PROSPECÇÃO TECNOLÓGICA DE RECONHECIMENTO DE VOZ COM FOCO EM CIÊNCIA DA COMPUTAÇÃO

Transcrição

1 PROSPECÇÃO TECNOLÓGICA DE RECONHECIMENTO DE VOZ COM FOCO EM CIÊNCIA DA COMPUTAÇÃO PROSPECTION TECHNOLOGICAL FOR SPEECH RECOGNITION WITH FOCUS IN COMPUTER SCIENCE Nayara Rosy Felix da Silva 1 ; Maria Augusta Silveira Netto Nunes 2 1 Universidade Federal de Sergipe UFS São Cristóvão/SE Brasil nayararosy.fs@gmail.com 2 Universidade Federal de Sergipe UFS São Cristóvão/SE Brasil gutanunes@gmail.com Resumo O reconhecimento automático de voz consiste em um processo que converte o sinal de voz (analógico) em sua representação textual. Com o avanço da tecnologia foram acrescentadas novas técnicas para a construção dos sistemas de reconhecimento de fala, evoluindo de um sistema de reconhecimento de palavras isoladas para fala contínua. Este trabalho teve como objetivo apresentar um mapeamento dos produtos já desenvolvidos, analisando as potencialidades e a evolução das competências tecnológicas traduzidas através dos depósitos de patentes no que se refere à construção de sistemas reconhecedores de voz. A prospecção foi realizada nos principais bancos de patentes no mundo e no Brasil, foi pesquisado no Banco Europeu de Patentes (Espacenet), no Banco da Organização Mundial de Propriedade Intelectual, no Banco Americano de Marcas e Patentes e no Banco de dados do Instituto Nacional de Propriedade Industrial do Brasil(INPI). Palavras-chave: prospecção; reconhecimento; fala. Abstract The automatic speech recognition is a process that converts the voice signal (analogical) in its textual representation. With the advancement of technology were added new techniques for the construction of systems of speech recognition, evolving a system of recognition of isolated words to continuous speech. This work aims to present a mapping of products already developed, analyzing the potential and the evolution of technological skills translated through patent filings in relation to the construction of systems recognizers voice. The prospecting was conducted in major patent databases worldwide and in Brazil, was investigated in Bank European Patent Office (Espacenet), the Bank of the World Intellectual Property Organization, the Bank of America Patent and Trademark Office and the database of Banco de dados do Instituto Nacional de Propriedade Industrial do Brasil(INPI) Key-words: prospection; recognition, speech. Anais SIMTEC ISSN: Aracaju/SE 25 a 27/9/ 213. Vol. 1/n. 1/ p

2 1. Introdução A voz é uma interface humana para interação humano-computador, que auxilia o usuário a interagir e receber informações. O sistema de reconhecimento de voz é um campo bem desenvolvido com relação à comunidade internacional, contendo vasta variedade de softwares acadêmicos ou industriais (TEVAH, 26). O reconhecimento de voz acontece quando transforma um som produzido pelo ser humano em um texto pelo computador, quando o inverso acontece é chamado de síntese. O reconhecimento acontece através de um seguimento de etapas como: realização de um recorte ou detecção dos extremos, onde determina o que é ruído na transformação e o que é uma informação útil, continuando com a extração de característica e o reconhecimento (FRANCISCO, 1999) Existem diversas abordagens e algoritmos para reconhecimento de voz como, por exemplo, Redes Neurais Artificiais (HAYKIN, 21) e Modelos Ocultos de Markov (HMM) (YNOGUTI, 1999). HMM é muito utilizado, pois permite a adaptação aos fenômenos envolvidos no processo de fala e é capaz de assimilar uma variedade de parâmetros e informações (YNOGUTI, 1999). A prospecção tecnológica tem contribuído significativamente na geração de políticas de longo prazo, de estratégias e de planos, e na fundamentação nos processos de tomada de decisão referentes à pesquisa, ao desenvolvimento e à inovação (P&D&I) (SERAFINI et al, 21). Ela também pode ser definida como um meio sistemático de mapear desenvolvimentos científicos e tecnológicos futuros capazes de influenciar de forma significativa uma indústria, a economia ou a sociedade como um todo (MAYERHOFF et al, 28). E foi definida por (RUSSO et al 212) como: Para compreender melhor como a tecnologia a ser avaliada se insere na sociedade, realiza-se uma Prospecção Tecnológica, pela qual são levantadas todas as tecnologias existentes, visando identificar o estágio de maturidade da tecnologia mapeada, aspectos onde ela já tem outras tecnologias concorrentes, e lacunas a serem preenchidas onde é possível que a tecnologia ou suas variações sejam competitivas (RUSSO et al 212). A prospecção tem como foco o conjunto de fatores e atores envolvidos no processo, respondendo a perguntas como: Quais patentes foram disponibilizadas com relação a este estudo? Quais países desenvolvem mais sobre tal tema? Sob a forma de patentes, o conhecimento pode contribuir mais efetivamente para o PIB e o IDH, especialmente nos casos em que P&D&I são financiados com recursos públicos de um país, permitindo que os resultados revertam para esse mesmo país durante os anos iniciais (Quintella et al., 29). Anais SIMTEC ISSN: Aracaju/SE 25 a 27/9/ 213. Vol. 1/n. 1/ p

3 Com isso, Prospecção Tecnológica também pode ser definida como qualquer exploração do que deve acontecer e do que nós devemos querer que venha a acontecer ou como o estudo do futuro para o desenvolvimento de uma atitude estratégica para a criação de um futuro desejável (SERAFINI, et al, 21). O trabalho em questão tem como objetivos realizar uma prospecção tecnológica para que seja possível analisar a viabilidade da aplicação, identificar as aplicações já existentes e analisar a evolução das competências tecnológicas através das patentes depositadas referidas ao Reconhecimento Automático de Voz. 2. Metodologia A prospecção foi realizada tendo como base os pedidos de patente depositados no European Patent Office (Espacenet) 1, na World Intellectual Property Organization (WIPO) 2, no United States Patent and Trademark Office (USPTO) 3 e no Banco de dados do Instituto Nacional de Propriedade Industrial (INPI) do Brasil 4. Os conjuntos de palavras-chave levados em consideração foram o Reconhecimento Automático da Fala (Automatic Speech Recognition), e mais duas palavras-chave foram consideradas, a primeira com adição de Markov (Automatic Speech Recognition and Markov), e a segunda com adição de agentes (Automatic Speech Recognition and Agents). Todas essas palavras foram consideradas em todas as bases estudadas. A prospecção se dividiu em etapas: A primeira consiste em pesquisar as palavras-chave nos campos de pesquisa título e resumo e utilizando o campo Classificação Internacional de Patentes (CIP) com o código G1L15, que se refere à avaliação de sistemas de reconhecimento de fala, extração de características dos sistemas de reconhecimento de fala e segmentação de palavras. A segunda faz um levantamento dos dados encontrados, com relação ao país do inventor, com relação ao ano de publicação e em quais CIP são classificados. Os dados foram catalogados e tratados elaborando-se tabelas e gráficos. O levantamento de dados foi realizado no mês de maio de Resultados e discussão Inicialmente foi realizada a pesquisa em todos os bancos de patentes. Com início no Espacenet (EP), base de dados de patente européia, com as opções de palavras-chave apresentadas. 1 - Espacenet : WIPO: USPTO: INPI : Anais SIMTEC ISSN: Aracaju/SE 25 a 27/9/ 213. Vol. 1/n. 1/ p

4 Neste banco de pesquisa o maior número de pedidos foi constatado com o conjunto de palavras Automatic Speech Recognition em todos os campos e teve seu destaque no campo título ou resumo, onde foram verificados aproximadamente 1413 documentos, como mostrado na Tabela 1. Tabela 1. Prospecção tecnológica por palavras-chave no EP. Palavras-Chave Título Título ou Resumo Título ou Resumo ICP = G1L15 Automatic Speech Recognition Automatic Speech Recognition and Markov Automatic Speech Recognition and Agents Fonte: Autoria Própria 213 Em seguida, a pesquisa foi realizada no banco mundial de patentes, World Intellectual Property Organization (WIPO), apresentada na Tabela 2. O maior número de documentos continua sendo quando são utilizadas as palavras-chave Automatic Speech Recognition no campo título ou resumo. Tabela 2. Prospecção tecnológica por palavras-chave na WIPO Palavras-Chave Título Título ou Resumo Título ou Resumo ICP = G1L15 Automatic Speech Recognition Automatic Speech Recognition and Markov Automatic Speech Recognition and Agents Fonte: Autoria Própria 213 Utilizando-se a Base Americana de Patentes (USPTU), encontramos 1 documentos com o conjunto de palavras Automatic Speech Recognition e Automatic Speech Recognition no campo resumo, destas, 9 são da classificação A61K (Tabela 3). Em relação ao país de origem 5 são da Índia, 3 de Azerbaijão, 1 França e 1 da Alemanha (dados não mostrados). Tabela 3. Prospecção tecnológica por palavras-chave na USPTU Fonte: Autoria Própria 213 Palavras-Chave Título Título ou Resumo Automatic Speech Recognition Automatic Speech 2 6 Recognition and Markov Automatic Speech Recognition and Agents 3 Utilizando-se a Base Nacional (Tabela 4), encontramos 78 documentos digitando Reconhecimento de voz no campo resumo, destes 37 tem como país prioridade os Estados Unidos. Na pesquisa por Reconhecimento de voz no campo resumo e G1L no campo Classificação foram encontrados 3 patentes registradas. Anais SIMTEC ISSN: Aracaju/SE 25 a 27/9/ 213. Vol. 1/n. 1/ p

5 Tabela 4. Prospecção tecnológica por palavras-chave no INPI Palavras-Chave Título Resumo Resumo ICP = G1L15 Reconhecimento de Voz Reconhecimento de Voz e Markov Reconhecimento de Voz e Agentes Fonte: Autoria Própria Com base nas informações acima, foi observado que as bases de patentes Espacenet e World Intellectual Property Organization (WIPO) foram as que mais tiveram patentes registradas com relação às palavras-chave Automatic Speech Recognition no campo título ou resumo. Dessa forma, a seguir será feita uma análise interna das patentes registradas nessas duas bases Análise Espacenet Foi realizada uma análise desses documentos no Espacenet, relacionados às palavras-chave Automatic Speech Recognition no campo título ou resumo. A primeira análise é apresentada na Figura 1, onde apresenta os países que mais depositaram no EP. Figura 1. Distribuição de país de origem dos depositantes com a palavra-chave Automatic Speech Recognition encontrados na base EP. Depósitos por País de Origem Depósitos por País de Origem US DE CN GB KR JP FR TW CH IN BE BR TR RS Fonte: Autoria Própria Distribuição por país de origem dos depositantes encontrados com a palavra-chave Automatic Speech Recognition no banco de dados Espacenet (EP)pelos campos título e resumo. US= Estados Unidos, DE = Alemanha; CN=China;GB=Reino Unido; KR= Coréia; JP=Japão; FR= França; TW=Taiwan;CH=Suiça; IN=Índia;BE= Bélgica; BR = Brasil; TR = Turquia; RS = Sérvia; Pela análise dos dados foi observado que os Estados Unidos (USA) foi o país que mais depositou no banco de patentes, tendo 675 patentes, seguido pela Alemanha que teve 154 patentes. Anais SIMTEC ISSN: Aracaju/SE 25 a 27/9/ 213. Vol. 1/n. 1/ p

6 Brasil teve apenas uma patente intitulada como Method for Automatic Speaker Recognition. É necessário observar que nesta análise foram considerados os países de origem dos depositantes, e não o país de depósito. Em relação ao ano de depósito, ainda no mesmo banco de pesquisa, observa-se na Figura 2 que o ano de 22 foi quando mais foram depositadas patentes no EP. Em 22 foram depositados 14 patentes, seguido pelo ano de 25 que registrou 94 patentes. O ano de 213 até o dia 22 de maio foram depositadas 33 patentes Figura 2. Distribuição por ano de publicação com a palavra-chave Automatic Speech Recognition na base EP Depósitos por Ano de Publicação Depósitos por Ano de Publicação Fonte: Autoria Própria Distribuição por ano dos depósitos encontrados com a palavra-chave Automatic Speech Recognition no banco de dados Espacenet (título e resumo) A terceira análise é com relação à Classificação Internacional de Patentes, onde é possível observar pela Figura 3 que os depósitos, na sua maioria, referem-se à seção G (Física), seguida das divisões G1: instrumentos musicais e segue com G1L (análise ou síntese da fala; reconhecimento da fala; processamento de fala ou voz; codificação ou decodificação de fala ou áudio). A quantidade de patentes encontradas com CIP G1L foi 118. Seguida pelo CIP G6F (Processamento Elétrico De Dados Digitais (computadores em que parte da computação é efetuada hidráulica ou pneumaticamente ou oticamente e sistemas de computadores baseados em modelos computacionais específicos)) que teve 321 patentes registradas. Figura 3. Distribuição dos depósitos por Classificação Internacional de Patentes com as palavras-chave Automatic Speech Recognition na base EP. Anais SIMTEC ISSN: Aracaju/SE 25 a 27/9/ 213. Vol. 1/n. 1/ p

7 Depósitos por CIP Depósitos por CIP G1L G6F H4L G7F G8G H4Q A47G E5B H4M G9B H4R G1C B6R Fonte: Autoria Própria Distribuição por CIP dos depósitos encontrados com a palavra-chave Automatic Speech Recognition no banco de dados Espacenet (título e resumo). G1l= Reconhecimento da Fala; G6F= Processamento Elétricos de dados digitais. H4L = Transmissão de informação digital. G7F= Aparelhos liberados por moedas ou papéis de valor similar. G8G = Sistema de Controle de Tráfego. G9B = Aparelhos Educativos ou de demonstração. H4Q = Redes de comunicação sem fio H4M = Comunicação Telefônica H4R = Auto-falantes, microfones. G1C = Medição de distâncias, níveis de rumos. B6R = Veículos e acessórios para veículos; E5B = Fechaduras e acessórios para fechaduras. Constatando-se que a prospecção mostrou um grande número de documentos na Subseção G1L e principalmente na Subclasse G1L, procedeu-se a pesquisa focando nesta subclasse. Ainda no mesmo Banco Europeu (Espacenet), utilizando a palavra-chave Automatic Speech Recognition no campo título ou resumo e CIP G1L, obteve-se os resultados mostrados nas Figuras 4 e 5. Na Figura 4, observa-se que o país de origem que mais gerou depósito nessa classificação continua com os Estados Unidos (USA) com 572 patentes, seguidos pela Alemanha (DE), com 133, e pelo Reino Unido (GB), com 42. A patente que tem como país de origem o Brasil também contém este CIP. Figura 4. Distribuição de país de origem dos depositantes por palavra-chave Automatic Speech Recognition e Classificação G1L. Anais SIMTEC ISSN: Aracaju/SE 25 a 27/9/ 213. Vol. 1/n. 1/ p

8 Depósitos G1L por País de Origem Depósitos G1L por País de Origem US DE CN GB KR JP FR TW CH IN BE BR TR RS Fonte: Autoria Própria Distribuição por país de origem dos depositantes encontrados com a palavrachave Automatic Speech Recognition no banco dedados Espacenet (título e resumo) e classificação G1L. US= Estados Unidos, DE = Alemanha; CN=China;GB=Reino Unido; KR= Coréia; JP=Japão; FR= França; TW=Taiwan;CH=Suiça; IN=Índia;BE= Bélgica; BR = Brasil; TR = Turquia; RS = Sérvia; Na Figura 5 apresenta os dados encontrados com relação ao ano de depósito na Subclasse G1L com a palavra-chave: Automatic Speech Recognition. O maior número de documentos foi verificado no ano de 22, com 83 patentes registradas. Em seguida o ano de 25 teve 77 patentes e 27 com 71 patentes registradas com esse CIP. Figura 5. Distribuição por ano de publicação por palavra chave Automatic Speech Recognition eclassificação Internacional G1L Depósitos G1L por Ano de Publicação Depósitos G1L por Ano de Publicação Distribuição por ano dos depósitos encontrados com a palavra-chave Automatic Speech Recognitionno banco de dadosespacenet (título e resumo) e classificação internacional G1L. Anais SIMTEC ISSN: Aracaju/SE 25 a 27/9/ 213. Vol. 1/n. 1/ p

9 3.2. Análise USPTO A partir da análise feita no USPTO os países que mais depositam são os Estados Unidos, com 7 depósitos de Patentes, seguido pelo depósito de Patentes Européia, com 22 patentes e em seguida com o Japão que contém 169 patentes, toda esta análise pode ser observada na Figura 6. Figura 6. Distribuição de país de origem dos depositantes por palavra-chave Automatic Speech Recognition na base WIPO Depósito por País Depósito por País 1 75 US KR JP EP WO Fonte: Autoria Própria.213. Distribuição por país de origem dos depositantes encontrados com a palavra-chave moringa no banco da WIPO (resumo) Em relação ao ano de publicação, os maiores números de documentos são encontrados nos anos 22 (124), 28(11), 26(95) e 25(95), conforme Figura 7. WIPO. Figura 7. Distribuição por ano de publicação por palavra chave Automatic Speech Recognition na base Anais SIMTEC ISSN: Aracaju/SE 25 a 27/9/ 213. Vol. 1/n. 1/ p

10 Depósitos por Ano de Publicação Depósitos por Ano de Publicação Fonte: Autoria Própria.213. Distribuição por ano dos depósitos encontrados com a palavra-chave Automatic Speech Recognition no banco de dados dawipo (campo resumo) Continuando a análise com relação à Classificação Internacional de Patentes, novamente constata-se pela Figura 8 que os depósitos, na sua maioria, referem-se à seção G (Física), seguida das divisões G1: instrumentos musicais e segue com G1L (análise ou síntese da fala; reconhecimento da fala; processamento de fala ou voz; codificação ou decodificação de fala ou áudio). A quantidade de patentes encontradas com CIP G1L foi 118. Seguida pelo CIP G6F (Processamento Elétrico De Dados Digitais (computadores em que parte da computação é efetuada hidráulica ou pneumaticamente ou oticamente e sistemas de computadores baseados em modelos computacionais específicos)) que teve 289 patentes registradas. Figura 8. Distribuição dos depósitos por Classificação Internacional de Patentes por palavra-chave Automatic Speech Recognition. Anais SIMTEC ISSN: Aracaju/SE 25 a 27/9/ 213. Vol. 1/n. 1/ p

11 12 Depósitos por CIP G1L G6F H4L G7F G8G H4Q H4M G9B H4R G1C B6R Depósitos por CIP Fonte: Autoria Própria Distribuição por CIP dos depósitos encontrados com a palavra-chave Automatic Speech Recognition no banco de dados WIPO (título e resumo). G1l= Reconhecimento da Fala; G6F= Processamento Elétrico dados digitais. H4L = Transmissão de informação digital. G7F= Aparelhos liberados por moedas ou papéis de valor similar. G8G = Sistema de Controle de Tráfego. G9B = Aparelhos Educativos ou de demonstração. H4Q = Redes de comunicação sem fio H4M = Comunicação Telefônica H4R = Auto-falantes, microfones. G1C = Medição de distâncias, níveis de rumos. B6R = Veículos e acessórios para veículos; E5B = Fechaduras e acessórios para fechaduras. Dessa forma, pesquisando-se as palavras Automatic Speech Recognition no campo resumo e na mesma base (WIPO), com a Classificação G1L, é possível observar que os países de depósito nesse contexto foram Estados Unidos (577), seguido do banco de patentes da Europa(167), esta análise é apresentada na Figura 9. Figura 9. Distribuição de país de origem dos depositantes por palavra-chave Automatic Speech Recognition e Classificação A61K 7 Depósitos G1L por País de Origem Depósitos G1L por País de Origem US KR JP EP WO Anais SIMTEC ISSN: Aracaju/SE 25 a 27/9/ 213. Vol. 1/n. 1/ p

12 Fonte: Autoria Própria.213. Distribuição por país de origem dos depositantes encontrados com a palavra-chave moringa no banco da WIPO (resumo) Já em relação ao ano de depósito, na análise apresentada na Figura 1 foram encontrados um maior número de documentos nos anos de 22, com 12 patentes registradas, e 25, com 77 patentes Figura 1. Distribuição por ano de publicação por palavra chave moringa e Classificação Internacional G1L. Depósitos G1L por Ano de Publicação Depósitos G1L por Ano de Publicação Fonte: Autoria Própria.213.Distribuição por ano dos depósitos encontrados com a palavra-chave Automatic Speech Recognition no banco de dados WIPO (título e resumo) e classificação internacional G1L 4. Conclusão A partir da análise feita neste artigo conclui-se que entre as bases depositantes pesquisadas a que mais apresentou documentos foi o Espacenet, onde foram encontradas patentes registradas em todos os campos através das palavras-chave apresentadas. A segunda base ficou com WIPO, apesar de apresentar a palavra-chave Automatic Speech Recognition no campo resumo com maior quantidade de patentes registradas que o Espacenet, porém teve campos que não foram encontradas patentes. Em seguida está a base USPTU, onde foram encontrados somente patentes com palavraschave Automatic Speech Recognition. E por último, o Banco Nacional de Patentes (INPI) que apresentou o menor número de patentes e somente com palavras chave Automatic Speech Recognition. A classificação internacional mais abundante nessa prospecção foi a Subseção G1 (que trata de instrumentos musicais) e principalmente na Subclasse G1L (análise ou síntese da fala), seguido de G6F que trata respectivamente do processamento elétrico de dados digitais. Anais SIMTEC ISSN: Aracaju/SE 25 a 27/9/ 213. Vol. 1/n. 1/ p

13 Dentre os países que mais depositam pedidos de patente estão Estados Unidos, Alemanha, França, China e Índia. Fato que corrobora com a informação de que grandes empresas sediadas em países industrializados, como Alemanha, França e Estados Unidos, vêm aplicando competências científicas e tecnológicas no desenvolvimento de aplicações nessa área. A partir dos dados estatísticos, o reconhecimento automático da fala torna-se uma área promissora, com crescimento relevante e necessário. É importante para o Brasil aumentar o mercado nos trabalhos em reconhecimento de voz em empresas brasileiras. 5. Referências Mayerhoff, Z.D.V.L. Uma Análise Sobre os Estudos de Prospecção Tecnológica. In: Cadernos de Prospecção, Ano 1, número 1, 28. Jailton Alkimin Louzada. Reconhecimento automático de fala por computador. Pontifícia Universidade Católica De Goiás. TCC 21. Francisco, Marcos Salazar. Sistema de Reconhecimento de Palavras Isoladas em Tempo Real p. TCC Departamento de Eletrônica, Universidade Federal do Rio de Janeiro Haykin, Simon S. Redes neurais: Princípios e Prática. 2º. Bookman, 21. Oliveira, Rafael; Batista, Pedro; Neto, Nelson; Klautau, Aldebaro; Recursos para Desenvolvimento de Aplicativos com Suporte a Reconhecimento de Voz para Desktop e Sistemas Embarcados. 12º Fórum Internacional de Software Livre julho 212 Quintela, C.M., C.M., Teixeira, L.S.G., Korn M.G.A., Neto, P.R.C., Torres, E.A., Castro, M., Jesus, C.A.C., 29. Cadeia do Biodiesel da Bancada à Indústria: uma visão geral com prospecção de tarefas e oportunidades para P&D&I. Quimica Nova, Ed. Especial, abril 29. Russo, Suzana Leitão; Silva, Gabriel Francisco; Nunes, Maria Augusta Silveira Netto. Capacitação em inovação tecnológica para empresários / organizadores. São Cristóvão: Editora UFS, 212. Serafini, Mairim Russo; Russo, Suzana Leitão; Paixão, Ana Eleonora, Silva, Gabriel Francisco. Prospecção tecnológica da moringa oleifera com foco nas ciências da saúde. 21. Universidade Federal de Sergipe. Tevah, Rafael Teruszkin. Implementação De Um Sistema De Reconhecimento De Fala Contínua Com Amplo Vocabulário Para O Português Brasileiro p. Tese (Mestrado em Engenharia Elétrica). Programas De Pós-Graduação De Engenharia, Universidade Federal Do Rio De Janeiro, Rio de Janeiro. 26. Anais SIMTEC ISSN: Aracaju/SE 25 a 27/9/ 213. Vol. 1/n. 1/ p

14 Ynoguti, Carlos Alberto. Reconhecimento de fala continua usando modelos ocultos de Markov p. Tese (Doutorado em Engenharia Elétrica) Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação. Campinas, SP Anais SIMTEC ISSN: Aracaju/SE 25 a 27/9/ 213. Vol. 1/n. 1/ p