Gabriel de AlbuquerqueStyve Stallone
O que foi feito na área Potenciais parceiros Possíveis soluções para o problema
DOXVOX desenvolvido na UFRJ, utilizada síntese de difones. Gratuito e Open Souce.
síntese de difones é baseada em concatenação de difones, que são pequenas seqüências de áudio que amostram a transição da metade de um fonema para a metade de outro.
O mecanismo utiliza-se de uma tabela que onde são guardados grafemas e seus respectivos fonemas. Palavras que fogem a regra podem ser guardadas por inteiro.
Um dos sistemas de acessibilidade mais usados no país.
Na UFRGS, aluno está desenvolvendo um projeto de leitor de livros com o sintetizador de voz Open Souce eSpeek.
UFRJ criadora do DOXVOX A UFRGS depois da parceria com a CSLU, reforçou
a necessidade de buscar parcerias com outras instituições.
O modulo TTS faz a transformação de texto para fala. Atualmente existem muitos sintetizadores disponíveis no mercado.
Podemos dividir o modulo TTS em 2 partes A primeira parte pega o texto e transforma em
uma seqüências de fonemas (pode ser uma tabela de associação), também faz a conversão de datas, números e demais símbolos para fonemas.
A segunda parte que através da seqüência de fonemas e parâmetros como intensidade e duração, realiza a síntese da voz.
Pré-processamento sintese vozTexto
O Modulo Extração de Fonemas é um reconhecedor de padrões, que podemos dividir em duas partes.
O modulo de extração de características que ao receber o arquivo de áudio, captura as informações mais importantes para o reconhecimento. EX: Numero de vezes que o final cruza o eixo horizontal, distancia entre picos.
E um módulo de comparação que irá usar um algoritmo para comparar com padrões previamente treinados. ( Redes Neurais, Quantização Vetorial, etc)
Deixaremos como próximo passo o estudo das técnicas de reconhecimento de padrões.
Voz FonemaExtração de Parametos comparação
Resumidamente o primeiro módulo realiza a síntese, e o segundo modulo realiza um reconhecimento.
Mais em todos os mecanismos de síntese já está embutida a parte que faz a tradução de grafemas para fonemas (tabelas de conversão).
Podemos utilizar essa tabela para obter os fonemas resultantes sem precisar do segundo modulo.
O módulo interpretação faz a associação de um fonema recebido pelo modulo extração do fonema com o visema correspondente no banco de visemas.
Uma simplificação utilizada na pratica, é fazer os visemas para representar apenas sons de vogais.
O modulo de animação receberá os visemas e sua intensidade e duração.
Visemas além dos movimentos labiais, podem representar expressões. Ex: surpresa
Para isso o texto precisa ser adaptado para conter informações emocionais.
Top Related