SSML

1
SSML

• Speech Synthesys markup language

• Estado actual del estándar SSML para la síntesis
  del habla dentro del Speech Interface Framework
  desarrollado por el grupo de trabajo Voice
  Browser del W3C

Autor Mario Rodríguez Boya
2
Índice de Contenidos

• Introducción
• Proceso de Síntesis del Habla
• Formato de un Documento SSML
• Integración con otros Lenguajes
• Implementaciones Actuales
• Desafíos Futuros
• Conclusiones

3
Introducción

• Lenguaje de marcas basado en XML
• Especificación desarrollada por el Voice Browser
  Working Group
• Parte del W3C Speech Interface Framework
• Método estándar para la pronunciación, tono,
  volumen, velocidad
• Generación automática (XSLT) o manual

4
Índice de Contenidos

• Introducción
• Proceso de Síntesis del Habla
• Formato de un Documento SSML
• Integración con otros Lenguajes
• Implementaciones Actuales
• Desafíos Futuros
• Conclusiones

5
Proceso de Síntesis del Habla

• Análisis Gramatical
• Análisis de la Estructura
• Normalización del Texto
• Conversión del Texto a Fonemas
• Análisis Prosódico
• Generación de la Forma de Onda

6
Proceso de Síntesis del Habla

• Análisis Gramatical
• Se extraen las etiquetas del árbol
• La estructura, etiquetas y atributos extraídos
  serán utilizados en las etapas posteriores

7
Proceso de Síntesis del Habla

• Análisis de la Estructura
• Markup Support ltpgt y ltsgt
• Non-Markup Behaviour Procesador de Sintesis (por
  defecto)

8
Proceso de Síntesis del Habla

• Normalización del Texto
• Construcciones especiales (1/2, 100 )
• Ambigüedad
• Markup Support ltsay-asgt
• Non-Markup Behaviour
• Procesador de síntesis
• Múltiples posibilidades
• Análisis del contexto
• Errores muy probables en la transformación

9
Proceso de Síntesis del Habla

• Conversión del Texto a Fonemas
• Deducir la pronunciación de las palabras
• Distintos tipos de lenguajes ? Distintos tipos de
  conversiones (uno a uno, muchos a uno...)
• Markup Support ltphonemegt
• Non-Markup Behaviour procesador de síntesis
  (diccionario de pronunciación)

10
Proceso de Síntesis del Habla

• Análisis Prosódico
• Prosodia conjunto de rasgos del habla
• Buena prosodia ? Voz humana natural y
  comprensible
• Markup Support ltemphasisgt, ltbreakgt y ltprosodygt
• Non-Markup Behaviour procesador de síntesis muy
  efectivo al establecer los rasgos

11
Proceso de Síntesis del Habla

• Generación de la Forma de Onda
• Llevada a cabo automáticamente por el procesador
  de síntesis (Non-Markup Behaviour)
• Se puede solicitar explícitamente (Markup Suport)
  una voz con determinadas cualidades (e.g. Voz de
  una mujer joven)

12
Índice de Contenidos

• Introducción
• Proceso de Síntesis del Habla
• Formato de un Documento SSML
• Integración con otros Lenguajes
• Implementaciones Actuales
• Desafíos Futuros
• Conclusiones

13
Formato de un Documento SSML

• DOCTYPE
• lt!DOCTYPE speak PUBLIC "-//W3C//DTD SYNTHESIS
  1.0//EN" "http//www.w3.org/TR/speech-synthesis/sy
  nthesis.dtd"gt
• Elemento Raíz ltspeakgt
• lt?xml version"1.0"?gt
• ltspeak version"1.0" xmlns"http//www.w3.org/2001
  /10/synthesis"
• xmlnsxsi"http//www.w3.org/2001/XMLSche
  ma-instance"
• xsischemaLocation"http//www.w3.org/200
  1/10/synthesis
• http//www.w3.org/TR/speech-synthesis/syn
  thesis.xsd"
• xmllang"en-US"gt

14
Formato de un Documento SSML

• ltspeak version"1.0" xmlns"http//www.w3.org/20
  01/10/synthesis" xmlnsxsi"http//www.w3.org/20
  01/XMLSchema-instance" xsischemaLocation"http
  //www.w3.org/2001/10/synthesis
  http//www.w3.org/TR/speech-synthesis/synthesis.xs
  d" xmllang"es"gt
• ltpgt
• ltsgt Tienes 4 mensajes.lt/sgt
• ltsgt
• El primero es de Mario, recibido a las
  ltbreak/gt 345pm.
• lt/sgt
• ltsgt
• El asunto es ltprosody
  rate"-20"gtvacacioneslt/prosodygt
• lt/sgt
• lt/pgt
• lt/speakgt

15
Formato de un Documento SSML

• ltpgt
• ltvoice gender"female"gt
• La canción habla de dos personas
• lt/voicegt
• lt/pgt
• ltpgt
• ltvoice gender"male"gt
• Aquí tiene una muestra
• ltaudio src"http//www.example.com/music.wav"
  /gt
• Le gustaría comprar la canción?
• lt/voicegt
• lt/pgt

16
Índice de Contenidos

• Introducción
• Proceso de Síntesis del Habla
• Formato de un Documento SSML
• Integración con otros Lenguajes
• Implementaciones Actuales
• Desafíos Futuros
• Conclusiones

17
Integración con otros Lenguajes

• Colabora con SMIL para descripción de
  aplicaciones multimedia con salida de voz
• Complementa a ACSS
• Mayor funcionalidad que ACSS
• ACSS controla mejor el aspecto espacial
• Junto con VoiceXML permite el desarrollo de
  navegadores de voz

18
Índice de Contenidos

• Introducción
• Proceso de Síntesis del Habla
• Formato de un Documento SSML
• Integración con otros Lenguajes
• Implementaciones Actuales
• Desafíos Futuros
• Conclusiones

19
Implementaciones Actuales

• Loquendo TTS
• Microsoft Speeh Server aplicaciones de telefonía
  por voz
• OptimTalkv
• Voice Center
• Código Abierto FreeTTS

20
Índice de Contenidos

• Introducción
• Proceso de Síntesis del Habla
• Formato de un Documento SSML
• Integración con otros Lenguajes
• Implementaciones Actuales
• Desafíos Futuros
• Conclusiones

21
Desafíos Futuros

• Normalización del texto
• Homógrafos
• Abreviaturas
• Símbolos
• Implantación en navegadores Web
• Naturalización del habla
• Prosodia
• Comunicación fluida

22
Índice de Contenidos

• Introducción
• Proceso de Síntesis del Habla
• Formato de un Documento SSML
• Integración con otros Lenguajes
• Implementaciones Actuales
• Desafíos Futuros
• Conclusiones

23
Conclusiones

• Estándares del W3C Voice Browser Group sirven
  para interacción hombre-máquina de forma natural
• SSML ofrece control de la prosodia por parte del
  autor o automático
• Problemas en la inferencia de significado de
  símbolos y abreviaturas en distintos contextos

24
Fin
Hola estudiantes del curso de doctorado
Tecnologías, estándares y servicios Web, espero
que les haya gustado la presentación de Mario
SSML Estado actual del estándar SSML para
la síntesis del habla dentro del Speech
Interface Framework desarrollado por el agrupo
de trabajo Voice Browser del W3C Autor Mario
Rodríguez Boya