SE516526C2 - Metod och anordning vid automatisk extrahering av prosodisk information - Google Patents

Description

I IIIU u I ' g u g u u 516 526 z harklar sig, är hes, i fall omgivningsljud är starka och påverka analysen osv.

Vid analys av tal präglas den taligenkännande utrustningen på ett antal personer för att erhålla en hög igenkänningsgrad.

REDOGÖRELSE FÖR UPPFINNINGEN TEKNISKT PROBLEM I samband med artificiell återgivning av ett talat språk föreligger behov att språket återges naturtroget och med korrekt accentue- ring. Vid automatisk översättning av ett tal till ett andra språk är accentueringarna av avgörande betydelse vid översättningen.

Betydelsen av ett ord kan således ha vitt skilda betydelser i bero- ende av betoningen. I andra sammanhang kan betydelsen av en och samma sats erhålla olika innebörd beroende på var beto- ningen placerats. Betydande arbetsinsatser har nedlagts på detta omrâde. Vidare bestämmer betoningar av satser och delar av sat- ser partier som framhävs i språket. Behov föreligger att dessa framhävanden återges i det andra språket på ett riktigt sätt. Inte heller i detta avseende är metoder kända som löser problemet.

I andra sammanhang är det önskvärt att tal som produceras rent artificiellt återges naturtroget med korrekt accentuering. Detta förhållande föreligger i den ökande flora av maskiner som fram- ställer tal i olika sammanhang. Det av maskiner i dag framställda talet är för många människor svåruppfattat och svårtydbart. Det föreligger således starka behov att finna metoder och anordningar som framställer ett för de flesta människor tydbart tal. Att män- niskan uppfattar manskinproducerat tal som svårförståeligt med- för att ett motstånd mot dylika anordningar finns. Behov förelig- ger således att minska detta motstånd.

Vid översättning av och till språk med utvecklad satsaccentbeto- ning och/ eller tonläge i enstaka ord är identifiering av or- dets/ satsens egentliga betydelse mycket svår. Besvär föreligger även när översättning skall ske till dessa språk till följd av svå- righeterna att ge rätta betoningar. Förhållandet att betoningarna kan felplaceras ökar risken för feltolkning eller att betydelsen går helt förlorad för den lyssnande parten. 516 526 f' ":= ; ;3; '. u H J. J. n .- Vid manövrering och dirigering av olika system föreligger behov att utnyttja det talade ordet. Exempel på dylika områden är exem- pelvis den ökande floran av tjänster som införs i olika telenät.

För att nyttja tjänsterna måste användaren för närvarande nyttja olika koder. Att ihågkomma ett fåtal enkla koder är möjligt men om koderna dessutom förutsätter att viss tilläggsinformation skall inmatas kompliceras bilden. I dessa fall blir man tvungen att inneha någon form av rninneslappar eller dylikt. I vissa fall tror man sig kanske minnas koden och inmatningsordningen för olika informationer. Sker inmatningen fel kan t.ex tidpunkter el- ler datum bli felaktiga. Någon bekräftelse att systemet mottagit in- formationen riktigt erhålls normalt inte. Om mottagande system kunde motta informationen verbalt skulle användarna, abonnen- terna, kunna utnyttja tjänster och andra funktioner på ett effekti- vare sätt. Att verbalt minnas tjänster i till exempel ett telefonnät i är lättare än att minnas en speciell sifferkod. Vidare föreligger motstånd mot nyttjandet av dylika tjänster i exempelvis ett tele- fonnät om kodifieringen är besvärlig.

Vid dirigering i exempelvis ett telefonnät eller ett trafiksystem innebär en verbal ordergivning till mekaniska och elektroniska system en avsevärd lättnad för operatörerna. Operatörer utnyttjar i dag inskrivning av information via tangentbord eller dylikt. Vid dylik inmatning är tiden betydligt längre än om verbala order kan utnyttjas.

Att utnyttja det talade ordet för ordergivning till olika system är ett uttalat önskemål inom många områden utöver de som ovan relaterats.

Föreliggande uppfinning avser att lösa ovan relaterade problem.

LÖSNINGEN Föreliggande uppfinning avser metod och anordning för faststäl- lande av betoningar i en talad sekvens. Ur en i det talade talet igenkänd sekvens skapas en modell av talet. Genom att jämföra den talade sekvensen med det modellerade talet erhålls en skill- nad dem emellan. Skillnaden utnyttjas dels för att korrigera det modellerade talet, dels för att fastställa betoningar i den talade se- volvo' i 000000 00 O!!! v o 516 526 . _ kvensen. Efter att ha fastställf betoningarna i talet är det möjligt att bestämma enstaka ord och satsers betydelse på ett entydigt sätt.

Detta utnyttjas därefter i olika sammanhang exempelvis vid översättning av ett första språk till ett andra språk med bibehållen betydelse och intonation. Uppfinningen är vidare användbar vid verbal kommunikation människa till maskin. 00900 uiøbø av: tiil Uppfinningen avser således en metod att ur en talad sekvens fast- ställa betoningar i talet. En modell av den talade sekvensen bildas.

Modellen jämförs med den talade sekvensen varvid en differens dem emellan erhålls. Skillnaden påverkar modellen som härvid korrigeras att bättre överensstämma med den talade sekvensen.

Betoningar i talet blir härvid fastställbara.

I en utveckling av uppfinningen fastställs den talade sekvensens och det modellerade talets grundton och variation. Kvoten mel- lan respektive grundton och variation bildas. Kvoterna jämförs därefter med varandra. Den fastställda skillnaden mellan kvo- terna påverkar modellen som korrigeras att bättre överens- stämma med den talade sekvensen. Vidare kan satsaccentplace- ringarna härledas av skillnaden mellan kvoterna.

Relativa satsbetoningar fastställs genom klassning av kvoten mel- lan grundtonens variation och deklination varvid framhävda partier eller enstaka ord är fastställbara.

Vidare är talets tonhöjd bestämbar genom grundtonens deklina- tion.

Anordningen innefattar ett första organ som extraherar talets grundton. Vidare framställs ett artificiellt tal i ett andra organ.

Grundtonerna för den talade sekvensen och det artificiella talet fastställs och jämförs med varandra. Den fastställda skillnaden påverkar därefter det andra organet varvid det artificiella talet korrigeras. Vidare fastställs med ledning härav betoningar i den talade sekvensen.

Det första organet fastställer vidare en första kvot mellan den ta- lade sekvensens grundtons variation och deklination. Det andra organet framställer förutom det artificiella talet en andra kvot mellan det artificiella talets grundton och deklination. Det tredje 516 526 4 5 .

I I IIO UIQ CI I' organ jämför nämnda första och andra kvoter. En skillnad bildas varvid sataccentplaceringar är fastställbara.

Tredje organet klassar kvoten mellan grundtonens variation och deklination. Genom klassningen fastställer organet relativa sats- betoningar samt framhävda partier eller ord.

Genom tredje organets kontroll av grundtonens deklination fast- ställs talets tonhöjd.

Relationen mellan grundtonens variation och deklination utnytt- jas av tredje organet för fastställande av talets grundtonsdynamik.

FÖRDELAR Uppfinningen medger att det talade ordet kan utnyttjas på ett i dag utökat sätt. Det är således möjligt att beordra system att ändra funktioner med verbala order. I exempelvis dagens telefonistsys- tem ger det abonnenten möjlighet att dirigera tjänster av olika slag medels ordergivning med rösten.

I sammanhang där ett språk översätts till ett andra språk ger upp- finningen en ökad möjlighet att erhålla en korrekt översättning av ord. Exempelvis förekommer i vissa språk att likalydande ord med olika betoningar har vitt skilda betydelser. Möjlighet att sär- skilja dessa ord ges med uppfinningen genom att accentueringar kan fastställas. Vidare kan satsaccentbetoningar ändra en sats be- tydelse eller innebörd. Genom att uppfinningen kan fastställa dessa kan rätt betydelse vid en översättning till ett andra språk er- hållas. Vidare medges att satsaccenplaceringar eller betoningar på vissa ord i ett första språk ges motsvarande placering i ett andra språk vid översättningen.

I andra sammanhang där röstsvar erhålls från maskiner är det möjligt att erhålla ett naturtroget språk som ökar förståelsen ge- nom att betoningarna är naturliga. Detta medför att en kommu- nikation människa maskin är möjlig på ett naturligt sätt som ej upplevs konstlat av människan.

FIGURBESKRIVNING Fig 1 visar ett blockschema över uppfinningen.

II IQII 516é 526 - I . I I III Il! IC il Fig 2 visar ett diagram med inritad grundtonsdeklination och en grundton överlagrad grundtonsdeklinationen.

FÖREDRAGEN UrFömNGsFoRM I det följande beskrivs uppfinningside'n med hänvisning till fi- gurerna och beteckningarna däri.

En talad sekvens, tal i fig l, inmatas i systemet. Talet mottas i en taligenkänningsutrustning, 1, vari en textsträng igenkänns.

Taligenkänningen utnyttjar ett till taligenkänningsutrustningen anslutet lexikon. Taligenkänningsutrustníngen alstrar en text- sträng och en associerad allofonsträng med lexikala betoningar.

I satsanalysatorn, 2, analyseras textsträngens syntaktiska struktur.

Denna information samt textsträngen och allofonsträngen inma- tas i en modellerande enhet, 3. Ur den inmatade informationen modelleras grundtonen som F(t)=F(t)decl+F(t)var där F(t)decl är grundtonens deklination och F(t)var är grundtonens variation.

Detta innebär att den modellerade grundtonen utgörs av varia- tionen för grundtonen överlagrad på grundtonens deklination.

Av fig 2 framgår innebörden av denna konstruktion. Vidare ex- traheras grundtonen ur textsträngen i grundtonsextraktorn, 4.

Därefter detekteras grundtonens minpunkter, 5. Grundtonens minpunkter överensstämmer segmentmässigt med de mínvär- den som genereras av grundtonsmodellgeneratorn, 3. Ur grund- tonens minvärden bestäms grundtonens deklination för satsen, 6. Grundtonens deklination, bestämd i 6, jämförs därefter i 7 med den modellerade grundtonens deklination från 3. En differens bildas mellan grundtonens declination och den modellerade grundtonens deklination. Den genererade differensen återförs till modellgeneratorn, 3. I modellgeneratorn utnyttjas differensen för alstrande av korrektion av den modellerade signalen.

Grundtonsdeklinationen, som alstrats i 6, överförs till 8.

Grundtonen som utgörs av grundtonens declination adderad med grundtonens variation överförs från grundtonsextraktorn, 4, till 8. Grundtonens variation bestäms därefter genom att sub- trahera grundtonens deklination, vilken fastställts i 6, från grundtonen. Därefter bildas kvoten mellan grundtonens varia- tion och grundtonens deklination vilket värde pâförs 9. Detta ut- 516 526 ¿ v tryck är oberoende av talarens tonhöjdsläge. Vidare bildas en kvot mellan den modellerade grundtonens variation och dekli- nation. En differens bildas mellan nämnda kvoter. Differensen återkopplas till modellgeneratorn, 3. Varefter parametervärdena vid moduleringen påverkas och grundtonens deklination och variation i modellen korrigeras. Vidare erhålls vid optimering SA(satsaccent)-placeringar genom att SA tillåts genomlöpa sat- sens möjliga SA-placeringar. Genom klassning av kvoten mellan grundtonens variation och deklination, i de erhållna SA-place- ringarna, bestäms de relativa satsbetoningarna i satsen och de av talaren framhävda orden erhålls. Genom bestämning av grund- tonsdeklinationen är dessutom talarens tonhöjd klassningsbar.

Vidare anger svinget i grundtonsvariationen i relation till grund- tonsdeklinationen talarens grundtonsdynamik.

Uppfinningen är inte begränsad till den i ovan visade utförings- formen utan kan underkasta sig modifikationer inom ramen för efterföljande patentkrav och uppfinningstanke.

IQ n IOUOÜI

Claims (7)

516 526 s PATENTKRAV

1. Metod att ur hela eller delar (sekvenser) av ett reellt tal fastställa satsbetoningar, och att ett artificiellt tal, här kallat modell, bildas ur en i det reella talet igenkänd sekvens, kännetecknad därav att i modellen väljs parti eller partier för förväntade placeringar för nämnda satsbetoningar, att modellen jämförs med det reella talet, och en skillnad mellan modellens och det reella talets betoningsplaceringar och/eller karaktäristika fastställes och bringas påverka modellen, och att satsbetoningarna i det reella talet (sekvensen) fastställes med hjälp av nämnda skillnad, att en kvot mellan talets grundtons variation och deklination bildas och jämförs med en kvot, mellan modellens grundtons variation och deklination, varvid skillnaden mellan kvotema anger satsaccentplaceringama.

2. Metod enligt patentkrav 1, kännetecknad därav att relativa satsbetoningar i talet erhålls genom klassning av kvoten mellan grundtonens variation och deklination varvid framhävda partier eller enstaka ord fastställs.

3. Metod enligt patentkrav 1, kännetecknad därav att talets grundtonsdynamik ges av relationen mellan grundtonens variation och deklination.

4. Anordning att av hela eller delar (sekvenser) av ett reellt tal fastställa satsbetoningar, kännetecknad därav att ett första organ extraherar talets grundton, att ett andra organ framställer ett artificiellt tal och dess grundton, att andra organet fastställer förväntade placeringar för nämnda satsbetoningar, att det reella talet jämförs med det artificiella talet vawid det andra organet fastställer en skillnad mellan det artificiella talet och det reella talets betoningsplaceringar och/eller karakteristika och att satbetoningama i det reella talet (sekvensen) fastställs med hjälp av nämnda skillnad, att det första organet framställer en första kvot mellan den talade sekvensens grundtons variation och deklination, att det andra organet framställer en andra kvot mellan det artificiella talets grundton och deklination, och att ett tredje organ fastställer skillnaden mellan den första och andra kvoten varvid satsaccentbetoningama i talet fastställs.

5. Anordning enligt patentkrav 4, kännetecknad därav att det tredje organet klassar kvoten mellan grundtonens variation och deklination och fastställer framhävda partier i en sats eller enstaka ord.

6. Anordning enligt något av patentkraven 4-5, kännetecknad därav att det tredje organet genom bestämning av grundtonens deklination fastställer talets tonhöjd. 516 526 f?

7. Anordning enligt något av patentkraven 4-6, kännetecknad därav att det tredje organet fastställer relationen mellan grundtonens variation och deklination, varvid talets grundtonsdynamik fastställs.