Перейти до вмісту
Мікросистеми, Електроніка та Акустика
ISSN 2523-4447 · e‑ISSN 2523-4455 Відкритий доступ · CC BY-SA 4.0
Т. 27 · № 1 · 2022 кві 29, 2022 Акустичні прилади та системи

Розробка системи і інтерфейсу синтезу мовлення українською мовою для сайтів

OO
Oleksandr Ruslanovych Osdachuk Відповідальний Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»,Igor Sikorsky Kyiv Polytechnic Institute [https://ror.org/00syn5v21] Україна
Сторінки255961-1-255961-6 Опублікованокві 29, 2022
PDF
ТОМ 27 · № 1 · 2022 Переглянути випуск

Анотація

У статті описано систему синтезу та озвучування контенту на сайтах українською мовою, призначену для спрощення споживання контенту для людей з вадами зору, яка відрізняється простотою інтеграції в найпопулярнішу систему управління контентом на сайтах, а саме CMC Wordpress. Наразі люди з вадами зору дуже обмежені у використанні Інтернет-продуктів, оскільки більшість веб-ресурсів не адаптовані до їхніх потреб. Сучасні інформаційні технології дозволяють таким людям отримувати інформацію поряд із здоровою завдяки рішенням, розробленим вченими та інженерами з різних країн. Текстова інформація може бути доставлена ​​людям з вадами зору за допомогою лупи або шляхом програмного збільшення шрифту, незрячим – озвучуванням тексту за допомогою комп’ютерних програм або відображенням текстів на екрані Брайля монітора. Це ефективне рішення, але вибір методів відтворення такої інформації мають повністю забезпечувати самі люди з обмеженими можливостями, що є значною проблемою через значні витрати часу на споживання інформації. Щоб полегшити сприйняття людей із вадами зору під час використання веб-сайтів, розроблено міжнародний стандарт для веб-майстрів – посібник із доступності веб-контенту під назвою W3 Web Content Accessibility Guidelines (WCAG) Consortium 2.0. Стандарт детально описує вимоги людей з вадами зору, які рекомендується виконувати, щоб вони могли без проблем переглядати веб-сайт. Основні положення WCAG 2.0 описуватимуть параметри та алгоритми масштабування, кластеризації та поділу інформації програмами для людей із вадами зору та нададуть рекомендації щодо написання коду веб-сайту. Однак для реалізації таких рекомендацій веб-майстрам необхідно вивчити нові принципи та алгоритми програмування та використовувати додаткові інструменти розробки. Це часто буває складно, вимагає додаткової підготовки, що тягне за собою невиконання веб-майстрами таких вимог. Така система була розроблена на базі глибинних нейронних мереж та має можливість інтегруватися в найпопулярнішу в світі систему управління контентом веб сайтів WordPress® і однієї системи Google© Cloud Platform®. За допомогою використання та навчання глибинних нейронних мереж було адаптовано процедуру синтезу мовлення під українську мову, а також розроблено пакетне рішення (архів плагіну додається до дипломної роботи) для інтеграції такої системи синтезу мовлення в сайти на базі системи управління контентом WordPress©, практична частина роботи реалізована на веб сайті www.voice.uttermouse.com . Для подальшої зручності користування слабозорим на сайт був інтегрований голосовий чат, який розроблено за допомоги сервісів Google© Cloud Platform та Google© Dialogflow та Google© Speech to Text API і адаптований для роботи з веб сайтом за допомогою мови PHP.

Ключові слова

#синтез мовлення #підтримка слабкого зору #алгоритм розпізнавання #обробка природної мови #нейронна мережа #розуміння природної мови #веб-інтеграція #CMS Wordpress

Посилання

  1. Rabiner, L. B.H. Juang. Fundamentals of Speech Recognition, San Carlos, USA: Prentice-Hall International, Inc,1993.
  2. Hinton Geoffrey, Deng Li, Yu Dong, Dahl George, Mohamed Abdel-rahman, Jaitly Navdeep, Senior Andrew, Vanhoucke Vincent, Nguyen Patrick, Sainath Tara, Kingsbury Brian, "Deep Neural Networks for Acoustic Modeling in Speech Recognition: The Shared Views of Four Research Groups." IEEE Signal Processing Magazine, vol. 29, no. 6, pp. 82–97, Nov. 2012. DOI: https://doi.org/10.1109/MSP.2012.2205597
  3. Jaitly, Q. V. Le, O. Vinyals, Attend and Spell, 2015 [Electronic source] Resource access mode: https://arxiv.org/pdf/1508.01211.pdf
  4. Prabhavalkar, R., Rao, K., Sainath, T.N., Li, B., Johnson, L., Jaitly, N. (2017) A Comparison of Sequence-to-Sequence Models for Speech Recognition. Proc. Interspeech 2017, 939-943, DOI: https://doi.org/10.21437/Interspeech.2017-233
  5. R. Prabhavalkar, T. N. Sainath, Y. Wu, P. Nguyen, Z. Chen, C. Chiu, A. Kannan, Minimum word error rate training for attention-based sequence-to-sequence models, 2017. URL: https://arxiv.org/pdf/1712.01818.pdf
  6. C. Chelba, Large Scale Language Modeling in Automatic Speech Recognition URL: https://cloud.Google.com/dialogflow/docs/quick/setup
  7. developers.Google.com, Create a Project and Dialogflow Agent URL: https://developers.Google.com/assistant/actions/dialogflow/project-agent
  8. cloud.Google.com , Dialogflow Documentation URL: https://cloud.Google.com/dialogflow/docs .
  9. cloud.Google.com, Quickstart: Build an agent URL: https://cloud.Google.com/dialogflow/docs/quick/build-agent
  10. Statcounter Global Stats 2020 URL: https://gs.statcounter.com/
  11. Marr, Bernard. How Artificial Intelligence IS Making Chatbots Better For Business. URL: https://www.forbes.com/sites/bernardmarr/2018/05/18/how-artificialintelligence-ismaking-chatbots-better-for-businesses/#69638bae4e72
  12. M. T. Mutiwokuziva, M. W. Chanda, P. Kadebu, A. Mukwazvure, and T. T. Gotora, “A neural-network based chat bot”, in 2017 2nd International Conference on Communication and Electronics Systems (ICCES), Coimbatore, 2017, pp. 212–217. DOI: https://doi.org/10.1109/CESYS.2017.8321268
§ 06 — Пов'язані

Схожі статті в цьому журналі

Пов'язані рецензовані дослідження, опубліковані в цьому журналі.
Усі випуски

Практичний метод оцінювання безпечних звуків для осіб із ПТСР

Анастасія Володимирівна Паренюк, PhD Дмитро Володимирович Паренюк, PhD, дослідник Катерина Л. Руденька

Мета. Дослідження має на меті вивчити зручність використання та ефективність методу оцінювання безпеки акустичного середовища щодо потенційно небезпечних стимулів для…

#ПТСР #акустика навколишнього середовища #MFCC #спектральна густина потужності
с. 359648.1-359648.12
10.20535/2523-4455.mea.359648

Експериментальне дослідження частотних характеристик MEMS-мікрофонів для моніторингу залізничного шуму

Віталій Р. Прус, канд. техн. наук, доц. Олексій Вікторович Богданов

Анотація – У статті представлені результати експериментального дослідження акустичних характеристик модульних MEMS-мікрофонів INMP441 та SPH0645 з метою їх застосування…

#акустичний моніторинг #MEMS-мікрофон #амплітудно-частотна характеристика #діаграма спрямованості
с. 359669.1-359669.6
10.20535/2523-4455.mea.359669

Двостороння система попередження учасників дорожнього руху на базі мікроконтролера ESP32

Ірина Брика, Наталія Юріївна Філіпова

У цій роботі розглядається завдання підвищення безпеки дорожнього руху шляхом розробки двонаправленої системи попередження учасників дорожнього руху. Запропонована…

#безпека дорожнього руху #двостороннє оповіщення #сенсорне злиття #імітаційне моделювання
с. 354779.1-354779.10
10.20535/2523-4455.mea.354779

Схожі статті

1-10 з 42

Ви також можете розпочати розширений пошук схожих статей для цієї статті.