síntese de voz utilizando avatares gpvoz
DESCRIPTION
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. - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: Síntese de voz utilizando avatares GPVoz](https://reader036.vdocuments.site/reader036/viewer/2022062519/56814eee550346895dbc7bd6/html5/thumbnails/1.jpg)
Síntese de voz utilizando avatares
GPVoz
Gabriel de AlbuquerqueStyve Stallone
![Page 2: Síntese de voz utilizando avatares GPVoz](https://reader036.vdocuments.site/reader036/viewer/2022062519/56814eee550346895dbc7bd6/html5/thumbnails/2.jpg)
Roteiro
O que foi feito na áreaPotenciais parceirosPossíveis soluções para o problema
![Page 3: Síntese de voz utilizando avatares GPVoz](https://reader036.vdocuments.site/reader036/viewer/2022062519/56814eee550346895dbc7bd6/html5/thumbnails/3.jpg)
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.
![Page 4: Síntese de voz utilizando avatares GPVoz](https://reader036.vdocuments.site/reader036/viewer/2022062519/56814eee550346895dbc7bd6/html5/thumbnails/4.jpg)
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.
![Page 5: Síntese de voz utilizando avatares GPVoz](https://reader036.vdocuments.site/reader036/viewer/2022062519/56814eee550346895dbc7bd6/html5/thumbnails/5.jpg)
Potenciais parceiros
Na UFRGS, aluno está desenvolvendo um projeto de leitor de livros com o sintetizador de voz Open Souce eSpeek.UFRJ criadora do DOXVOXA UFRGS depois da parceria com a CSLU, reforçou a necessidade de buscar parcerias com outras instituições.
![Page 6: Síntese de voz utilizando avatares GPVoz](https://reader036.vdocuments.site/reader036/viewer/2022062519/56814eee550346895dbc7bd6/html5/thumbnails/6.jpg)
Possível solução
![Page 7: Síntese de voz utilizando avatares GPVoz](https://reader036.vdocuments.site/reader036/viewer/2022062519/56814eee550346895dbc7bd6/html5/thumbnails/7.jpg)
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
![Page 8: Síntese de voz utilizando avatares GPVoz](https://reader036.vdocuments.site/reader036/viewer/2022062519/56814eee550346895dbc7bd6/html5/thumbnails/8.jpg)
Tabela de conversão grafema – fonema (DOXVOX)
![Page 9: Síntese de voz utilizando avatares GPVoz](https://reader036.vdocuments.site/reader036/viewer/2022062519/56814eee550346895dbc7bd6/html5/thumbnails/9.jpg)
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
![Page 10: Síntese de voz utilizando avatares GPVoz](https://reader036.vdocuments.site/reader036/viewer/2022062519/56814eee550346895dbc7bd6/html5/thumbnails/10.jpg)
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.
![Page 11: Síntese de voz utilizando avatares GPVoz](https://reader036.vdocuments.site/reader036/viewer/2022062519/56814eee550346895dbc7bd6/html5/thumbnails/11.jpg)
Modulo TTS e Extração do fonemas
![Page 12: Síntese de voz utilizando avatares GPVoz](https://reader036.vdocuments.site/reader036/viewer/2022062519/56814eee550346895dbc7bd6/html5/thumbnails/12.jpg)
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.
![Page 13: Síntese de voz utilizando avatares GPVoz](https://reader036.vdocuments.site/reader036/viewer/2022062519/56814eee550346895dbc7bd6/html5/thumbnails/13.jpg)
Módulo Animação
O modulo de animação receberá os visemas e sua intensidade e duração.Visemas alem dos movimentos labias, podem representar expressões. Ex: surpresaPara isso o texto precisa ser adaptado para conter informações emocionais.