S ntese de voz utilizando avatares gpvoz
This presentation is the property of its rightful owner.
Sponsored Links
1 / 13

Síntese de voz utilizando avatares GPVoz PowerPoint PPT Presentation


  • 51 Views
  • Uploaded on
  • Presentation posted in: General

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.

Download Presentation

Síntese de voz utilizando avatares GPVoz

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


S ntese de voz utilizando avatares gpvoz

Síntese de voz utilizando avataresGPVoz

Gabriel de Albuquerque

Styve Stallone


Roteiro

Roteiro

  • O que foi feito na área

  • Potenciais parceiros

  • Possíveis soluções para o problema


O que foi feito na rea

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.


O que foi feito na area

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.


Potenciais parceiros

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.


Poss vel solu o

Possível solução


M dulos text to speech

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.

Texto

voz

Pré-processamento

sintese


Tabela de convers o grafema fonema doxvox

Tabela de conversão grafema – fonema (DOXVOX)


M dulos extra o do fonema

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

Extração de Parametos

comparação

Fonema


Modulo tts e extra o do fonemas

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.


Modulo tts e extra o do fonemas1

Modulo TTS e Extração do fonemas


M dulos interpreta o do visema

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.


M dulo anima o

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.


  • Login