© 2005, it - instituto de telecomunicações. todos os direitos reservados. sara candeias fernando...

© 2005, it - instituto de telecomunicações. Todos os direitos reservados.

Sara CandeiasFernando Perdigão

CONVERSOR DE GRAFEMAS PARA FONES BASEADO EM REGRAS

PARA PORTUGUÊS

10 Anos de Linguateca (PROPOR 2008)Aveiro, 11 de Setembro de 2008

2

PROPOR 2008

10 Anos de Linguateca – 2008.Setembro.11

Sumário

Sistema de conversão Gr2Ph

: Desenvolvimento

: Teste

: Avaliação

Sugestões / Desafios

3

PROPOR 2008


Objectivo FinalObjectivo Final

Sistema de conversão Gr2Ph

: conversão de unidades acentuais em

fones de forma a definir a sequência

de modelos acústicos para um

sistema de reconhecimento

automático de fala

4

PROPOR 2008


Sumário

Sistema de Conversão Gr2Ph

: Desenvolvimento

: Teste

: Avaliação

5

PROPOR 2008


Sistema de Conversão Gr2PhSistema de Conversão Gr2Ph

: Desenvolvimento

Sistemas Intermédios

• Segmentação silábica

• Marcação de sílaba tónica

6

PROPOR 2008



: Desenvolvimento

Recurso: Linguateca / UMinho (Projecto NATURA)

: Lista de 680 000 unidades acentuais (spelling)– papel fundamental no desenvolvimento dos

algoritmos de processamento de linguagem natural

: Análise e verificação de regras– Sequência VC’s– Divisão silábica– Marcação de sílaba tónica

7

PROPOR 2008



: Desenvolvimento

. Recurso (Linguateca / UMinho)Projecto NATURA

Sistemas Intermédios• Segmentação silábica

18 padrões de sequências de grafemas a formar sílaba em português

8

PROPOR 2008



: Desenvolvimento


18 padrões de sequências de grafemas a formar sílaba em português


1 sequência de 1 segmento3 sequência de 2 segmentos5 sequência de 3 segmentos6 sequência de 4 segmentos3 sequência de 5 segmentos

9

PROPOR 2008



: Desenvolvimento



1 sequência de 1 segmento3 sequência de 2 segmentos5 sequência de 3 segmentos6 sequência de 4 segmentos3 sequência de 5 segmentos

VVV, CV, VCCVV, VCC, CVC, CCV, VVCCVVC, CVCC, VCVC, CCVV, CCVC, CCCVCCVVC, CCVCC, CVCCC

10

PROPOR 2008



: Desenvolvimento



VVV, CV, VCCVV, VCC, CVC, CCV, VVCCVVC, CVCC, VCVC, CCVV, CCVC, CCCVCCVVC, CCVCC, CVCCC

á.guaeu, ca.sa,…pai, abs.trair,…mães, subs.crever,…grãos, trans.crever,…

11

PROPOR 2008



DIFICULDADES

ENCONTRADAS

Análise e verificação

de regras

: Desenvolvimento

12

PROPOR 2008



anotação fonética

• SAMPA ?

• recurso a extensões ?

• [anEl] ou [anEl~] ?

• [dadu] ou [daDu] ?

• anotação dos ditongos crescentes?

• [suav@] ou [swav@] ?

• [awrius] ou [awrjus] ?

DIFICULDADES

ENCONTRADAS

: Desenvolvimento

13

PROPOR 2008


Sumário


: Desenvolvimento

: Teste

: Avaliação

VALIDAÇÃO DO SISTEMA

14

PROPOR 2008



: Teste

: Avaliação

VALIDAÇÃO DO SISTEMA

PROBLEMAS ENCONTRADOS

15

PROPOR 2008



: Corpus do SpeechDat (15 209 unidades acentuais)

: Problemas:. “e.”+ «palatal» [L] | [J] → [6] - [e]

– [@Sp6Lu] – [@SpeLu] ; [f@R6Ju] - [f@ReJu]

. “ex+ V” → [i] – [e]– [ize~plu] - [eze~plu]; [izib@] – [ezib@]

. [E] – [e] em sílaba tónica – + [r]: [muLEr], [n6Sser]

. [O] – [o] em sílaba tónica – + [j]: [bOjn6], [k6lojru]

. Siglas

. Prefixos e sufixos (múltipla acentuação)

: Cerca de 66% de concordância

Teste e Avaliação

16

PROPOR 2008


Sumário


Sugestões / Desafios

17

PROPOR 2008


Sugestões / DesafiosSugestões / Desafios

Dicionário fonético de domínio público Aplicação Gr2Ph on-line

: Criação de directivas para a anotação fonética e avaliação

CRIAÇÃO DE RECURSOS E DE FERRAMENTAS

LIGADOS À FONÉTICA DO PORTUGUÊS

AINDA NÃO DISPONÍVEIS

© 2005, it - instituto de telecomunicações. todos os direitos reservados. sara candeias fernando...

Documents