OSTALI SEMINARSKI RADOVI - INFORMATIKA - |
|||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||
Govorni izlaz
1. Uvod – problem izlaza iz računala u obliku govoraU ovom seminarskom radu obradile smo temu Govorni izlaz. U sklopu teme nastojale smo što bolje i kvalitetnije objasniti sintezu govora i zvuka, govornu jedinicu i zvučne kartice kako bi se shvatilo što je zapravo govrni izlaz i tko se koristi njime. Da bi seminarski rad bio zanimljiviji stavile smo nekoliko slika koje prikazuju pojedine djelove govornog izlaza te par tablica. U sljedećem odlomku ukratko smo napisale i prikazale sadržaj teme koju obrađujemo.
Ukratko o govornom izlazu:
Jedna od osnovnih pretpostavki vezana uz obradu govornog signala je da se govor može prikazati kao izlaz iz linearnog, vremenski promjenljivog sustava čija se svojstva sporo mijenjaju s vremenom. To vodi prema osnovnom principu analize govora koji kaže da ako se promatraju dovoljno kratki segmenti govornog signala, da se tada svaki segment može učinkovito modelirati kao izlaz iz linearnog, vremenski invarijantnog sustava pobuđenog bilo kvazi-periodičnim impulsima bilo slučajnim šumom (engl. random noise signal). Problem govorne analize predstavlja određivanje parametara govornog modela kao i određivanje njihovih promjena u vremenu. Pošto konvolucija pobude i impulsnog odziva linearnog, vremenski invarijantnog sustava predstavlja njegov izlaz (govorni signal), ovaj se problem može promatrati i kao problem razdvajanja konvolviranih komponenti, što je poznato pod nazivom dekonvolucija. Dekonvulcija se može razmatrati sa stajališta vremenski kratkotrajne Fourir – ove analize što će biti objašnjeno u nastavku.
Pojava govornih tehnologija, a posebno sintetizatora govora na osnovu teksta, od izuzetnog je značaja za osobe sa oštećenjem vida, ali ima i daleko širi značaj.
2. Tehnološke osnove uređaja i softwera za govorni izlaz
2.1. Sinteza zvuka
Pod zvukom se u širem smislu podrazumijeva titranje medija kojim se on širi, pri čemu se ne obazire na to nalazi li se u području čujnosti ljudskog uha, dok se u užem smislu zvukom smatra ona titranja koja se u tom području nalaze. Područje čujnosti ljudskog uha nalazi se između 20 Hz i 20kHz. Valovi frekvencije ispod 20 Hz nazivaju se infrazvukom, dok se valove iznad 20 kHz nazivaju ultrazvukom.
Prije nego što se prijeđe na razmatranje jednostavnog i složenog zvuka treba prvo definirati razliku između takvih zvukova i buke. Kao što nam je već otprije poznato, bilo koji zvučni signal možemo predočiti zbrojem sinusnih signala različitih frekvencija i amplituda. Navedeno pravilo se zove Fourierov teorem, a njegova primjena Fourierova sinteza. Stoga svaki zvučni signal ima svoju osnovnu frekvenciju, svoj spektar, intenzitet i svoju boju. On se od buke razlikuje po tomu što je buka stohastički signal.
Jednostavan zvuk je zvuk čiji se spektar sastoji od samo jedne frekvencije, koju nazivamo osnovnom frekvencijom, dok se složeni zvuk sastoji od osnovne frekvencije i proizvoljnog broja njenih harmonika.
2.1.1. Primjer primjene: sinteza zvučnog signala
Vrlo je zanimljivo osvrnuti se na način reproduciranja ljudskog govora. Svaki sustav za generiranje zvuka sastoji se od dva osnovna dijela, a to su generator pobudnih signala, te rezonantni sustav čiji odziv na pobudu predstavlja izlazni signal. Jedan je takav sustav prikazan na slici 1.
Slika 1. Model sustava za generiranje govornog signala
Kako bi se ostvario željeni sustav, potrebno je analizirati i modelirati vokalni trakt i glasnice. Glasnice su u načelu generator pobude koja se u ovom slučaju sastoji od niza impulsa čiji period daje osnovnu frekvenciju glasa, a njihov oblik se može usporediti sa pozitivnom poluperiodom jedne vrlo uske sinusoide. Vokalni trakt sastoji se od usne šupljine omeđene stijenkama čeljusti, jezika i usnica. Govorni signal na izlazu zapravo predstavlja odziv vokalnog trakata kao rezonantnog sustava na pobudu koju stvaraju glasnice. Ograničimo li se na dovoljno kratak period da možemo promatrati odziv sustava na samo jedan takav impuls, možemo prikazati frekvencijski spektar tog signala.
2.1.2. Tipovi sinteze:
1. Aditivna sinteza
2. Suptraktivna sinteza
3. Granularna sinteza
4. Amplitudna modulacija
5. Prstenasta modulacija
6. Frekvencijska modulacija2.2. Sinteza govora
Sinteza govora predstavlja operaciju pretvaranja pisanog ulaza u govorni izlaz. Ulaz može biti u obliku grafemske, ortografske ili fonemske skripte, ovisno o izvoru. Jednostavnije rečeno, sinteza govora je umjetno generiranje ljudskog govora.
Sustavi koji se koriste za to nazivaju se sintetizatori govora, a mogu biti implementirani kao softver ili hardver.
Zadatak sinteze govora je da na osnovu ulaznih informacija u tekstualnom obliku stvara govorni signal razumljiv čovjeku.
Sinteza govora često se kraće naziva Text-to-Speech (TTS), obzirom da upravo i pretvaraju tekst u govor.
Postoji nekoliko algoritama za sintezu govora. Izbor algoritma ovisi o operaciji koju želimo izvršiti. Najjednostavniji način je jednostavno snimiti glas osobe koja govori željene izraze, ali to predstavlja samo ograničen izvor fraza i rečenica. Kvaliteta ovisi o načinu snimanja.
Sofisticiraniji, ali lošije kvalitete su algoritmi koji dijele govor u manje jedinice. Najčešće korištena jedinica je fonem, najmanja lingvistička jedinica. Ovisno o jeziku, postoji oko 35-50 fonema u zapadno-europskim jezicima. Problem je u kombiniranju fonema jer tečan govor zahtjeva tečan prijelaz između elemenata (fonemskih jedinica). Razumljivost je stoga manja, no mala je i zahtjevnost na memoriju.
Rješenje ovog problema je korištenje difona. Umjesto dijeljenja u prijelazima, stanka se radi u sredini fonema, što ostavlja prijelaze netaknute. To daje oko 400 elemenata i kvaliteta raste.
Što su dulje te jedinice, postoji više elemenata, ali uz potrebnu memoriju raste i kvaliteta. Ostale jedinice koje su u širokoj primjeni koriste su poluslogovi, slogovi, riječi ili njihova kombinacija.
Postoje dva glavna načina za generirnje valnih oblika umjetnog govora:
• lančana sinteza (engl. Concatenative synthesis) – služi za spajanje segmenata snimljenog govora, tj. stvara umjetni glas najsličniji ljudskom govoru.
• formant sinteza (engl. Formant synthesis) - ne koristi uzorke ljudskog glasa već umjetni glas kreira korištenjem akustičnog modela.
Ostali načini sinteze (manje korišteni):
• artikulacijska sinteza
• hibridna sinteza
• HMM-bazirana sinteza (Hidden Markov Model)
Alati za sintezu govora:
Mbrola – visoko kvalitetni, difono bazirani sintetizator govora. Cilj mu je da osigura set govornih sintetizatora za što je moguće više jezika.
TEXT-TO-SPEECH SUSTAVI:
• Festival
• WinSpeech
• BaBel Technologies
• Gnuspeech
• ReadPlease 2003 i ReadPlease Plus 2003
• VoiceText
• Loquendo Text-to-Speech (TTS)
• TextAloud
• TextToSpeech Kit
Tablica 1. Alati za sintezu govora
3. Područja primjene sinteze govora
Prema podacima Svjetske zdravstvene organizacije (WHO) danas je u svijetu 40-45 milijuna slijepih i 124 milijuna slabovidnih osoba.
Sljepoća je teška invalidnost. Oko 90% informacija iz okruženja čovjek prima preko osjeta vida. Zbog toga sve uobičajene životne aktivnosti na koje ljudi inače ne obraćaju pozornost (kretanje, obavljanje kućanskih poslova, osobna higijena itd.) za slijepu osobu predstavljaju veliki napor. Slijepe osobe pri obrazovanju i zapošljavanju također nailaze na velike prepreke: nedostupnost informacija, podcjenjivanje sposobnosti, neprihvaćanje i nerazumijevanje okoline.
Primjenom moderne tehnologije u razvoju pomagala za slijepe može se uvelike podići kvaliteta njihovog života i omogućiti im da postanu ravnopravni akteri društva.
Pojava govornih tehnologija, a posebno sintetizatora govora na osnovu teksta, od izuzetnog je značaja za osobe sa oštećenjem vida, ali ima i daleko šire značenje. Za njih je pojava govornih tehnologija od izuzetnog značenja, jer im omogućuje da se samostalnije informiraju, ravnopravnije obrazuju, osposobe za mnoge nove poslove i lakše uključe u društvene tokove života i rada.
Sintetizatori govora i softverski paketi u stručnoj su, tj. informatičkoj literaturi dobili naziv screen readers, ili čitači ekrana.
Čitač ekrana je softverski paket koji sve naredbe i vizualne elemente, pretvara u zvuk uz pomoć govorne jedinice.
Na samim počecima razvoja čitača ekrana i sintetizatora govora na osnovu teksta, govor se reproducirao preko skromnih zvučnika tadašnjih računala što je rezultiralo vrlo lošom i gotovo nerazumljivom kvalitetom izgovora. Zbog toga se započelo s proizvodnjom hardverskih govornih jedinica (hardverskih sintetizatora govora) koji su se spajali na serijski port računala i koji su govorili isključivo engleski. Kvaliteta izgovora je bila različita, od robotske koja je bila na granici razumljivosti, pa do gotovo ljudskog načina izgovora.
Svi ovi softveri radili su vrlo dobro sa svim govornim jedinicama koje su mogle govoriti na engleskom jeziku, međutim, postojalo je sve više interesa od strane korisnika koji nisu izvorni engleski govornici, za proizvodnju ovakvih softversko – hardverskih rješenja.
Tvrtka Dolphin Computer Access, početkom 90-ih plasirala je na tržište svoj čitač ekrana pod nazivom HAL, a paralelno s njim proizvedena je i hardverska govorna jedinica pod nazivom Apollo. HAL i Apollo su u zajedničkoj suradnji omogućili multijezično korištenje.
1993. u suradnji s Udrugom za unaprijeđivanje obrazovanja slijepih i slabovidnih osoba iz Zagreba, tvrtka Dolphin Computer Access razvila je čip za izgovor hrvatsko-srpskog jezika i tako su čitač ekrana HAL i govorna jedinica Apollo, mogli zadovoljiti velik dio slijepih korisnika s ex-YU područja.4. Što je govorna jedinica?
Kako bi se zaobišao vizualni pristup računalu (point & click interface) koristi se tzv. Audio desktop – spoj text-to-speech enginea i softwareskog sintetizatora glasa. Slijepi korisnik vrši interakciju sa računalom prvenstveno putem klasične tipkovnice, a računalo korisniku daje povratnu informaciju glasom, preko audio desktopa.
Zamišljeno je da bi cjeloviti sustav u sebi morao uključivati adresar, kalendar, email klijent, news klijent, uređivač teksta, web pretraživač, fax, govornu sekretaricu, audio aplikacije (cd/mpeg player, software za internet streamove i sl.). Također, radi se na integraciji OCR-a (optical character recognition) kako bi slijepom korisniku računalo preko skenera moglo čitati bilo koji tekst.
Umjesto da sami čitate tekst na retku, računalo ga čita umjesto vas, te vam govorom saopćava što je pročitalo. Računala u osamdesetima nisu bila sposobna sama producirati govor, pa im je dodana jedna vanjska jedinica koja je to mogla. Zovemo je govorna jedinica.
Slika 2. Govorna jedinica
To je vanjski uređaj, koji se spaja na računalo kako bi slijepi korisnik mogao raditi na njemu. Računalo govornoj jedinici šalje običan tekst koji se nalazi na ekranu, a govorna jedinica taj tekst izgovara. Računalo da bi znalo koji tekst šalje govornoj jedinici mora imati i program koji je za to zadužen.Takav program se naziva "screen reader". U nedostatku smislenog hrvatskog prijevoda, to se prevodi kao čitač ekrana. Može i program koji čita.
5. Zvučna kartica
Zvučna kartica (Audio card, Sound card) pretvara zvuk u digitalni signal te pretvara digitalne signale u zvuk preko zvučnika ili slušalica. Dva glavna dijela zvučne kartice koji obavljaju ove poslove su digitalno-analogni pretvarač (D/A converter) i analogno-digitalni pretvarač (A/D converter). Funkcija zvučne kartice je proširenje funkcionalnosti PC-a koji omogućava reprodukciju i snimanje zvuka tj. podataka poput WAW, MIDI, glazbenog CD-ROMa, i MP3 formata. Pojednostavljeno glavna funkcija zvučne kartice je dati što kvalitetniji zvuk za slušanje glazbe, gledanje filmova, igranje igara itd.
.
Slika 3. Zvučna kartica
Vrste zvučnih kartica - Kao i kod grafičkih i mrežnih kartica možemo ih podijeliti na one koju su ugrađene u matičnu ploču (onboard audio) i one u obliku kartice koje se utaknu u utor (ISA, PCI...) na matičnoj ploči. Sve moderne matične ploče imaju onboard audio ali ako želite kvalitetniji zvuk možete staviti posebnu zvučnu karticu i u tom slučaju se onboard zvučna kartica onemogući (ili u BIOS-u ili preko jumper-a na matičnoj ploči).
Slika 4.Zvučna karticaOsim reprodukcije zvuka zvučna kartica omogućuje i snimanje zvuka za što nam je još potreban mikrofon i program za snimanje zvuka ( u Windows-ima postoji takav program (sound recorder) ali je dosta ograničenih mogućnosti).
Tablica 2. sa Microsoft PC99 standardom za označavanje vanjskih priključaka odgovarajućom bojom.Zvučnici se na zvučnu karticu spajaju na svjetlozeleni priključak a ako imate 5.1 zvučnike onda ćete na taj priključak spojiti prednje zvučnike, na crni zadnje a na narančasti subwoofer.Zvučne kartice često na sebi imaju game port, tj. priključak za joystick ili gamepad.
Slika 5. Zvučna kartica Sound Blaster Live!Najpoznatiji proizvođači zvučnih kartica su Creative, Terratec, C–media, nVidia i Realtek.
Alternativa zvučnim karticama su USB zvučnici. Prednosti su što se digitalni signal prenosi do zvučnika tako da nije potrebna zvučna kartica te manja osjetljivost na šumove i smetnje a mane nekvalitetan zvuk.
Slika 6. USB zvučnici5.1. Zvučni ulazi i izlazi
Većina zvučnih kartica od 1999. podliježu Microsoftovom PC 99 standardu za obilježavanje vanjskih konektora odgovarajućim bojama:
Tablica 3. Zvučni ulazi i izlazi
Slika 7. Zvučna kartica i njeni djelovi
Zaključak
Budući da slijepe osobe čine manjinu, moderne tehnologije se još uvijek slabo primjenjuju za pomoć njima. Onaj mali dio pomagala koji koriste nova dostignuća predstavlja tek površnu prilagodbu proizvoda namijenjenog široj javnosti ili pak neko drugorazredno rješenje. Posljedica svega navedenoga je da i takva specijalizirana rješenja imaju visoku cijenu i nedostupna su prosječnom korisniku. No to i ne čudi, jer svijet u kojem živimo stvoren je po mjeri onih koji vide, a ostali, “drugačiji“, suočeni su sa predrasudama i često prepušteni sami sebi.
Slijepe osobe imaju pravo na neovisan i kvalitetan život, tj. normalno kretanje i obavljanje svakodnevnih životnih obveza te mogućnost zapošljavanja. Dužnost svakog društva je da im to omogući, kao i ravnopravnost u pristupu informacijama, svijetu rada i svim ostalim aspektima građanskog života.
"Ne sljepilo, već stav drugih o slijepima, to je teret koji je teško nositi", izjavila je Helen Keler, jedna od najagilnijih aktivistkinja za prava slijepih i slabovidih osoba u svijetu.Literatura:
http://bs.wikipedia.org/wiki/lvu%C4%8Dna_kartica
http://pvprm.zesoi.fer.hr/2002-2003-web/studenti-rad/szeidler/seminar.html
http://savez-slijepih.hr/hr/strucniradovi/magisterij/davor_virkes/4.html
http://www.ipsis.hr/static/hr/rjesenja.html/sl.govornajedinica
http://www.ipsis.hr/site/article.php?sid=29
http://diana.zesoi.fer.hr/pvprm/
2007_08/mkutija/Martina_Kutija_pvprm.pdf
http://nautic-shop.cvs.hr/item_details.php?id=14
preuzmi
seminarski rad u wordu » » »
Besplatni Seminarski Radovi