USO DE RECONHECIMENTO AUTOMÁTICO DE VOZ EM PORTUGUÊS DO BRASIL NA GERAÇÃO DE CLOSED CAPTION

Tamanho: px

Começar a partir da página:

Download "USO DE RECONHECIMENTO AUTOMÁTICO DE VOZ EM PORTUGUÊS DO BRASIL NA GERAÇÃO DE CLOSED CAPTION"

Gabriel de Oliveira de Barros
8 Há anos
Visualizações:

1 USO DE RECONHECIMENTO AUTOMÁTICO DE VOZ EM PORTUGUÊS DO BRASIL NA GERAÇÃO DE CLOSED CAPTION Luiz Fausto (Rede Globo) Edilberto Strauss (UFRJ) Flávio Mello (UFRJ)

2 Agenda Closed Caption e Acessibilidade Legislação Estenotipia Reconhecimento Automático de Voz Uso ao Redor do Mundo Situação Brasileira Considerações Finais

3 CLOSED CAPTION E ACESSIBILIDADE

5 Deficientes auditivos: quase 10 milhões

6 Outras Situações de Interesse Quando o som da TV não pode ser utilizado: Ambientes Barulhentos (ex: academia, restaurante) Hospitais Para assistir TV à noite sem acordar ninguém Para aprendizagem da língua

7 LEGISLAÇÃO

estabelecido: Junho / 2012 12 horas / dia Abril / 2014 16

8 Norma Complementar Nº 001/2006 Uso obrigatório de Legenda Oculta (Closed Caption) pelas emissoras, conforme cronograma estabelecido: Junho / horas / dia Abril / horas / dia Abril / horas / dia Junho / horas / dia

9 NBR 15290:2005 Diretrizes para a legenda oculta Acertos: no sistema CC ao vivo, o texto das legendas deve ter no mi nimo 98% de acerto; no sistema CC pre -gravada, o texto das legendas deve ter 100% de acerto. Sincronia: no sistema CC ao vivo pode ser tolerado um atraso ma ximo de quatro segundos; no sistema CC pre -gravada a legenda deve acompanhar o tempo exato do quadro ou cena.

10 Erros de Closed Caption

11 Fala Espontânea ao Vivo

12 ESTENOTIPIA

13 Estenotipia Digitação em tempo real utilizando símbolos fonéticos em teclado especial (estenótipo) Os símbolos são convertidos em palavras de acordo com um dicionário Mão-de-obra escassa e cara, treinamento demorado Erros: digitação, palavras fora do dicionário

14 RECONHECIMENTO AUTOMÁTICO DE VOZ

15 Erros: Limitações dos algoritmos, escassez de bases de dados para treinamento, diferenças entre dados de treinamento e aplicação

16 USO AO REDOR DO MUNDO

17 RAV para Closed Caption Relocução: Sistema adaptado a uma voz, sem precisar considerar a variabilidade fonética entre pessoas Melhor relação sinal/ruído Correção da disfluência oral Custo operacional mais baixo que estenotipia

País Sistema de RAV Modelo Acústico Dicionário / Modelo de Linguagem Correção Manual Acurácia Latência NHK Adaptado para apresentador ou relocutor. - Sim. Tempo real com até 4 operadores.

18 País Sistema de RAV Modelo Acústico Dicionário / Modelo de Linguagem Correção Manual Acurácia Latência NHK Adaptado para apresentador ou relocutor. - Sim. Tempo real com até 4 operadores. 95% (sem correção) a 100% (com 4 operadores de correção) 2s (sem correção ou relocução) AUDIMUS.media Independente de locutor. Atualização diária automática. - 85% - IBM ViaVoice Adaptado para relocutor. Segmentado por assunto a 98% - CRIM Univ. Maribor Adaptado para relocutor. Atualização semiautomática. Independente de locutor. Treinado com áudio parcialmente Segmentado por assunto. Atualização semiautomática. Sim. Tempo real e pósprodução. 89 a 93% (sem correção em tempo real) 2s (sistema de RAV) + 1s (relocução) + correção % -

19 SITUAÇÃO BRASILEIRA

20 IBM ViaVoice Sistema não otimizado para a aplicação na geração de legenda oculta Produto descontinuado há quase 10 anos, sem substituto comercial para o Português do Brasil Ausência de suporte corretivo e evolutivo Potenciais problemas para manter o sistema funcionando a longo prazo A quantidade de licenças existentes é limitada

21 Evolução Houveram avanços significativos na tecnologia de reconhecimento de voz nos últimos 10 anos (embora não no Brasil) Podemos dispor de mais capacidade computacional do que normalmente se supõe disponível para os aplicativos de reconhecimento de voz local, viabilizando a utilização de algoritmos mais complexos

22 Software Livre CMUSphinx iatros SRILM F a l a B r a s i l

23 A pretty woman is walking down the street. Uma linda mulher está andando pela rua. Uma linda mulher está pela rua andando. Uma linda mulher pela rua andando está. Uma linda mulher pela rua está andando. Uma linda mulher andando está pela rua. Uma linda mulher andando pela rua está. Uma mulher linda está andando pela rua. Uma mulher linda está pela rua andando. Uma mulher linda pela rua andando está. Uma mulher linda pela rua está andando. Uma mulher linda andando está pela rua. Uma mulher linda andando pela rua está. Andando pela rua está uma linda mulher. Andando pela rua está uma mulher linda. Andando pela rua uma linda mulher está. Andando pela rua uma mulher linda está. Andando está pela rua uma linda mulher. Andando está pela rua uma mulher linda. Andando está uma linda mulher pela rua. Andando está uma mulher linda pela rua. Andando uma linda mulher pela rua está. Andando uma linda mulher está pela rua. Andando uma mulher linda pela rua está. Andando uma mulher linda está pela rua. Está andando pela rua uma linda mulher. Está andando pela rua uma mulher linda. Está andando uma linda mulher pela rua. Está andando uma mulher linda pela rua. Está pela rua andando uma linda mulher. Está pela rua andando uma mulher linda. Está pela rua uma linda mulher andando. Está pela rua uma mulher linda andando. Está uma linda mulher andando pela rua. Está uma linda mulher pela rua andando. Está uma mulher linda andando pela rua. Está uma mulher linda pela rua andando. Pela rua andando está uma linda mulher. Pela rua andando está uma mulher linda. Pela rua andando uma linda mulher está. Pela rua andando uma mulher linda está. Pela rua está andando uma linda mulher. Pela rua está andando uma mulher linda. Pela rua está uma linda mulher andando. Pela rua está uma mulher linda andando. A língua portuguesa, tendo uma gramática mais livre que a língua inglesa, produz modelos de linguagem mais complexos. Como existem mais flexões de palavras, requer-se também um dicionário bem maior para uma aplicação equivalente. study dear estudo estuda estudamos estudais estudam querido querida queridos queridas

24 Acervo Para adaptar um sistema de reconhecimento de voz em outra língua é necessário dispor de um vasto acervo de áudio com transcrição textual para treinar o sistema. Para o Português do Brasil, é necessário um acervo substancialmente maior do que seria para o inglês, para obter-se a mesma acurácia. Entretanto, as bases de dados disponíveis publicamente para o Português do Brasil são bem menores que as disponíveis para Inglês. O acervo das emissoras pode contribuir para o desenvolvimento das bases de dados necessárias.

25 CONSIDERAÇÕES FINAIS

Opções para contornar a falta de sistemas de RAV para geração de CC em Português do Brasil: Levantar as opções software livre disponíveis Examinar os algoritmos utilizados e os parâmetros de

26 Opções para contornar a falta de sistemas de RAV para geração de CC em Português do Brasil: Levantar as opções software livre disponíveis Examinar os algoritmos utilizados e os parâmetros de configuração disponíveis, quanto à acurácia e ao custo computacional Avaliar bases de dados públicas para treinamento dos sistemas Propor formas de aproveitar o acervo das emissoras no desenvolvimento das bases de dados Verificar otimizações implementadas em sistemas de reconhecimento de voz nessa aplicação em emissoras ao redor do mundo

27 PERGUNTAS?

28 OBRIGADO!

Documentos relacionados

O Direito da Acessibilidade e comunicação dos surdos. Neivaldo Zovico Diretor Regional da Feneis/SP

O Direito da Acessibilidade e comunicação dos surdos Neivaldo Zovico Diretor Regional da Feneis/SP Filosofo Sócrates diz : Se não tivéssemos voz nem língua, mas apesar disso desejássemos manifestar coisas