3 Stemmebaseret interaktion - The Game Design Chronologist ...

og laves til (simple) feature-vektorer, der kunne samles til speech-patterns som blev
sammenlignet med hinanden. Succesraten var dog alt for lav til, at systemet kunne have
en praktisk anvendelse, hvorfor jeg i stedet fokuserede på finpudsning af de semantiske
og pragmatiske lag i genkendelsen. Ved at antage at et opfanget ord kan være en hvilken
som helst talekommando, og derefter udelukkende basere genkendelsen på konteksten i
spillet, kunne en semantisk mening, i form af et logisk udtryk eller et funktionskald,
tildeles alle spillerens talte input. Da spillet samtidig er opbygget sådan, at der ikke kan
opstå pragmatisk tvetydighed, er behovet for at de lavere lag i genkenderen fungerer ikke
så stort. I prototypen blev den pragmatiske genkendelse af talekommandoerne NINJA og
MOUNT implementeret, sådan at det er muligt at gå omkring i landskabet og hverve
ninjaelever, for derefter at bede dem bestige en panda.
I mit tidlige design havde jeg forventet at de laveste lag i talegenkendelsen ville have
større betydning, men den egentlige implementering og efterfølgende ludic engineering /
leg med spillet viste, at det semantiske og det pragmatiske lag var klart vigtigst. Faktisk
er jeg nu af den opfattelse, at det i spillet vil være nok med et delvist fungerende
morfologisk lag, som kan opfange unikke ord men ikke genkende dem, er det eneste
nødvendige supplement til den semantiske og pragmatiske genkendelse. Dette er delvist
implementeret (og har været det siden papegøje funktionen i prototype 1), så egentlig vil
jeg mene, at talegenkenderen er tæt på at indeholde al den funktionalitet, der er
nødvendig for genkendelse i den begrænsede kontekst som mit spil udgør. Det vil jeg
selv betegne som en stor bedrift - at jeg har implementeret en funktionsdygtig
talegenkender helt fra bunden. Det er i høj grad technology inspiration og en opfyldelse
af indie-princippet om at udnytte de tekniske svagheder til egen fordel.
Designet af de pragmatiske målinger var
forholdsvist hurtigt klaret, idet de blot
udnytter objekternes eksisterende attributter
for syn og hørelse, samt fysikvektorerne der
indeholder informationer om blandt andet
retning og hastighed. Med dem udregnes
hvornår Sensei kan se en ninjaelev, hvor
meget Sensei larmer og om en ninjaelev kan
høre Sensei, og det er disse informationer der
udgør de indtil videre implementerede
pragmatiske målinger. Den semantiske logik
er nogle funktionskald der returnerer
sandhedsværdier baseret på de pragmatiske
målinger, og som på den måde kan afgøre hvilket funktionskald der skal afvikles.
Synliggørelsen af genkendelse af NINJA blev den førnævnte lysende ring omkring den
valgte elev, og da jeg samtidig udførte den omtalte analyse af dialogen gennem Winograd
& Flores’ conversation for action-model, fik jeg også synliggjort, hvordan en selektion
kun holder fem sekunder.
Det andet arbejde som blev udført i forbindelse med denne prototype var den grafiske
udarbejdelse af en panda (se Figur 21), og den tilfældige placering af træer. Sidstnævnte
102
Figur 21: Prototype 3, ninjaelev med
selektion og en omvandrende panda