Sintetizadores leitores reconhecimento_voz

Sintetizadores de Voz/Leitores de Tela e Reconhecimento de Voz

Leandro Rodrigues Ferreira

[email protected]

22 de novembro de 2006

Sintetizadores de Voz

Texto -> Voz

Leitores de Tela●Transmitir a linguagem escrita através da linguagem falada ou em braille

Utilidade

● Acessibilidade => Deficiência Visual e Auditiva

● Treinos e Terapias

Exemplos

● Windows– Virtual Vision (Micropower)– DosVox (UFRJ)– Jaws (Freedom Scientific)– Falador

Exemplos Windows

● Virtual Vision (Micropower)– Ambiente Windows e Office– Melhor em português– Rastreamento do mouse– Preço e suporte no Brasil– Dispensa sintetizador externo– Preço: R$700,00– Multi-idiomas (com o uso de outros

sintetizadores)– Indicação do foco

Exemplos Windows

● DosVox (NCE – UFRJ)– roda em modo DOS– voltado para deficientes visuais– tecnologia nacional e simples (viabilidade)– baixo custo ou gratuito (p/ versão reduzida)– utiliza padrões internacionais de computação

Exemplos Windows

● Jaws (Freedom Scientific)– Síntese de voz em vários idiomas– Leitura de menus– Indicação de fonte– Simula o mouse (dir. “*” esq. “/”)– programas de difícil acesso a outros

leitores de tela– Custo: US$800,00 a US$1200,00

Exemplos Windows

● Falador–Sintetizador freeware, roda c/ wine (??)– Apresenta a “boca falada”– Aprendizado de outros idiomas

Exemplos - Linux

● Festival– Sintetizador de linha de comando

● Gnopernicus– Sintetizador/Leitor do Gnome

● Kmouth– Def. auditivos, em inglês

Reconhecimento de Voz● Interpretação da fala humana● Três fases distintas: aquisição do sinal de

voz, extração de parâmetros (características) e reconhecimento do padrão (classificação).

● Utilidades:– Transcrição de texto– Execução de comandos– Automação Residencial

Reconhecimento de Voz

● Exemplos Linux:– cVoiceControl: modo texto–VoiceCode: voltado a programadores

com LER● Exemplos Windows:

– FreeSpeech (Philips)– ViaVoice (IBM)

Reconhecimento de Voz

● Classificação:– Requerer treinamento– Reconhecer fala contínua ou

pausadamente (período de silêncio)–Tamanho do vocábulo

Reconhecimento de Voz

● Funcionamento– Pouco treinamento, ritmo normal, fala

contínua e amplo vocábulo: 95% a 98% de acerto.

– Sem treinamento: reconhece número pequeno de palavras.

Reconhecimento de Voz

● Problemas Técnicos– Variações da fala– Ambiente externo– Segmentação da fala (limitação dos

fonemas)– Tamanho do vocabulário e

ambigüidades

Reconhecimento de Voz● Etapas do reconhecimento:

– Trabalho de reconhecimento voltado ao reconhecimento de padrões.

– Fase de extração de características: ●LPC (Linear Predictive Coding – Codificação Preditiva Linear, o modelo mistura Gaussiano)

● FFT (Fast Fourier Transform – Transformada Rápida de Fourier)

Reconhecimento de Voz

● Etapas do reconhecimento:–Fase de extração de características:

●LPC e modelo de mistura Gaussiano: reconhecimento de locutor (analisa trato vocal, que é peculiar a cada pessoa)

●FFT: reconhecimento de palavras isoladas (abordagem entre sinais em função das freqüências)

Reconhecimento de Voz

● Etapas do reconhecimento:– Fase de classificação

● Problema no tempo de execução● Métodos matemáticos: alto processamento

● Tendência a algoritmos inteligentes (Redes Neurais Artificiais), mais utilizados em sist. independentes de locutor

Conclusão

● Sintetizadores/Leitores de tela e sistemas de reconhecimento de voz precisam de ajustes.

● Desenvolvimento para Linux ainda é deficiente.

● Grande crescimento na área.

Referências● http://www.jornalismo.ufsc.br/acic/acesso/acesso_gr.htm

● http://groups.msn.com/falador/falador.msnw

● http://docs.kde.org/stable/pt/kdebase/userguide/kmouth.html

● http://docs.kde.org/stable/pt/kdebase/userguide/ktts.html

● http://www-usr.inf.ufsm.br/~maicongb/trabalho.html#recon

● http://www.rnp.br/wrnp2/2001/palestras_aplicacao/res_aplic_18.pdf

● http://www.inovacaotecnologica.com.br/noticias/noticia.php?artigo=010150040915

● http://www.speechrecognition.philips.com/index.asp?id=788