Gabriel de Albuquerque Styve 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-processamentosintese 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. VozFonema Extração de Parametoscomparação

 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.