TTS y ASR - Historial de revisiones

SirLouen en 16:46 6 jul 2014

2014-07-06T16:46:16Z

SirLouen: /* Enlaces Externos */

2012-06-19T11:55:23Z

Enlaces Externos

SirLouen en 09:06 11 jun 2012

2012-06-11T09:06:32Z

SirLouen en 13:37 9 jun 2012

2012-06-09T13:37:46Z

SirLouen en 13:26 9 jun 2012

2012-06-09T13:26:12Z

SirLouen en 13:25 9 jun 2012

2012-06-09T13:25:39Z

SirLouen en 13:24 9 jun 2012

2012-06-09T13:24:55Z

SirLouen en 13:22 9 jun 2012

2012-06-09T13:22:54Z

SirLouen en 13:21 9 jun 2012

2012-06-09T13:21:21Z

SirLouen: /* Aplicación AGI */

2012-06-09T13:02:25Z

Aplicación AGI

← Revisión anterior		Revisión del 16:46 6 jul 2014
Línea 1:		Línea 1:
	Los sistemas '''Text-To-Speech''' (TTS) y '''Automatic Speech Recognition''' (ASR) están basados en la idea de crear una relación entre las personas y los ordenadores a través de medios de audio. Podrían considerarse dos los medios de entrada y salida más comunes en un entorno de telefonía más avanzada.		Los sistemas '''Text-To-Speech''' (TTS) y '''Automatic Speech Recognition''' (ASR) están basados en la idea de crear una relación entre las personas y los ordenadores a través de medios de audio. Podrían considerarse dos los medios de entrada y salida más comunes en un entorno de telefonía más avanzada.
		+
		+	{{Centrar\|{{#Widget:AdSense}}}}

	__TOC__		__TOC__

← Revisión anterior		Revisión del 11:55 19 jun 2012
Línea 264:		Línea 264:
	* [http://www.lumenvox.com LumenVox LLC.], página oficial de LumenVox ASR		* [http://www.lumenvox.com LumenVox LLC.], página oficial de LumenVox ASR

−	[[Categoría:~~General~~]]	+	[[Categoría:Avanzado‏‎]]

@@ Línea 132: / Línea 132: @@
 Hay que considerar que Google, ofrece un sistema Text-To-Speech, cuando utilizamos su servicio '''[http://translate.google.com|Google Translate]'''. Aunque Google no ofrezca un API oficial para poder trabajar con esta "aplicación" es posible utilizarla con medios no demasiado ortodoxos a priori, dado que no esta confirmado que su uso por desconocimiento de Google pueda traer repercusiones legales.
-A través de la URL, '''http://translate.google.com/translate_tts?tl=es&q=''' podemos pasar una linea de texto, y esta creara un fichero de audio, que será reproducida en este caso, utilizando una voz adaptada al idioma Español.
+A través de la URL, '''http://translate.google.com/translate_tts?tl=es&ie=UTF-8&q=''' podemos pasar una linea de texto, y esta creara un fichero de audio, que será reproducida en este caso, utilizando una voz adaptada al idioma Español.
 La "sintaxis" de la URL sería: '''http://translate.google.com/translate_tts?tl=<idioma>&q=<texto_a_reproducir>'''.
@@ Línea 158: / Línea 158: @@
 {{Archivo|/var/lib/asterisk/agi-bin/asterisk-tts.php|#!/usr/bin/php -q<br><?php<br>require_once(‘phpagi/phpagi.php’);<br>$agi &#61; new AGI();<br>$traduccion &#61; $argv[1];<br>
-// Aqui descargamos el fichero Mp3 haciendo pensar a Google que somos un Navegador<br>shell_exec("wget –header&#61;'User-Agent:Mozilla/4.0' 'http://translate.google.com/translate_tts?tl&#61;es&amp;q &#61;".$traduccion."' -O /tmp/google-tts.mp3″);<br>// Y convertimos el fichero con “lame” a wav que es reconocible por Asterisk<br>shell_exec("sox /tmp/google-tts.mp3 -r 8000 -c 1 -t raw -s /var/lib/asterisk/sounds/google-tts.sln");<br>
+// Aqui descargamos el fichero Mp3 haciendo pensar a Google que somos un Navegador<br>shell_exec("wget –header&#61;'User-Agent:Mozilla/4.0' 'http://translate.google.com/translate_tts?tl&#61;es&ie&#61;UTF-8&amp;q &#61;".$traduccion."' -O /tmp/google-tts.mp3″);<br>// Y convertimos el fichero con “lame” a wav que es reconocible por Asterisk<br>shell_exec("sox /tmp/google-tts.mp3 -r 8000 -c 1 -t raw -s /var/lib/asterisk/sounds/google-tts.sln");<br>
 $retString &#61; "Fin de la conversion";<br>$agi->verbose($retString);<br>?>}}

@@ Línea 160: / Línea 160: @@
 // Aqui descargamos el fichero Mp3 haciendo pensar a Google que somos un Navegador<br>shell_exec("wget –header&#61;'User-Agent:Mozilla/4.0' 'http://translate.google.com/translate_tts?tl&#61;es&amp;q &#61;".$traduccion."' -O /tmp/google-tts.mp3″);<br>// Y convertimos el fichero con “lame” a wav que es reconocible por Asterisk<br>shell_exec("sox /tmp/google-tts.mp3 -r 8000 -c 1 -t raw -s /var/lib/asterisk/sounds/google-tts.sln");<br>
 $retString &#61; "Fin de la conversion";<br>$agi->verbose($retString);<br>?>}}
 Con esta aplicación [[AGI]], ejecutando la aplicación AGI, con un argumento (el texto que queremos reproducir), tendriamos el resultado esperado:
@@ Línea 222: / Línea 224: @@
 Todo esto podría sintetizarse en un script PHP, utilizando la interfaz [[AGI]] con la adaptación PHP-AGI. Una instancía sencilla de este ejemplo podría ser:
-{{Archivo|/var/lib/asterisk/agi-bin/asterisk-tts.php|#!/usr/bin/php -q<br><?php<br>require_once(‘phpagi/phpagi.php’);<br>$agi &#61; new AGI();<br>$agi->answer();<br>// Primero convertimos el fichero que generamos desde Asterisk a formato FLAC (que es el que admite Google)<br>shell_exec(“sox  /var/lib/asterisk/sounds/grabacion-asr.wav /tmp/grabacion-asr.flac”);<br>
+{{Archivo|/var/lib/asterisk/agi-bin/asterisk-asr.php|#!/usr/bin/php -q<br><?php<br>require_once(‘phpagi/phpagi.php’);<br>$agi &#61; new AGI();<br>$agi->answer();<br>// Primero convertimos el fichero que generamos desde Asterisk a formato FLAC (que es el que admite Google)<br>shell_exec(“sox  /var/lib/asterisk/sounds/grabacion-asr.wav /tmp/grabacion-asr.flac”);<br>
 // Despues lanzamos una peticion a Google para que nos convierta el fichero FLAC en texto, nos devuelve una cadena de texto formato JSON<br>
 $linea &#61; shell_exec(“wget –post-file /tmp/grabacion-asr.flac –header&#61;’Content-Type: audio/x-flac; rate&#61;8000′ -O – ‘http://www.google.com/speech-api/v1/recognize?lang&#61;es_ES’”);<br>
 // Convertimos esa cadena JSON gracias a PHP en un objeto directamente<br>$obj &#61; json_decode($linea);<br>// Sacamos el valor utterance<br>$valorasr &#61; $obj-&gt;{“hypotheses”}[0]-&gt;{“utterance”};<br>
 // Pasamos el texto a Asterisk en forma de variable de canal<br>$agi->set_variable("TEXTOASR", $valorasr);<br>$agi->verbose($retString);<br>?>}}
 En este caso, realizaría el algoritmo anteriormente explicado, y guardaría el resultado en una variable de canal llamada '''TEXTOASR'''.

@@ Línea 171: / Línea 171: @@
 Hay que considerar que antiguamente, se utilizaban sistemas "de entrenamiento" en los cuales, existían unos parámetros por defecto y un sistema de reconocimiento estándar, y tras la lectura repetida por un usuario de determinado texto, se conseguía ajustar el volumen y el tono de la voz, para que el reconocimiento fuera eficiente.
-El problema es que con el surgimiento de la telefonía 2.0, no podríamos realizar "entrenamientos" de voz, debido a que en el caso de un llamante que se pudiera en contacto con un sistema que implementara una solución ASR, tendría que tener resultados "a la primera". Por ello los algoritmos se desarrollaron más allá, y ahora se han conseguido soluciones de bastante calidad. Las dos más populares y destacados en este momento son Siri <ref>[http://www.apple.com/iphone/features/siri.html|Siri], Apple Inc (2011)</ref> (desarrollado por SRI Venture Group) y Google Voice Actions <ref>[http://www.google.com/mobile/voice-actions/ Google Voice Actions] Google Inc (2009)</ref>
+El problema es que con el surgimiento de la telefonía 2.0, no podríamos realizar "entrenamientos" de voz, debido a que en el caso de un llamante que se pudiera en contacto con un sistema que implementara una solución ASR, tendría que tener resultados "a la primera". Por ello los algoritmos se desarrollaron más allá, y ahora se han conseguido soluciones de bastante calidad. Las dos más populares y destacados en este momento son Siri <ref>[http://www.apple.com/iphone/features/siri.html Siri], Apple Inc (2011)</ref> (desarrollado por SRI Venture Group) y Google Voice Actions <ref>[http://www.google.com/mobile/voice-actions/ Google Voice Actions] Google Inc (2009)</ref>
 Pero a parte de estos, también existen sistemas ASR adaptados para Asterisk exclusivamente, aunque en su inmensa mayoría, en la actualidad son soluciones licenciadas, entre las siguientes, aquellas que soportan integración con el idioma Español:

← Revisión anterior		Revisión del 13:25 9 jun 2012
Línea 1:		Línea 1:
−	~~{{ToDo}}~~
−
	Los sistemas '''Text-To-Speech''' (TTS) y '''Automatic Speech Recognition''' (ASR) están basados en la idea de crear una relación entre las personas y los ordenadores a través de medios de audio. Podrían considerarse dos los medios de entrada y salida más comunes en un entorno de telefonía más avanzada.		Los sistemas '''Text-To-Speech''' (TTS) y '''Automatic Speech Recognition''' (ASR) están basados en la idea de crear una relación entre las personas y los ordenadores a través de medios de audio. Podrían considerarse dos los medios de entrada y salida más comunes en un entorno de telefonía más avanzada.

	__TOC__		__TOC__
−

← Revisión anterior		Revisión del 13:24 9 jun 2012
Línea 30:		Línea 30:

	=== Festival ===		=== Festival ===
		+
		+	[[Image:cstr_logo.png\|thumb\|Centre for Speech Technology Research\|right\|200px]]

	El sistema Festival TTS fue desarrollado originalmente por Alan W. Black, en la Universidad de Edimburgo, y distribuido con una licencia BSD como un programa Open Source. Prácticamente de los inicios de Asterisk, fue integrado ya que incorporaba las ventajas de un TTS sin coste ninguno, y desde entonces se ha convertido en el TTS de Asterisk por excelencia. Pero en contrapartida, dado que la calidad de los TTS, no tanto radica en sus algoritmos como también en las voces, quizá Festival sea de los menos sofisticados en este ámbito, aunque se han realizado varios intentos, con voces profesionales, la calidad de los resultados todavía deja mucho que desear.		El sistema Festival TTS fue desarrollado originalmente por Alan W. Black, en la Universidad de Edimburgo, y distribuido con una licencia BSD como un programa Open Source. Prácticamente de los inicios de Asterisk, fue integrado ya que incorporaba las ventajas de un TTS sin coste ninguno, y desde entonces se ha convertido en el TTS de Asterisk por excelencia. Pero en contrapartida, dado que la calidad de los TTS, no tanto radica en sus algoritmos como también en las voces, quizá Festival sea de los menos sofisticados en este ámbito, aunque se han realizado varios intentos, con voces profesionales, la calidad de los resultados todavía deja mucho que desear.

@@ Línea 5: / Línea 5: @@
 __TOC__
-[[Image:logo_asterisk.png|thumb|Logo Asterisk|right|200px]]
 == Introducción ==
@@ Línea 128: / Línea 128: @@
 === Google TTS ===
 Hay que considerar que Google, ofrece un sistema Text-To-Speech, cuando utilizamos su servicio '''[http://translate.google.com|Google Translate]'''. Aunque Google no ofrezca un API oficial para poder trabajar con esta "aplicación" es posible utilizarla con medios no demasiado ortodoxos a priori, dado que no esta confirmado que su uso por desconocimiento de Google pueda traer repercusiones legales.
@@ Línea 231: / Línea 233: @@
 ==== Aplicación AGI mejorada ====
-Existe una aplicación [[AGI]] <ref>[http://zaf.github.com/asterisk-speech-recog/ Asterisk Google ASR], Lefteris Zafiris (2012) más elaborada que realiza toda la gestión centralizada, y devuelve variables de canal llamadas '''uterance''' y '''confidence'''.
+Existe una aplicación [[AGI]] <ref>[http://zaf.github.com/asterisk-speech-recog/ Asterisk Google ASR], Lefteris Zafiris (2012)</ref> más elaborada que realiza toda la gestión centralizada, y devuelve variables de canal llamadas '''uterance''' y '''confidence'''.
 La explicación del uso de dicha aplicación puede verse en la [http://zaf.github.com/asterisk-speech-recog/ página del autor]