MICROSOFT SPEECH API
|
|
|
Processamento de Voz |
|
Eng. Informática |
|
5º Ano |
Agenda
|
|
|
Introdução ao SAPI |
|
Critérios de Escolha de uma API |
|
Vista Geral do SAPI |
|
Arquitectura do SAPI |
|
Visão da Microsoft |
|
Comparação entre as Releases 4
e 5 do SAPI |
|
Microsoft Speech Research Group |
|
Projectos Desenvolvidos |
|
Projectos em Desenvolvimento |
|
Ferramentas de Desenvolvimento |
|
Programa Demonstrativo |
|
|
|
|
|
|
|
|
Introdução
|
|
|
|
API desenvolvida pela Microsoft |
|
Foi introduzido como parte dos
serviços do Windows em 1995 |
|
|
|
Actualmente o Windows XP e o
Windows Vista já integram nas suas distribuições a plataforma SAPI |
|
|
|
As versões mais conhecidas são: |
|
SAPI4 |
|
SAPI5 |
|
|
Critérios na escolha de
uma API
|
|
|
Output das amostras de áudio |
|
|
|
Facilidade de uso |
|
|
|
Configuração de parâmetros |
|
|
|
Linguagem de programação |
|
|
|
Portabilidade |
|
|
Vista Geral
|
|
|
|
|
Oferece uma relação de alto
nível entre uma aplicação e os motores de voz |
|
|
|
As principais funcionalidades: |
|
TTS (Text-to-Speech) |
|
Sintetizam frases escritas e
ficheiros em áudio usando vozes sintéticas |
|
|
|
SR (Speech Recogniser) |
|
Convertem a voz de um humano em
frases (strings) e ficheiros |
|
|
|
DSR (Dictation Speech
Recogniser) |
|
|
|
TEL (Telephony) |
|
|
|
|
Arquitectura
|
|
|
|
Speech API pode ser visto como
um middleware |
|
|
|
|
|
|
|
|
|
|
|
Motores: |
|
Text-To-Speech |
|
Speech-Recogniser |
|
|
|
|
Visão da Microsoft
|
|
|
|
Integração de engenhos de
reconhecimento e síntese de voz em equipamentos informáticos: |
|
|
|
PDA |
|
Tablet PCs |
|
Smartphones |
|
Livros Digitais |
|
Telemóveis |
|
…. |
Comparação entre
Releases 4 e 5
|
|
|
|
|
Existem três grandes diferenças
entre as duas distribuições: |
|
Arquitectura |
|
No SAPI 5 existe separação do
modulo Text-To-Speech do modulo que guarda as propriedades e regras da voz |
|
|
|
Linguagem de marcação |
|
No SAPI 5 a linguagem de
marcação é baseada em XML |
|
|
|
Painel de controlo |
|
No SAPI 5 existe painel
controlo centralizado |
|
|
Microsoft Speech
Research Group
|
|
|
|
A Microsoft tem actualmente
dois centros de investigação e desenvolvimento de tecnologias da fala: |
|
Redmond (EUA) |
|
Beijing (China) |
|
|
|
Objectivo: |
|
Criar um computador
inteiramente Speech Enabled, através da interacção Homem - Máquina. |
|
|
Projectos Desenvolvidos
|
|
|
MiPAD – Multimodal Interactive
Pad |
|
|
|
Whisper – Speech Recognition |
|
|
|
Whistler – Text to Speech |
|
|
|
WhisperID – Speaker
Identification |
|
|
|
Speech Aplication Programming
Interface (SAPI) Development Toolkit |
Projectos Desenvolvidos
|
|
|
Vídeos Demonstrativos do MiPAD |
|
|
|
|
|
Vídeo I |
|
|
|
Vídeo II |
|
|
|
|
|
|
Projectos em
Desenvolvimento
|
|
|
Noise Robustness |
|
|
|
Microphone Arrays |
|
|
|
Dereverberation |
|
|
|
Acoustic Modeling |
|
|
|
Language Modeling |
|
|
|
Automatic Grammer Induction |
|
|
Ferramentas de
Desenvolvimento
|
|
|
|
|
Speech SDK 5.1 |
|
Aplicações para Windows |
|
Acesso a Recursos como o
reconhecimento e síntese de voz |
|
C++, C#, JavaScript e Visual
Basic |
|
|
|
Speech Application Software
Development Kit |
|
Plataforma ASP.NET |
|
Criar aplicações Web Speech-enabled |
|
Especificações SALT |
|
Speech Application Language
Tags |
Programa Demonstrativo
|
|
|
|
Pequeno programa |
|
Formato página Web (HTML) |
|
|
|
Recursos Utilizados |
|
Visual Studio.NET 2003 |
|
Speech SDK 5.1 |
|
|
|
Permite: |
|
Text-To-Speech |
|
Controlo de Volume, Frequência |
|
Agente de Voz |
Conclusão
|
|
|
|
|
Fácil integração nas aplicações |
|
|
|
Útil para pessoas com
deficiências |
|
|
|
Em grande Expansão |
|
|
|
Ambientes MS Windows |
|
|
Informações Adicionais
|
|
|
|
|
Este trabalho foi desenvolvido
no âmbito da cadeira de Processamento da Voz, no Ano Lectivo 2006/ 2007 |
|
Escola Superior de Tecnologia |
|
Instituto Politécnico de
Castelo Branco |
|
|
|
Autores: |
|
António Afonso |
|
Nelson Vicente |
|
Ricardo Antunes |
|
|
|
Site na Internet com todos os
recursos: |
|
http://sapi.areadeservico.com |
|
|