El éxito de Noruega en crear la voz de un niño de Artificial

ScienceDaily (17 de febrero de 2012) - ". discurso sintetizado se ha vuelto más y más similares a la voz humana Sin embargo, los niños se comunican a través de un dispositivo de intervención se ven obligadas a utilizar una voz de adulto sintética", explica Magne Lunde, Director General de Medios de Comunicación LT, una empresa que desarrolla herramientas para ayudar a las personas con discapacidad.



Este inconveniente fue el conductor detrás de un proyecto de investigación y colaboración entre MedialT Lingit, una compañía de software. Juntos están desarrollando primera voz infantil de Noruega sintetizada.
Con el financiamiento otorgado en el marco del Consejo de Investigación del programa de las TIC para personas con discapacidad (TI Funk), que están poniendo un método totalmente nuevo para la prueba.

La conversión de la voz principal en la voz de un niño comprensible de
"Empezamos con lo que se conoce como voz principal, que es el producto de tres o cuatro hablantes adultos registran varios miles de frases. Luego grabamos un solo niño la lectura de un menor número de frases en voz alta. Usamos esta grabación para modificar el patrón voz, por lo que es sonar como la voz de un niño ", relata Torbjørn Nordgård de Lingit. Dr. Nordgård también es profesor de lingüística en la Universidad de Nordland.
Las frases grabadas por el niño han sido seleccionados para incluir un número de los sonidos más esenciales que se encuentran en Noruega.
"La voz principal aún lleva la entonación, es decir, la melodía de una frase. El resultado suena más bien como un niño con habilidades inusuales elocución, pero aún así es mucho mejor que la voz de un adulto", dice el Sr. Nordgård.
Muy poca investigación se ha llevado a cabo sobre este tema a nivel internacional. Método innovador y MediaLT Linget de síntesis de voz de un niño les está trayendo a la vanguardia de su campo.
Todo está ahora en el lugar para comenzar a probar versiones de prueba de la voz del niño. "Esperamos tener una versión beta en su lugar este verano", dice Magne Lunde.

Necesidad de PC para entender el habla de los niños
Sr. Lunde y sus colegas también están investigando el control de voz como el uso de comandos verbales para operar una PC.
Con el fin de operar una computadora por medio de la palabra, la máquina con éxito debe descifrar lo que se dice. Interpretación de la expresión de los individuos en tanto a los jóvenes y el extremo anterior de la escala es especialmente difícil ya que la distancia de sus cuerdas vocales a sus labios es más corta que la de un adulto promedio.
"Enseñar a un programa de reconocimiento de voz para entender la pronunciación de los sonidos diferentes de una lengua requiere una cantidad relativamente grande de la voz grabada. Por desgracia, no existen datos suficientes hoy en día en términos de discurso de los niños reales de mujeres", afirma el profesor Torbjørn Svendsen, de la Universidad Noruega de Ciencia y Tecnología.
El profesor Svendsen y sus socios de investigación han llegado con un muy elegante, pero sencillo método de superar los retos asociados con el reconocimiento de voz y los niños - se han sintetizado las voces de los niños y utilizar los resultados para compilar una colección de datos.

Una gran mejora en la calidad
La longitud del tracto vocal afecta a la distribución de frecuencias de la energía del habla. Los investigadores están utilizando la tecnología para hacer que la distribución de la energía del habla de los adultos para que se asemeja más a la de un niño.
"El habla de los adultos convertidos se asemeja a la manera como los niños hablan en términos de sonido también. Por lo tanto, podemos aplicar nuestra técnica de conversión a una gran base de datos de habla de los adultos y generar una base de datos funcional de las voces infantiles artificiales. A continuación, utiliza esto para entrenar a un independiente programa de reconocimiento de voz para los niños ", explica el profesor Svendsen.
"Esto ha mejorado enormemente la fidelidad de reconocimiento de habla de los niños. La tasa de error se redujo en un 50 a un 70 por ciento", afirma.
Las actividades se están llevando a cabo en cooperación con los investigadores en el control de voz en el diálogo multimodal (SMUDI), que recibió financiamiento de gran escala del Consejo de Investigación de Competencias medulares del programa y la Creación de Valor en las TIC (VERDIKT) y el Ministerio de Educación e Investigación .

Noruega un lenguaje duro
El idioma noruego plantea una serie de desafíos, especialmente pronunciadas a los expertos de reconocimiento de voz.
"En general, el grado de variación en cualquier idioma es lo suficientemente grande como para que sea difícil de modelar, pero Noruega es especialmente difícil;. Hay dos formas distintas por escrito de la lengua, los dialectos innumerables y una amplia gama de alternativas aceptadas para las palabras, las declinaciones y los compuestos. Además de todo esto, no existe una norma única Pronunciación ", destaca Torbjørn Svendsen.
Dr. Svendsen también señala que las personas pueden experimentar una considerable dificultad cuando se enfrenta con la voz de los dispositivos controlados.
"Es fácil quedar atrapado en la fascinación por el reconocimiento de voz y las muchas posibilidades que tiene, por lo que es importante no reemplazar la tecnología existente cuando sigue siendo la mejor opción para tener que hacer algo - como el uso de botones para utilizar un ascensor" , concluye.


fuente, http://www.sciencedaily.com/releases/2012/02/120217101337.htm