankszámlánk állásáról gépi hangon kapunk tájékoztatást, s az egyik mobiltársaság olyan szolgáltatást kínál az e-mail címmel rendelkezőknek, amely felolvassa nekik a villanylevél tartalmát. Mivel a beszéd a legelterjedtebb kommunikációs forma, a fejlesztők arra törekednek, hogy amit el lehet mondani, azt mondja is el a számítógép, ne csak írja. A gépi „beszédkeltés” különben magyar műfaj: honfitársunk, Kempelen Farkas volt a világon az első ember, aki beszélőgépet épített a XVIII. század végén. Sokévi megfigyelő- és kutatómunka után beszédhangok és rövid mondatok megszólaltatására képes masinát fabrikált, megalkotva ezzel a fonetika és a beszédszintézis alapjait.Mai utódainak nem kell szégyenkezniük, hiszen a számítógépre épült beszédiparág élvonalában vannak ma is a magyar fejlesztők. (Kempelennek az emberi hangképző szerveket utánzó masináját az eredeti rajzok alapján újjáépítették az MTA szakemberei, a beszélő szerkezetet augusztustól a nagyközönség is láthatja a millenniumi kiállítás- és rendezvényközpontban a „leleményes magyarok” munkacímű tárlaton.)A korszerű beszédszintetizátor sok szakember munkáját igényli: nyelvtudósok, programozók, fonetikusok, jelfeldolgozók kellenek a csapatba. A jó beszélőgépnek egyáltalán nincs robothangja: a kellemes hangszín, a megfelelő hangsúlyozás és a jól tagolt beszéd ma már alapkövetelmény. A legkorszerűbb felolvasók egy nyolcéves gyermek szintjén tudnak olvasni. Persze sok függ a felolvasandó szöveg jellegétől. Egy bankszámla-tájékoztató például kötött szótárú rendszert használ, így itt jobban oda lehet figyelni a minőségre, hiszen gyakorlatilag bármilyen szám összerakható kilencvenöt számelemből (egy elemből hét különböző hangsúllyal ejtett formát tárol a gép).A rossz beszédminőségű rendszerek azonban visszahatnak (károsan) az emberi beszédre is. Ha gyakran hallunk rosszul hangúlyozott szavakat, magunk is hajlamosak vagyuk megtanulni a hibát.– Ma még nem jellemző a magyar megrendelőkre az akusztikai igényesség – fogalmazza meg a problémát Németh Géza, a Budapesti Műszaki Egyetem távközlési és telematikai tanszékének docense. – Míg a nagyvállalatok jelentős összegeket áldoznak a vizuális arculatra, a beszédszintetizátorok esetében csak az a fontos, hogy érthető legyen a szöveg. Ez körülbelül olyan szintű igénytelenség, mint ha egy cég toalettpapírra nyomtatná a reklámanyagait, arra hivatkozva, hogy azon is jól el lehet olvasni. A hangpostafiókok zöme úgy olvas fel, ahogyan magyar ember nem beszél. Ebből látszik, hogy angol rendszereket vesznek át a magyar nyelvre való alkalmazás nélkül. Pedig nem teljesíthetetlen kérés a műszaki igényesség, ma már vannak olyan szövegfelolvasók, amelyek egységes dallamszerkezettel, jó hangsúllyal, magyar kifejezésekkel operálva dolgoznak.A kutató hangpéldával illusztrálja állítását: az egyik bank berendezése géphangon, az egyes számok között szünetekkel összesen öt és fél másodperc alatt olvassa fel a számla állását, míg az általuk fejlesztett, világszínvonalú program kellemesen artikulálva, feleannyi idő alatt hibátlanul oldja meg a feladatot. Ám itt is pontosan tudni kell, milyen célt szolgál az alkalmazás, mert ha egy számfelolvasónál túl élethű a hang, akkor gyakran előfordul, hogy a kliens – arra gondolva, hogy ember van a vonal másik végén – visszabeszél, újabb kérdéseket tesz fel, és ezzel foglalja a vonalat.Németh Géza 1983 óta dolgozik ezen a területen az MTA kutatójával, Olaszy Gáborral. Világszerte elsőként készítettek általános felhasználású számítógépre beszédszintetizátort, ezzel például beszédsérült embereknek adták vissza a kommunikációs lehetőséget magyar, német, portugál és spanyol nyelven. Az 1992-ben üzembe állított intelligens számváltozás-bemondó rendszerük a világon a legjobbak közé tartozott. Az emberi hang hullámformáját utánozó beszédgeneráló rendszerük 1999-re készült el, s az egyik mobilszolgáltató azonnal megvásárolta, és létrehozta a mail-mondót, amely a hangposta áráért felolvassa a kliens villanyleveleit. A rendszer annyira intelligens, hogy felismeri, milyen nyelven íródott a levél, a jellegzetes magánhangzók nélkül gépelt magyar szöveget pedig visszamagyarítja, tehát szükség esetén ö-nek olvassa az o-t.Az újfajta technológiához megfelelő befogadói kultúra szükséges, ellenkező esetben a sokéves kutatás eredménye nem piacosítható. A fejlesztés infrastruktúra-igényes, és a drága gépek gyorsan elavulnak, a kockázatot pedig kevesen vállalják. Állami támogatás nélkül nehezen jön össze az a szakemberekből, felszerelésből és jó ötletekből álló kritikus tömeg, amely világszintű eredményekre képes. Magyarország kis piac, így nehéz megfelelő ár/érték arányú terméket fejleszteni erre a nyelvre, ezért mindenki egyszerre több lehetőségen dolgozik, hogy a világnyelvekre írt termékével a nagyobb piacokra is kijusson. Hazánkban júliusban kezdődik Gordos Géza vezetésével egy két és fél éves, államilag is finanszírozott projekt, amely a beszédkeltési technológiák és a nyelvi elemzések területén kecsegtet jó eredménnyel. A negyedmilliárd forintos költségvetésű elképzelés felét állja a költségvetés.A folyamat két irányba mutat: a beszélőgépek mellett az emberi beszédet értő gépekre is egyre nagyobb az igény. Ma már nem újdonság az olyan mobiltelefon, amelynek elég, ha kimondjuk a hívott nevét, máris tárcsázza a számát, de egyre több autóban találni a tulajdonos hangját felismerő, hangos utasításainak engedelmeskedő ketyerét. A látványos eredmények ellenére a géppel való beszélgetés egyelőre csak utópia. A legjobban várt fejlesztés, a gépi szinkrontolmácsolás is csak gyermekcipőben jár annak ellenére, hogy például Németországban 1993-tól sok egyetem és sok százmillió márka dolgozik a cél érdekében. A gyermekcipő közelebbről annyit jelent, hogy egyes kifejezéseket már oda-vissza fordítanak a nagy teljesítményű gépek, de messze még az idő, amikor átlagos mondatokkal is meg tudnak birkózni valós időben (azaz úgy, hogy a lefordítandó mondat elhangzása után már kész is az átültetett változat). A nagyközönség számára készült beszédértő szolgáltatások csúcsát ma Kanada jelenti, ahol a telefonon hívható személyi asszisztens hanggal vezérelve kezeli a kilens hangpostafiókját, elektronikus leveleit és határidőnaplóját. Amerikában tőzsdei adatokat kérdezhetünk meg a géptől, de erre nekünk, magyaroknak még sokat kell várnunk, mivel nyelvünk nem kötött szórendű, ezért sokkal bonyolultabb megtanítani „magyarul” a gépet.Hasonló a helyzet a diktálás területén is. Ha valaki angolul akarja gépbe mondani a szövegét, már két-háromszáz dollárért vásárolhat erre a célra jól használható programot. Ugyanezt magyarul hiába keressük, mert nyelvünk nagyságrendekkel bonyolultabb az angolnál. Míg az utóbbi esetében két-háromezer szóalak ismerete elegendő a köznapi beszélgetéshez, és a nagy szótárú adatbázisok sem tartalmaznak húszezernél többet, a magyar nyelvhez akár kilencszázezer szóalakot is be kell táplálni a gépbe.A másik gond a fentebb említett szórend: az angolnál statisztikai módszerekkel jó hatásfokkal meg lehet állapítani, hogy egy szó után mi következik, ez a magyarnál egyáltalán nem lehetséges. Ki kell találni egy más elven működő megoldást, ám ehhez sok kutatóidő és még több pénz szükséges, a piaci siker pedig egyáltalán nem garantált, mert kevés a potenciális vásárló.Nem elhanyagolható az új technológiának a beszélt és írott nyelvre gyakorolt hatása sem. A külföldön készült szövegszerkesztő programokba beépített automatikus javításoknak tulajdoníthatóan terjedt el például a hónapok nevének nagybetűs változata – mindez annak köszönhető, hogy a program minden pontot (így az évszám után használandót is) mondatzáró írásjelnek értelmezi, ezért nagybetűvel kezdi a következő szót.– Ha az ember sokszor lát valamit ugyanúgy írva, akkor egy idő után elhiszi, hogy így jó. Ez még akkor is igaz, ha korábban tudta, hogy például kisbetűvel írandó a hónapok neve – mondja Prószéky Gábor, a nyelvészeti programokban világhírnévre szert tett magyar vállalkozás, a MorphoLogic tudományos vezetője.A nyelvész szerint elgondolkodtató helyzet, hogy a gyakorlatban egy tizenegy fős magáncég kezében van a magyar helyesírás jövője, talán még inkább, mint a Tudományos Akadémiáéban – még akkor is, ha ezen a kijelentésen sokan mosolyognak. A MorphoLogic több mint egymillió felhasználója ugyanis ma már számítógépen ír, és az általuk készített programmal ellenőrzi a szöveg helyességét. A nyelvi programok hatása oly nagy, hogy egy idő után a felhasználók egy része akár azt a zöldséget is elfogadná, ha mondjuk az „asztal” szó végére mindig két l-t javasolnánk. Természetesen az épp most tízéves MorphoLogic cég kutatói-fejlesztői átérzik ezt a felelősséget, ugyanakkor hivatalos oldalról is komoly figyelmet igényelne ez a kérdés, hiszen a minőségi munkához szükséges alapkutatásoknak megfelelő támogatásra van szüksége, másképp nem várható el a nyelvművelő közfeladat egy magáncégtől.Prószéky Gábor egyébként nem tart az „ékezetgyilkos” SMS társadalmi hatásától, mert úgy véli: míg számítógépen szövegeket gyártunk, mobiltelefonon csak fecniket írunk százhatvan karakterben. A rövidítések, az ékezettelen írásmód csak egy szubkultúra eszköztára, nincs esély a köznyelvben való elterjedésére. Különben tíz-tizenöt éve még a kisbetűk sorsát is féltették a számítógéptől, nemhogy a magyar ékezeteket – mondja Prószéky, aki szerint csak a magyar nyelvű diktálógép megjelenése után lehet elkezdeni a visszaszámlálást a hazai tolmácsgép megalkotásához.