Hangot mindenkinek! Workshop az ELTE Innofair 2026-on

Az esemény

Szakmai workshop szervezésével vettünk részt az ELTE Innofair 2026, az Eötvös Loránd Tudományegyetem innovációs és ipari kapcsolatait bemutató kiemelt eseményén. A rendezvényen a nyelvtechnológiai kutatások, azok ipari alkalmazásai és a mindennapi használat között lévő szakadékokat igyekeztünk konkrét, gyakorlati projektek bemutatásával demonstrálni, a beszédükben akadályozott, fogyatékossággal élő személyek szempontjait kiemeltként kezelve.

2026. szeptember 30-án délután az ELTE Lágymányosi Campus Harmónia termében tartottuk meg a workshopot. A résztvevőket Miklósi Ádám akadémikus, egyetemi tanár, intézetvezető köszöntötte.

Nyitóelőadásom

A workshopot a „Nyelvtechnológia, beszédfelismerés és AAC a gyakorlatban” című nyitóelőadásom vezette be. Bemutatta, mi a dizartria, hány embert érint, miért nehéz a gépi beszédfelismerésnek, merre tart a kutatás, és a terület tudománymetriai térképével zárult.

Mi a dizartria?

A dizartria neurológiai eredetű motoros beszédzavar: nem nyelvi vagy kognitív, hanem a beszédmozgások kivitelezésének zavara. A hangképzés pontatlan, az artikuláció elmosódott, a beszédtempó lassú, szaggatott vagy szabálytalan, a beszéd érthetősége a hallgató számára jelentősen csökken. Gyakori kísérőtünete a stroke-nak, a Parkinson-kórnak, a cerebrális parézisnek, valamint az ALS-nek és más neurodegeneratív kórképeknek.

Hányan érintettek világszerte?

Az érintettek számát az alapbetegségek globális előfordulásából és a bennük jellemző dizartria-arányból becsültem. Együttesen több tízmillió ember él dizartriával világszerte.

Alapbetegség	Érintettek világszerte	Dizartria aránya
Parkinson-kór	11,7 millió	~90% a betegség során
Stroke-túlélők	több mint 100 millió	24–50%
Cerebrális parézis	17 millió	~78%, tartós kísérőtünet
ALS	223 000	~70% a lefolyás során

A hivatkozott arányszámok forrásonként eltérő módszertannal készültek, ezért nem közvetlenül összevethetők.

Miért nehéz ez a gépi beszédfelismerésnek?

Artikulációs pontatlanság: a beszédhangok nem a megszokott mintázat szerint jönnek létre.
Nagy egyéni variabilitás: két dizartriás beszélő beszéde is nagyon eltérő lehet egymástól.
Adatszegénység: kevés nyilvános, annotált dizartriás felvétel áll rendelkezésre a tanításhoz.

A kereskedelmi beszédfelismerő rendszerek szóhibaaránya (WER) tipikus beszédnél jellemzően 5% alatti. Dizartriás beszédnél ennek többszöröse: az előadásban kb. 45%-kal szemléltettem, bár az érték a súlyosságtól és a korpusztól függően erősen szór.

Merre tart a kutatás?

Benchmark-adatbázisok: a TORGO és az UASpeech mint közös mérési alap.
Self-supervised modellek: a wav2vec 2.0 és a HuBERT kevés címkézett adatból is tanul.
LLM-alapú hibajavítás: nyelvi modellek a felismerés utólagos javítására.
Perszonalizáció és szintetikus adat: beszélőre szabott, mesterségesen bővített tanítóadat.

Aktív, felfutó kutatási terület: 2024 és 2026 között az Interspeech, az ICASSP és az EUSIPCO konferenciákon publikációk sokasága jelent meg, közösségi kezdeményezésekkel együtt (például Speech Accessibility Project). A hazai kutatás is az élvonalban van: az EUSIPCO 2025 konferencián Mihajlik Péter, Székely Éva, Barta Piroska, Kádár Máté Soma, Dobsinszki Gergely és Tóth László (BME) TTS-alapú személyre szabással javította a dizartriás beszéd szöveggé alakításának pontosságát.

A terület tudománymetriai térképe

A tudománymetriai elemzéshez az OpenAlex API-ból kértem le azokat a publikációkat, amelyek címében vagy absztraktjában szerepel a dysarthria (dizartria) szó. Ez 423 dokumentumot adott. A VOSviewer programmal kulcsszó-együttelőfordulási hálózatot készítettem teljes számlálással, mind a 195 kulcsszó bevonásával.

Kulcsszó	Előfordulás	Összes kapcsolaterősség
dysarthria	392	1,862
medicine	92	620
audiology	90	609
psychology	55	347
computer science	44	307
intelligibility	57	297
speech recognition	34	244
physical medicine and rehabilitation	33	241
disease	44	220
speech therapy	43	207
artificial intelligence	20	142

A dizartria-kutatás kulcsszó-együttelőfordulási térképe — 423, a dizartriáról szóló publikáció kulcsszó-együttelőfordulási térképe (OpenAlex, VOSviewer). A körök mérete a kulcsszó gyakoriságát, a színek a klasztereket jelölik.

A térkép megmutatja, hol van a szakadék. A területet a klinikai oldal uralja: az orvostudomány, az audiológia, a neurológia és a rehabilitáció. A számítástudományi szál (beszédfelismerés, jellemzőkinyerés, mélytanulás, transzformerek) külön klasztert alkot a háló szélén, és főként az érthetőség és a fonáció kulcsszavakon keresztül kapcsolódik a maghoz. A mesterséges intelligencia a 423 publikációból mindössze 20-ban fordul elő. A workshop éppen ezt a klinikai kutatás és a nyelvtechnológia közötti szakadékot kívánta áthidalni.

Az előfordulási adatok forrásai (APA 7)

Arthur, K. C., Calvo, A., Price, T. R., Geiger, J. T., Chiò, A., & Traynor, B. J. (2016). Projected increase in amyotrophic lateral sclerosis from 2015 to 2040. Nature Communications, 7, 12408. https://doi.org/10.1038/ncomms12408
Dorsey, E. R., Sherer, T., Okun, M. S., & Bloem, B. R. (2018). The emerging evidence of the Parkinson pandemic. Journal of Parkinson's Disease, 8(s1), S3–S8. https://doi.org/10.3233/JPD-181474
Feigin, V. L., Brainin, M., Norrving, B., Martins, S. O., Pandian, J., Lindsay, P., Grupper, M. F., & Rautalin, I. (2025). World Stroke Organization: Global Stroke Fact Sheet 2025. International Journal of Stroke, 20(2), 132–144. https://doi.org/10.1177/17474930241308142
Lin, L.-X., Yao, S.-Y., Chen, Q., Du, M.-Q., Kang, X.-H., Jiang, D.-Y., & Peng, Y. (2025). Stroke-associated dysarthria. Frontiers in Neurology, 16, Article 1629640. https://doi.org/10.3389/fneur.2025.1629640
Luo, Y., Qiao, L., Li, M., Wen, X., Zhang, W., & Li, X. (2025). Global, regional, national epidemiology and trends of Parkinson's disease from 1990 to 2021: Findings from the Global Burden of Disease Study 2021. Frontiers in Aging Neuroscience, 16, Article 1498756. https://doi.org/10.3389/fnagi.2024.1498756
McIntyre, S., Goldsmith, S., Webb, A., Ehlinger, V., Hollung, S. J., McConnell, K., Arnaud, C., Smithers-Sheedy, H., Oskoui, M., Khandaker, G., Himmelmann, K., & Kerr, C. (2022). Global prevalence of cerebral palsy: A systematic analysis. Developmental Medicine & Child Neurology, 64(12), 1494–1506. https://doi.org/10.1111/dmcn.15346
Moya-Galé, G., & Levy, E. S. (2019). Parkinson's disease-associated dysarthria: Prevalence, impact and management strategies. Research and Reviews in Parkinsonism, 9, 9–16. https://doi.org/10.2147/JPRLS.S168090
Parkinson's Foundation. (n.d.). Statistics. Retrieved September 29, 2026. https://parkinsons.org/disease/statistics
Schölderle, T., Staiger, A., Lampe, R., Strecker, K., & Ziegler, W. (2016). Dysarthria in adults with cerebral palsy: Clinical presentation and impacts on communication. Journal of Speech, Language, and Hearing Research, 59(2), 216–229. https://doi.org/10.1044/2015_JSLHR-S-15-0086
Target ALS. (n.d.). How ALS affects speech. Retrieved September 29, 2026. https://targetals.org/news/how-als-affects-speech/
Vasta, R., Callegaro, S., Canosa, A., Manera, U., Grassano, M., Palumbo, F., Cabras, S., Matteoni, E., Di Pede, F., De Mattei, F., Tafaro, S., Thakur, N. M., Grosenick, R., De Marchi, F., Mazzini, L., Moglia, C., Calvo, A., Dave, K. D., & Chiò, A. (2025). Amyotrophic lateral sclerosis prevalence projection in 2040: A less rare disease. Annals of Clinical and Translational Neurology, 12(10), e70226. https://doi.org/10.1002/acn3.70226

Ezt követően bemutattam az előadókat és az előadások egymásra épülésének logikáját.

A program

Fegyó Tibor és szerzőtársai (Budapesti Műszaki és Gazdaságtudományi Egyetem, Villamosmérnöki és Informatikai Kar, Távközlési és Mesterséges Intelligencia Tanszék; SpeechTex Kft.): Beszédfelismerés – általános áttekintés és ipari kitekintés. Átfogó képet adott a gépi beszédfelismerésről, majd rövid ipari kitekintésként bemutatta a dizartriás, nehezen érthető beszéd felismerésének kihívásait és eredményeit.
Kovács-Ördög Zita (adattudós, Clementine / Minerva Intézet): A robot kérdezőbiztos. A robot kérdezőbiztos fejlesztésének tapasztalatait és a mesterségesintelligencia-alapú adatfelvétel gyakorlati alkalmazásait mutatta be, kitérve a fogyatékossággal élők kommunikációjához kapcsolódó vonatkozásokra is.
Répási Zoltán (hahodori): élő bemutatón ismertette a Talkie nevű, böngészőalapú AAC-alkalmazást (augmentatív és alternatív kommunikáció) és az azzal szerzett tapasztalatokat: egy konkrét, gyakorlati megoldást, amely a fogyatékossággal élő emberek és családtagjaik mindennapi kommunikációját könnyíti meg.

Regisztrációk és közönség

A workshopra 129-en regisztráltak: 97-en a workshop saját regisztrációs oldalán, 32-en az Innofair felületén. A saját oldalon történt regisztrációk időbeli alakulását az 1. ábra mutatja.

1. ábra. A workshop saját regisztrációs oldalán regisztrálók kumulált száma, 2026. szeptember 8–30. (n = 97)

A közönség egy részét jelenlegi és leendő gyógypedagógusok adták, akik munkájuk során közvetlenül érintettek az AAC-eszközöket használó emberekkel; mellettük kutatók, ipari szakemberek és érdeklődők is eljöttek. A résztvevők rengeteg kérdést tettek fel, amelyek a nyelvtechnológia technológiai kérdéseitől a robot kérdezőbiztos használatán át egészen az emberi oldalig, a személyes érintettség kérdéséig értek. A program hivatalos zárása után is sokan a helyszínen maradtak, és a workshop kötetlen, egymás közötti beszélgetésekkel zárult.

Miért fontos

Azért tartottuk fontosnak, hogy ez a program az Innofair része legyen, mert a rendezvény célja – a kutatás és az ipar összekapcsolása – a mi területünkön közvetlenül az emberek életminőségét érinti. A fogyatékossággal élő emberek szempontjai ritkán kerülnek a technológiai rendezvények középpontjába, pedig a beszédtechnológia egyik legnagyobb társadalmi haszna éppen itt jelentkezhet.

Az előadók önkéntesként, díjazás nélkül vettek részt a projektben; célunk, hogy a workshop nyomán új együttműködések induljanak a kutatók, a fejlesztők, a civil kezdeményezések és a gyógypedagógiai szakma között.