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.