Seit 2019 unterstützt emagine führende Automobil- und Softwarehersteller bei der Einführung von Spracherkennung in Fahrzeugen – mit einem spezialisierten Team aus Computerlinguisten, Entwicklern und Data Scientists.
Rund 50 % der Fahrer nutzen derzeit Sprachbefehle im Fahrzeug – sei es, um das Navigationssystem zu steuern, Playlists zu starten oder gesprochene Nachrichten zu empfangen. Ähnlich wie im Smart-Home-Umfeld stützen sich Sprachassistenten im Fahrzeug auf fortschrittliche und umfassend getestete Sprachmodelle, um die korrekte Erfassung und Ausführung von Sprachbefehlen zu gewährleisten.
Von Sprache zu Text, von Code zu Aktion
Damit ein Fahrzeugcomputer Spracherkennung korrekt versteht und fehlerfrei umsetzt, benötigt er die passenden Sprachdaten und Datenmodelle. Dazu müssen Sprachbefehle in ein technisch verarbeitbares Format überführt werden. Durch diesen Prozess werden aus Sprache umsetzbare Befehle.
Die konkreten Aktionen, die ein Fahrzeug ausführen soll, sind klar definiert – zum Beispiel einen Anruf starten, die Klimaanlage einstellen oder zu einem Ziel navigieren. Um die Aktion „Anruf starten" auszulösen, könnte ein Fahrer unterschiedliche Sprachbefehle verwenden, etwa „Ruf [Person abc] an" oder „Starte Anruf mit [Person abc]" oder andere.
Unabhängig davon, wie der Fahrer den Befehl formuliert, ist das Auto darauf ausgelegt, die vorgesehene Aktion auszuführen. Auch diese verschiedenen Varianten von Äußerungen sind vordefiniert, um eine reibungslose Interaktion zu gewährleisten.
Schritt 1: Sprache
Anschließend startet der datengetriebene Prozess: Sprachdaten werden gesammelt – entweder durch gesprochene Interaktionen oder durch Muttersprachler aufbereitet.
Diese schrittweise Zusammenstellung führt zu umfassenden Korpora, die als Sprach- oder Datenmodelle dienen und die statistische Grundlage bilden. Jede Sprache benötigt ihre eigenen Korpora und dazugehörige Regeln.
Schritt 2: Text
Ein computergestützter Prozess überführt die Sprachaufnahmen vom Audio- in das Textformat. Je größer die Vielfalt an Varianten eines bestimmten Befehls, desto besser die Unterstützung der Spracheingabe – und desto präziser führt das Fahrzeug die gewünschten Aktionen aus.
Dabei werden die Textdaten kategorisiert und mit passenden Labels und Stichwörtern annotiert – etwa „calls" wird auf „phone" abgebildet. So wird die Anweisung dem richtigen Thema zugeordnet und das Verständnis und die Antwort des Systems optimiert.
Schritt 3: Code
Im nächsten Schritt werden verarbeitbare Codes und Skripte erzeugt – mithilfe weit verbreiteter Programmiersprachen wie Python und PowerShell. Menschliche Sprache wird in Computersprache überführt, und aus den großen Datenmengen entsteht das Sprachmodell, das das Verständnis und die Antwortfähigkeit des Systems antreibt.
Schritt 4: Aktion
Die Software nutzt die im Code hinterlegten Daten, um den gewünschten Befehl exakt wie beabsichtigt auszuführen. In unserem Beispielszenario stellt die Software eine Telefonverbindung (ohne Video) zum angegebenen Gesprächspartner „abc" (nicht „xyz") her – ohne Unterbrechungen, und führt die Aktion reibungslos aus.
Was passiert als Nächstes?
- Der Fahrer gibt eine Äußerung ab.
- Automatic Speech Recognition (ASR) erkennt die Spracheingabe und transkribiert sie in Text.
- Die Software analysiert diesen Text und klassifiziert das Thema, indem sie ihn mit den für jede Sprache definierten Regeln abgleicht.
- Wurde der Befehl korrekt zugeordnet, reagiert das Dialogmanagement-System (auch Human Machine Interface), indem es die Funktion aktiviert (startet den gewünschten Anruf) oder eine Sprachantwort generiert („Bitte wiederholen Sie den Befehl.").
Ähnlich wie im Smart-Home-Umfeld stützen sich Sprachassistenten im Fahrzeug auf fortschrittliche und umfassend getestete Sprachmodelle, um die korrekte Erfassung und Ausführung von Sprachbefehlen zu gewährleisten.
Sprachmodelle von emagine
Seit 2019 beraten und unterstützen wir namhafte Automobil- und Softwarehersteller bei der Integration modernster Sprachtechnologie in ihre Fahrzeuge. In enger technischer Zusammenarbeit mit den Entwicklungsteams unserer Kunden hat emagine sämtliche Sprachmodelle für die aktuellen Fahrzeuge des zweitgrößten Automobilherstellers der Welt erstellt.
Darüber hinaus unterstützen wir stolz den Weltmarktführer für Spracherkennungssoftware. Das System arbeitet mit nahezu fehlerfreier Effizienz über eine beeindruckende Reihe von 17 Sprachen hinweg.
Unter der fachkundigen Leitung eines Technical Lead besteht unser Team aus NLU/NLP-Experten, Computerlinguisten, Machine-Learning-Spezialisten, Data Scientists und Muttersprachlern – gezielt zusammengestellt, um den Anforderungen unserer geschätzten Kunden gerecht zu werden.
Aktuell beherrscht unser Team 17 der weltweit am häufigsten genutzten Sprachen. emagine übernimmt sowohl die kommerzielle als auch die technische Verantwortung für das Projekt in vollem Umfang und stellt so durchgängige Rechenschaft sicher.