Bir şirket, görme engelli kullanıcılar için, kullanıcının konuşmasını dinlemesi ve sesle yanıt vermesi gereken bir mobil uygulama geliştiriyor. Bu erişilebilirlik gereksinimlerini hangi çözüm karşılar?

Görme engelli kullanıcılar için sesli etkileşim sağlayan bir mobil uygulama, kullanıcının konuşmasını anlamalı ve sesli yanıtlar üretmelidir. Derin öğrenme sinir ağları, konuşma tanıma (Speech-to-Text) ve doğal dil işleme (NLP) yetenekleri sayesinde bu gereksinimi en iyi şekilde karşılar. Kullanıcının söylediklerini metne dönüştürerek uygulamanın anlamasını, ardından metin tabanlı yanıtları sesli çıktıya (Text-to-Speech) dönüştürerek kullanıcıya iletmesini sağlarlar. Sayısal verilerdeki kalıpları arayan ML modelleri, bu senaryoda doğrudan sesli etkileşim sağlamaz. Üretken yapay zeka özetleme, metin oluşturma yeteneğine sahip olsa da, öncelikli olarak konuşma tanıma ve sesli yanıt üretme işlevini doğrudan karşılamaz. Görüntü sınıflandırma ve tanıma modelleri ise görsel verilerle ilgilidir ve bu uygulamanın temel sesli etkileşim ihtiyacına yönelik değildir.