Síntese de voz utilizando
avatares
GPVoz
Gabriel de Albuquerque
Styve Stallone
Roteiro
O que foi feito na área
Potenciais parceiros
Possíveis soluções para o problema
O que foi feito na área
DOXVOX desenvolvido na UFRJ, utiliza a síntese de
difones. Gratuito e Open Souce.
 síntese de dif...
O que foi feito na area
UFRGS , desenvolveu o Spoltech
 Buscava tornar o CSLU toolkit, desenvolvido no (CSLU), localizado...
Potenciais parceiros
Na UFRGS, aluno está desenvolvendo um projeto de
leitor de livros com o sintetizador de voz Open
Souc...
Possível solução
Módulos Text-To-Speech
O modulo TTS faz a transformação de texto para
fala. Atualmente existem muitos sintetizadores
dispo...
Tabela de conversão grafema
– fonema (DOXVOX)
Módulos Extração do Fonema
O Modulo Extração de Fonemas é um reconhecedor de padrões, que
podemos dividir em também duas p...
Modulo TTS e Extração do
fonemas
Resumidamente o primeiro módulo realiza a
síntese, e o segundo modulo realiza um
reconhec...
Modulo TTS e Extração do
fonemas
Módulos Interpretação do
Visema
O módulo interpretação faz a
associação de um fonema recebido
pelo modulo extração do fone...
Módulo Animação
O modulo de animação receberá os
visemas e sua intensidade e duração.
Visemas alem dos movimentos labias,
...
Próximos SlideShares
Carregando em…5
×

Síntese de voz utilizando avatares GPVOZ

218 visualizações

Publicada em

Síntese de voz utilizando avatares GPVOZ
Gabriel de Albuquerque
Styve Stallone

Publicada em: Educação
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
218
No SlideShare
0
A partir de incorporações
0
Número de incorporações
4
Ações
Compartilhamentos
0
Downloads
2
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Síntese de voz utilizando avatares GPVOZ

  1. 1. Síntese de voz utilizando avatares GPVoz Gabriel de Albuquerque Styve Stallone
  2. 2. Roteiro O que foi feito na área Potenciais parceiros Possíveis soluções para o problema
  3. 3. O que foi feito na área DOXVOX desenvolvido na UFRJ, utiliza a 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 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.
  4. 4. O que foi feito na area UFRGS , desenvolveu o Spoltech  Buscava tornar o CSLU toolkit, desenvolvido no (CSLU), localizado no Oregon Graduate Instítute funcional para o nosso português brasileiro;  CSLU toolkit: " um sistema que torna possível a criação de sistemas de processamento de fala de maneira simples, disponibilizando, inclusive, uma ferramenta visual para concepção rápida e intuitiva de aplicações de síntese e reconhecimento de fala.“  Buscou parceria com os desenvolvedores do CSLU toolkit;  Parceria gerou resultados, a síntese já opera em português e o reconhecimento já atinge 98% de acerto ao reconhecer dígitos.
  5. 5. Potenciais parceiros 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.
  6. 6. Possível solução
  7. 7. Módulos Text-To-Speech 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
  8. 8. Tabela de conversão grafema – fonema (DOXVOX)
  9. 9. Módulos Extração do Fonema O Modulo Extração de Fonemas é um reconhecedor de padrões, que podemos dividir em também duas partes. O modulo de extração de características que ao receber o arquivo de áudio, captura as informações mais importantes para o reconhecimento. EX: Taxa que o sinal cruza o eixo horizontal, distancia entre picos. O outro módulo é 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
  10. 10. Modulo TTS e Extração do fonemas 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 dessa tabela para obter os fonemas resultantes sem precisar do segundo modulo.
  11. 11. Modulo TTS e Extração do fonemas
  12. 12. Módulos Interpretação do Visema 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.
  13. 13. Módulo Animação O modulo de animação receberá os visemas e sua intensidade e duração. Visemas alem dos movimentos labias, podem representar expressões. Ex: surpresa Para isso o texto precisa ser adaptado para conter informações emocionais.

×