DIÁLOGO ENTRE HOMENS E MÁQUINAS O PAPEL DO LINGUISTA NESTE NOVO FORMATO DE COMUNICAÇÃO

Transcrição

1 VI Escola Brasileira de Linguís4ca Computacional 11 a 12 setembro 2012 São Carlos - SP, Brasil DIÁLOGO ENTRE HOMENS E MÁQUINAS O PAPEL DO LINGUISTA NESTE NOVO FORMATO DE COMUNICAÇÃO Sara Candeias Lab de Processamento de Fala Universidade de Coimbra, DEEC, Portugal 2005, it - instituto de telecomunicações. Todos os direitos reservados.

2 Todos os seres humanos nascem livres e iguais em dignidade e em direitos. (Declaração Universal dos Direitos Humanos, 1.º art) Uma das ações- chave para o reconhecimento da dignidade humana passa pela promoção do acesso à informação, permiundo a inclusão de todos os cidadãos. Sistemas de informação com interface de fala tornam essa acessibilidade mais simples, mais facilitada, mais potenciada. A oportunidade de dialogar com uma máquina capaz de reconhecer e de proferir mensagens aumenta a possibilidade de todos os cidadãos acederem à informação, tornando a sociedade mais igualitária, mais humana. Esta sessão aborda a descrição dos sistemas de processamento de fala em PE, centrado- se na linha de integração da teoria linguís4ca. 2

3 PLANO ENQUADRAMENTO Processamento da Língua Falada Processamento da Fala Processo de Comunicação Sistemas de TTS Sistemas de ASR SINAL DE FALA Fatores de Variabilidade Extrator de Caraterís4cas PROCESSAMENTO DE FALA Módulos Linguís4cos Abordagens Aplicações Tecnológicas O Papel do Linguista 3

4 ENQUADRAMENTO Processamento da Língua Falada Processamento da Fala Processamento da Língua Natural Tecnologias da Língua 4

5 ENQUADRAMENTO Processamento da Língua Falada Processamento da Fala Processamento da Língua Natural Tecnologias da Língua Tratamento do texto Análise computacional Fonológico Morfológico SemânUco SintáUco PragmáUco De esulo 5

6 ENQUADRAMENTO Processamento da Língua Falada Processamento da Fala Processamento da Língua Natural Tecnologias da Língua Áreas Geração de texto Recuperação de informação Extração automáuca de termos Sumarização Resposta automáuca a perguntas Tradução automáuca ou assisuda 6

7 ENQUADRAMENTO Processamento da Língua Falada Processamento da Fala Processamento da Língua Natural Sinal acús4co Modelos de produção e perceção da fala Análise da fala Codificação da fala Melhoria de sinal Síntese de fala Reconhecimento de fala Conversão de Fala para Texto Reconhecimento do orador Reconhecimento da língua/dialetos Tecnologias da Língua 7

8 ENQUADRAMENTO Aprendizagem automática Psicologia Processamento de sinal Acústica e Fisiologia Linguística clássica Processamento da Fala Matemática 8

9 ENQUADRAMENTO Processamento de Fala - vertentes - Reconhecimento de Fala (ASR Automa0c Speech Recogni0on) Síntese de Fala (TTS Text- to- Speech) 9

10 PROCESSO de COMUNICAÇÃO ENQUADRAMENTO EMISSOR RECETOR SENTIDO MENSAGEM SINAL SINAL MENSAGEM SENTIDO GERAÇÃO CODIFICAÇÃO DESCODIFICAÇÃO COMPREENSÃO TRANSMISSÃO 10

11 PROCESSO de COMUNICAÇÃO ENQUADRAMENTO EMISSOR RECETOR SENTIDO MENSAGEM SINAL SINAL MENSAGEM SENTIDO GERAÇÃO CODIFICAÇÃO DESCODIFICAÇÃO COMPREENSÃO TRANSMISSÃO 11

12 PROCESSO de COMUNICAÇÃO ENQUADRAMENTO EMISSOR RECETOR SENTIDO MENSAGEM SINAL SINAL MENSAGEM SENTIDO GERAÇÃO CODIFICAÇÃO DESCODIFICAÇÃO COMPREENSÃO TRANSMISSÃO 12

13 PROCESSO de COMUNICAÇÃO ENQUADRAMENTO EMISSOR RECETOR SENTIDO MENSAGEM SINAL SINAL MENSAGEM SENTIDO GERAÇÃO CODIFICAÇÃO DESCODIFICAÇÃO COMPREENSÃO TRANSMISSÃO 13

14 PROCESSO de COMUNICAÇÃO ENQUADRAMENTO EMISSOR RECETOR SENTIDO MENSAGEM SINAL SINAL MENSAGEM SENTIDO GERAÇÃO CODIFICAÇÃO DESCODIFICAÇÃO COMPREENSÃO TRANSMISSÃO 14

15 PROCESSO de COMUNICAÇÃO ENQUADRAMENTO EMISSOR RECETOR SENTIDO MENSAGEM SINAL SINAL MENSAGEM SENTIDO GERAÇÃO CODIFICAÇÃO DESCODIFICAÇÃO COMPREENSÃO COMPREENSÃO DE CONVENÇÕES: EFETIVIDADE EFICIÊNCIA TRANSMISSÃO PARTILHA DE (BACK)GROUND: CONTEXTO SITUAÇÃO CONHECIMENTO DO CANAL: ADAPTAÇÃO 15

16 PROCESSO de COMUNICAÇÃO ENQUADRAMENTO EMISSOR RECETOR SENTIDO MENSAGEM SINAL GERAÇÃO CODIFICAÇÃO Processo de criar sinal de fala a parur da mensagem: codificação de fala ou síntese de fala (TTS) 16

17 ARQUITETURA GERAL texto Normalizador de texto Entoação, Duração, Intensidade Geração de emoções MODELOS PROSÓDICOS Determinação de foco SISTEMA DE TTS Analisador Transcritor fonológico Gerador de prosódia Motor de síntese Divisor silábico Marcador de tonicidade Leitor de estrangeirismos Desambiguador de homógrafos heterófonos Conversor de grafema- fonema DICIONÁRIO DE PRONUNCIAÇÃO voz sinteuzada Modelos acúsucos de fonemas BASE DE DADOS DE FALA/VOZ 17

18 PROCESSO de COMUNICAÇÃO ENQUADRAMENTO EMISSOR RECETOR SINAL MENSAGEM SENTIDO DESCODIFICAÇÃO COMPREENSÃO Processo de criar mensagem textual a parur do sinal: descodificação de mensagem ou reconhecimento de fala (ASR) 18

19 ARQUITETURA GERAL sinal de fala Analisador espetral Obtenção de parâmetros (MFCC, LPC, ) Modelos acúsucos de fonemas (HMM) Represent. espetral dos fones SISTEMA DE ASR Sequências de fonemas Contextos fonológicos (Marcador de tonicidade) (Desambiguador de homógrafos heterófonos) Extrator de caracterísucas Conversor de grafema- fonema DICIONÁRIO DE PRONUNCIAÇÃO Descodificador Modelos de linguagem Ocorrência de sequência de palavras BASE DE DADOS DE TEXTO texto 19

20 SINAL DE FALA Que Upo de informação podemos reurar do sinal de fala? Palavras (ß Sílabas ß Fones/Alofones) Atos de fala (prosódia) Emoções, estados de espírito (pragmáuca) IdenUdade do falante (verificação, idenuficação) Que Upo de processamento precisamos para obter essa informação? Análise espetral para extração de caracterísucas perunentes (features) Aspetos do sinal a capturar nas features Aspetos do sinal a excluir das features 20

21 ARQUITETURA GERAL SISTEMA DE ASR sinal de fala Extrator de caracterísucas Descodificador Fatores de Variabilidade texto 21

22 FATORES de VARIABILIDADE SINAL DE FALA Necessidade de reduzir a influência de alguns destes fatores por forma a construir modelos de fonemas tão robustos quanto possível! 22

23 ais nasais das seis regiões contempladas no corpus. os triângulos acústicos para as v árias regiões eira figura, apresentam-se os resultados para as orais. Serão apresentados resultados de forma FACTORES DE VARIABILIDADE INTERLOCUTORES: GEOGRÁFICAS horas TrásOsMontes - Nasais - Homens TrásOsMontes - Nasais - Senhoras F1 F B eiralitoral- N asais - H omens i~ u~ o~ i~ e~ u~ e~ 6~ o~ 6~ F1 F B eiral ito ral- N asais - S enh oras e~ i~ u~ o~ i~ e~ 6~ 6~ u~ o~ F F F F F2 30 nh oras o~ F1 F B eirainterior - Nasais - Homens Algarve - Nasais - Homens i~ u~ i~ u~ o~ e~ e~ 6~ o~ 6~ F1 F B eirainterior - Nasais - Senhoras Algarve - Nasais - Senhoras i~ u~ i~ u~ o~ o~ e~ 6~ e~ 6~ F F F horas ~ o~ F F2 F2 Alentejo- Nasais - Homens Triângulos acúsucos para as vogais nasais de 2 regiões disuntas (Teixeira et al., 2003) Figura 10 Triângulos acústicos para as vogais nasais das s u~ i~ o~ e~ 6~ F2 F Alentejo- Nasais - Senhoras i~ u~ o~ e~ 6~ F2

24 INTERLOCUTORES: GÉNERO FACTORES DE VARIABILIDADE Locutores femininos vs masculinos Tratos vocais mais curtos Frequências de formantes em média 15% acima Locutor feminino Locutor masculino Sonograma de [oj] 24

25 EXTRATOR DE CARACTERÍSTICAS O PAPEL das CORDAS VOCAIS: Sons Vozeados/Não Vozeados Ciclo das cordas vocais Cy- Forma de onda Fluxo de ar (cm 3 /s) Open Tempo As sucessivas explosões de ar resultantes deste ciclo são a fonte de energia para todos os sons sonoros. Uma medida comum é o n.º de ciclos por segundo (Hz), ou da frequência fundamental ou tom (F0) (i.é, a periocidade com que se dá a vibração de pulsos glotais). 25

26 SONS VOZEADOS / NÃO VOZEADOS Ilustração de um sinal de fala correspondendo ao dígito seis ([s6js]) amostrado a 8kHz Frequencia (Hz) Sonograma LPC do sinal Gráfico do valor de tom ao longo do tempo Frequencia (Hz) Tempo(frames) PARTES VOZEADAS (no domínio temporal): Picos quase periódicos de alta energia (pulsos glotais) Periocidade desses picos = F0 (tom) 10 /s/ /6j/ /S/ Tempo(frames) 26

27 O PAPEL dos FORMANTES Para sons vozeados o espetro apresenta vários picos espetrais que indicam as frequências de ressonância do trato vocal (formantes = F). EXTRATOR DE CARACTERÍSTICAS Os F dependem da forma do trato vocálico 3500 [oj] [tu] 3000 O número de F é variável consoante o som produzido, embora haja Upicamente 3 ou 4 F na gama de 300Hz a 4kHz. Um dado segmento de fala é vulgarmente caracterizado pelas suas 3 frequências formantes mais baixas: F1, F2 e. Frequê ncia (Hz) Juntamente com a frequência fundamental (F0 ou tom), os F consutuem os principais parâmetros acúsucos da fala Tempo (frames) 27

28 ESPETROGRAMAS Cada fone disungue- se no espetrograma pelo seu próprio padrão. EXTRATOR DE CARACTERÍSTICAS O valor dos formantes podem variar largamente de pessoa para pessoa. MAS um leitor de espetrogramas aprende a reconhecer padrões standard que permitem idenuficar os vários fones com um elevado grau de confiança. Arquivo de som wav Espetograma de banda larga Curva de F0 Curva de intensidade EUquetas (labels) Leitores e analisadores de espetrogramas: PRAAT Wavesurfer Audacity... Análise acús4ca de dados Scripts como suporte de iden4ficação automá4ca To Pitch (ac)... time_step minimum_pitch maximum_candidates 'accurate$' silence_threshold voice_threshold octave_cost o c t a v e _ j u m p _ c o s t voiced_unvoiced_cost maximum_pitch 28

29 ARQUITETURA GERAL SISTEMA DE ASR Analisador espetral sinal de fala Obtenção de parâmetros (MFCC, LPC, ) Extrator de caracterísucas Descodificador texto Num reconhecedor de fala subsutui- se a representação temporal do sinal pela sua representação espetral (ou cepstral) REPRESENTAÇÃO ESPETRAL: mais adequada, permite uma redução da quanudade de dados envolvidos 29

30 ARQUITETURA GERAL sinal de fala Analisador espetral Obtenção de parâmetros (MFCC, LPC, ) Modelos acúsucos de fonemas (HMM, ) Represent. espetral dos fones SISTEMA DE ASR Extrator de caracterísucas Descodificador texto Normalização de caracterísucas: tornar os modelos acúsucos de fonemas separáveis no espaço de caracterísucas de forma a diminuir a confusão entre eles 30

31 ARQUITETURA GERAL sinal de fala Analisador espetral Obtenção de parâmetros (MFCC, LPC, ) Modelos acúsucos de fonemas (HMM, ) Represent. espetral dos fones SISTEMA DE ASR Sequências de fonemas Contextos fonológicos (Marcador de tonicidade) (Desambiguador de homógrafos heterófonos) Extrator de caracterísucas Conversor de grafema- fonema DICIONÁRIO DE PRONUNCIAÇÃO Descodificador Modelos de linguagem Ocorrência de sequência de palavras BASE DE DADOS DE TEXTO texto 31

32 MÓDULOS LINGUÍSTICOS PROCESSAMENTO DE FALA ANALISADOR DESCODIFICADOR RESTRIÇÕES SEMÂNTICAS e LEXICAIS: Normalizador de texto, RESTRIÇÕES FONÉTICAS e FONOLÓGICAS: Modelos acúsucos de fonemas (alofones, xenofones), Marcador de tonicidade, Divisor silábico, Conversor de Grafema em Fonema, RESTRIÇÕES MORFOLÓGICAS e SINTÁTICAS: Modelos de linguagem (probabilidades de sequências de palavras), Desambiguador de homógrafos heterófonos, 32

33 NORMALIZADOR de TEXTO PROBLEMAS CARDINAIS: Concordância em género MÓDULOS LINGUÍSTICOS 1 gato = um gato; 1 gata? Números romanos / leitura de letras V = v (letra) e V = quinto? Cardinais / Números de telefone = novecentos e trinta e um milhões, duzentos e trinta e um mil, duzentos e trinta e quatro; nove três um dois três um dois três um? Datas / Frações / Cardinais 3/10 = três de outubro; três décimos? três de dez? Medidas / Tempo 5 m. = cinco metros; 5 minutos? 33

34 DIVISOR SILÁBICO MÓDULOS LINGUÍSTICOS (INPUT) Palavra ortográfica Definição de VOGAL, CONSOANTE, GLIDE Busca das VOGAIS de cada palavra Análise da sua vizinhança Regras de divisão silábica (OUTPUT) Palavra ortográfica dividida em sílabas <graus> ataque: <gr> rima: <aus> núcleo: <a> coda: <us> 34

35 DIVISOR SILÁBICO PROBLEMAS <reunir> <gasóleo> <biunívoco> <reu nir> <ga só leo> <biu ní vo co> MÓDULOS LINGUÍSTICOS <re u nir> : <re>(voltar) + <unir>(to unite) <bi u ní vo co>: <bi >(dois)+ <unívo co> Manter as sequências de Vs como ditongos crescentes? Considerar a tendência em fazer coincidir a divisão silábica com potencias morfemas? <adver5r> <obter> <opção> <ad ver 5r> <ob ter> <op ção> Dividir a sílaba entre a V e a C plosiva? <a dver 5r> <o bter> <o pção> Ligar a sequência de C de forma a colocar as plosivas em posição de ataque silábico? 35

36 MARCADOR de TONICIDADE MÓDULOS LINGUÍSTICOS (INPUT) Palavra ortográfica Análise da direita para a esquerda Regras de marcação da VOGAL TÓNICA (OUTPUT) Palavra ortográfica com marca de vogal tónica 36 EBRALC2012 São Carlos-SP, Brasil - set , 2012

37 MARCADOR de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ÓDULOS LINGUÍSTICOS "'"()*+%& (%)*+&,-!!,)$#)./!! ')(0#(1,2!! '/%#)-%#-1,2!! -,#)34/1,2"! '(%#)(0!! (00)/6! 4-+7)&8"! (+9)38!! '/8)3%,!! :)(&1,2!! (4)-3,"",(%43)&';-! (8-%4/)&8"!

38 MARCADOR de TONICIDADE MÓDULOS LINGUÍSTICOS (INPUT) Palavra ortográfica Análise da direita para a esquerda Regras de marcação da VOGAL TÓNICA (OUTPUT)Palavra ortográfica com marca de vogal tónica ADVÉRBIOS TERMINADOS EM <mente>? <rápido> <rapidamente>, <dócil>à <docilmente> 38 EBRALC2012 São Carlos-SP, Brasil - set , 2012

39 MÓDULOS LINGUÍSTICOS CONVERSOR de GRAFEMA em FONEMA < B r a s i l > < c h a m o u > < t ê m > / b r 6 z i l / / S 6 m o / / t 6~ i~ 6~ i~ / COARTICULAÇÃO? Inserções? Apagamentos? Redução vocálica e degeminação consonânuca: sapo pequeno sa/p p/equeno Haplologia (troqueu mórico/silábico): pato tomava à pa/t o/mava Crase (Fusão vocálica): A menina acena. [6 6] /a/ Redução da vogal final: Ela impôs [6i] [i] Semivocalização: Salto alto [u a] [wa] 39

40 ABORDAGENS REGRAS LINGUÍSTICAS Português: regularidade fonéuca e fonológica; ortografia de base fonológica Regras fonológicas para contextos frequentes <ou> à /o/ <al+c> : <a> à /a/ (<almoçar> /almus"ar/) <V+s+V> : <s> à /z/ (<casa> /k"az6/) PROCESSAMENTO DE FALA 40

41 ABORDAGENS PROCESSAMENTO DE FALA REGRAS LINGUÍSTICAS Português: regularidade fonéuca e fonológica; ortografia de base fonológica Regras fonológicas para contextos frequentes Nenhuma língua natural humana sausfaz totalmente a assunção do G2F um para um Lista/dicionário de exceções Muito complexo, pesado, cansauvo, caro MODELOS ESTATÍSTICOS Usando exemplos de pronunciação é possível, por analogia, predizer a pronunciação de palavras novas Não é suficientemente esperto vaga à v a g 6 : vagarosa à v 6 g 6 r O z 6 MODELOS HÍBRIDOS 41

42 APLICAÇÕES TECNOLÓGICAS SISTEMAS de ASR e de TTS PROCESSAMENTO DE FALA TORNAR A COMUNICAÇÃO PESSOA- MÁQUINA MAIS NATURAL FACILITADORES DA COMUNICAÇÃO ENTRE HUMANOS QUIOSQUES DIGITAIS e MULTIMÉDIA e- commerce; e- banking; leitura de páginas web, de s; QD com informação turísuca; sistemas de telecomunicações de execução de chamada por indicação do nome ou do nº do desunatário 42

43 APLICAÇÕES TECNOLÓGICAS SISTEMAS de ASR e de TTS PROCESSAMENTO DE FALA TORNAR A COMUNICAÇÃO PESSOA- MÁQUINA MAIS NATURAL FACILITADORES DA COMUNICAÇÃO ENTRE HUMANOS QUIOSQUES DIGITAIS e MULTIMÉDIA APLICAÇÕES DE DITADO Sistemas de ditado livre (escritores); sistemas de ditado de documentos (médicos, advogados) 43

44 APLICAÇÕES TECNOLÓGICAS SISTEMAS de ASR e de TTS PROCESSAMENTO DE FALA TORNAR A COMUNICAÇÃO PESSOA- MÁQUINA MAIS NATURAL FACILITADORES DA COMUNICAÇÃO ENTRE HUMANOS QUIOSQUES DIGITAIS e MULTIMÉDIA APLICAÇÕES de DITADO ENSINO da LÍNGUA (CALL) Ensino da L2 e ensino da leitura na L1; treino de leitura com livros falados digitais; deteção e correção de erros de pronúncia "#$%&'!(()!*+',#-'./0!1%2!+3+&454#0!! 44

45 APLICAÇÕES TECNOLÓGICAS PROCESSAMENTO DE FALA SISTEMAS de ASR e de TTS TORNAR A COMUNICAÇÃO PESSOA- MÁQUINA MAIS NATURAL FACILITADORES DA COMUNICAÇÃO ENTRE HUMANOS QUIOSQUES DIGITAIS e MULTIMÉDIA APLICAÇÕES de DITADO ENSINO da LÍNGUA (CALL) CIDADÃOS com NECESSIDADES ESPECIAIS SinteUzadores de fala (leitura de SMS); legendagem automáuca; casas inteligentes (domóuca); cadeiras de roda que obedecem a comandos de voz 45 EBRALC2012 São Carlos- SP, Brasil - set , 2012

46 APLICAÇÕES TECNOLÓGICAS SISTEMAS de ASR e de TTS PROCESSAMENTO DE FALA TORNAR A COMUNICAÇÃO PESSOA- MÁQUINA MAIS NATURAL FACILITADORES DA COMUNICAÇÃO ENTRE HUMANOS QUIOSQUES DIGITAIS e MULTIMÉDIA APLICAÇÕES de DITADO CIDADÃOS com NECESSIDADES ESPECIAIS ENSINO da LÍNGUA (CALL) PROCESSAMENTO de OUTRAS VARIEDADES do PORTUGUÊS Portabilidade para outras variantes (esforço na construção de recursos linguísucos que cubram todas as variantes do Português) Papel do Linguista? 46

47 O PAPEL do LINGUISTA PROCESSAMENTO DE FALA SOLIDIFICAR/COMPROVAR A TEORIA LINGUÍSTICA COM BASE EM EXTENSOS CORPORA CONSTRUÇÃO DE BD (infra- estruturas de base) Estruturação/construção de simbologia consensual que descreva com rigor os fenómenos da língua Dicionário fonéuco de uma língua (alofones, xenofones) Dicionário para uma língua (monemas, lexemas, ) Mapeamento entre dicionário da língua e de pronunciação: Formas de pronunciação no dicionário 47

48 O PAPEL do LINGUISTA PROCESSAMENTO DE FALA SOLIDIFICAR/COMPROVAR A TEORIA LINGUÍSTICA COM BASE EM EXTENSOS CORPORA CONSTRUÇÃO DE BD (infra- estruturas de base) COLEÇÃO E ANOTAÇÃO DE BD Criação de frases foneucamente ricas (balanceadas) Gravação de voz com boa cobertura de patentes entoacionais Coleção de grandes corpora de texto Anotação de BD (incluindo eventos de ruído, hesitações, ) 48

49 O PAPEL do LINGUISTA TECNOLOGIAS DA FALA SOLIDIFICAR/COMPROVAR A TEORIA LINGUÍSTICA COM BASE EM EXTENSOS CORPORA CONSTRUÇÃO DE BD (infra- estruturas de base) COLEÇÃO E ANOTAÇÃO DE BD REGRAS E ALGORITMOS Contribuição na criação e validação de output 49

50 O PAPEL do LINGUISTA TECNOLOGIAS DA FALA INSERIR CONHECIMENTO LINGUÍSTICO NOS MODELOS DE LÍNGUA NATURAL FALADA -./ !%&%56%! 9!!"#$!%&'(+, B-C2342!%&%56% :4;!! #! #9 #! #!#! 578%&$!%&'(+,29.7! (AA!!%&'(+<=>?=29.7!"#$!%&'(+, 578%&$!%&'(+,29!.7! "! (AA! :4;! :4;! $$$!"! $$$!"!!"#$!%&'(+,! ##5 (AA! $$$" $$$"$"!"#$!%&'(+,!"#$!%&'(+, :4;!!%&'(+<=>?=29 :4; B-C2342!%&%56%!!"#$=E=,.7! $$$!"9 $$$!"!5! 578%&$!%&'(+,29 :4;! ;4F(578$!%&'(+,.7.7! (AA! $$$!#!"! $$$!"!L!9! $$$"#!%&'(+<=>?=29 :4;!!"#$!%&'()*+, B-C2342!%&%56%!"#$!%&'(+,!.7! $$$"$#" $$$!"!L!5! (AA! 578%&$!%&'(+,29 :4;!!"#$=E=,!"#$!%&'()*+,!"#$!%&'(+,.7!!"#$!%&'(+,! $$$!"!L!L! $$$!"!L!L!5! 578%&$!%&'(A*+,29! :4;! ;48$!%&'()*+D2!%&'(+,29 :4;!"#$=E=,!"#$!%&'()*+,! $$$!"$!#!L!5! $$$!"!#$!L!5!.7!.7!"#$!%&'()*+,!"#$=E=,! $$$!"!L!L!LL! $$$!"!#!#!$!#!L! 578%&$!%&'(AG+,29!.7!!"#$!%&'()*+,!"#$!%&'(+,!"#$=E=, (AA!"#$!%&'(+,! (AA! Conhecimentos básicos de: Programação Algoritmia Esta suca Processamento de sinal :4;! $$$!"!L!L!L5! ;48$!%&'()*+D2!%&'(+,! 7"2!%&'(+<=;=29 :4;!!"#$!%&'()*+,!"#$!%&'(+,!"#$=E=, (AA $$$!"!#!#!$!L!5!.7!!"#$!%&'()*+,!"#$=E=,!"#$!%&'(+, (AA $$$!"!#!$!#!L!5! -./.0123! 50

51 VI Escola Brasileira de Linguís4ca Computacional 11 a 12 setembro 2012 São Carlos - SP, Brasil DIÁLOGO ENTRE HOMENS E MÁQUINAS O PAPEL DO LINGUISTA NESTE NOVO FORMATO DE COMUNICAÇÃO Sara Candeias saracandeias@co.it.pt Lab de Processamento de Fala Universidade de Coimbra, DEEC, Portugal Muito obrigada 2005, it - instituto de telecomunicações. Todos os direitos reservados.