Multilingual Personalized Information Objects

Calder, Jo; Melengoglou, Alexander C.; Callaway, Charles; Not, Elena; Pianesi, Fabio; Androutsopoulos, Ion; Spyropoulos, Costantine D.; Xydas, Gerasimos; Ρούσσου, Μαρία

doi:10.1007/1-4020-3051-7_9

Cited by 7 publications

(3 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Experiments with virtual reality started with M-PIRO (Calder, 2005), a followup of ILEX and of the HIPS multimedia tourist guide (Petrelli and Not, 2005) 7 , which used simple virtual objects as exhibits. Natural language generation was used to create labels in multiple languages and, in the next evolution, to provide the speech of a robot-guide introduced in the Virtual Adaptive Gallery of the University of Edinburgh (Oberlander et al, 2008 interests, rate objects, and leave comments or read those that others had left.…”

mentioning

confidence: 99%

Personalization in cultural heritage: the road travelled and the one ahead

Ardissono

Kuflik

Petrelli

2011

User Model User-Adap Inter

196

107

View full text Add to dashboard Cite

mentioning

confidence: 99%

Personalization in cultural heritage: the road travelled and the one ahead

Ardissono

Kuflik

Petrelli

2011

User Model User-Adap Inter

196

107

View full text Add to dashboard Cite

“…We have used an existing corpus with naturally emphasized speech that features sufficient prosodic coverage. This corpus was developed within the M-PIRO project (Calder et al, 2005) and it consists of 482 utterances, 59% of which are accompanied by enriched linguistic information. The domain of the database concerns a guided tour in a virtual museum and each utterance is part of an exhibit's description.…”

Section: Database Descriptionmentioning

confidence: 99%

Tone-Group F0 selection for modeling focus prominence in small-footprint speech synthesis

Xydas

2006

Speech Communication

Self Cite

View full text Add to dashboard Cite

This work targets to improve the naturalness of synthetic intonational contours in Text-to-Speech synthesis through the provision of prominence, which is a major expression of human speech. Focusing on the tonal dimension of emphasis, we present a robust unit-selection methodology for generating realistic F 0 curves in cases where focus prominence is required. The proposed approach is based on selecting Tone-Group units from commonly used prosodic corpora that are automatically transcribed as patterns of syllables. In contrast to related approaches, patterns represent only the most perceivable sections of the sampled curves and are encoded to serve morphologically different sequence of syllables. This results in a minimization of the required amount of units so as to achieve sufficient coverage within the database. Nevertheless, this optimization enables the application of high-quality F 0 generation to small-footprint text-to-speech synthesis. For generic F 0 selection we query the database based on sequences of ToBI labels, though other intonational frameworks can be used as well. To realize focus prominence on specific Tone-Groups the selection also incorporates a level indicator of emphasis. We set up a series of listening tests by exploiting a database built from a 482-utterance corpus, which featured partially purpose-uttered emphasis. The results showed a clear subjective preference of the proposed model against a linear regression one in 75% of the cases when used in generic synthesis. Furthermore, this model provided ambiguous percept of emphasis in an experiment featuring major and minor degrees of prominence.

show abstract

“…Οι βάσεις αποτελούν κατασκευασμένες συλλογές από δείγματα (tokens) που έχουν επεξεργασθεί και ιεραρχηθεί για ένα συγκεκριμένο λόγο και που προέρχονται από τα σώματα [35]. Το φωνητικό σώμα που παρουσιάζουμε σε αυτό το κεφάλαιο, άρχισε να αναπτύσσεται στα πλαίσια του έργου M-PIRO [1,33], ενώ η κειμενική και προσωδιακή βάση του εξακολούθησε να επεξεργάζεται με διάφορους τρόπους και για την προαγωγή της ερευνητικής δουλειάς που παρουσιάζεται στη διατριβή. Το σώμα αφορά στο θεματικό πεδίο ενός εικονικού μουσείο.…”

Section: Tobi και Grtobiunclassified

Βελτίωση Ποιότητας Συνθετικής Ομιλίας Μέσω Προσωδιακών Χαρακτηριστικών

Σπηλιωτόπουλος¹

View full text Add to dashboard Cite

Η διατριβή αυτή εξετάζει το πρόβλημα της βελτίωσης ποιότητας συνθετικής ομιλίας από απλά και ήδη εμπλουτισμένα κείμενα, όπως αυτά που παράγονται από μια Γεννήτρια Φυσικής Γλώσσας κατά τη Μετατροπή Κειμένου σε Ομιλία. Παρουσιάζεται η έρευνα για το μείζον πρόβλημα της έλλειψης γνώσης για την ανάδειξη, αναγνώριση και καταχώρηση προσωδιακών χαρακτηριστικών από εμπλουτισμένα κείμενα, την αναπαράσταση των γλωσσολογικών αυτών μετα-πληροφοριών με τη μορφή επισημειώσεων σε κείμενα και το φορμαλισμό των πληροφοριών για προσωδιακά χαρακτηριστικά ως προς την χρησιμότητα αυτών ως προς τη σύνθεση ομιλίας, καθώς και τη σχεδίαση μίας γενικής μεθοδολογίας και υλοποίηση ανοικτών και επεκτάσιμων εργαλείων και πόρων για την αυτόματη επισημείωση εγγράφων κειμένων απλών (plain text) και μερικώς ή πλήρως επισημειωμένων, είτε αυτά προϋπάρχουν είτε παράγονται από Γεννήτρια Φυσικής Γλώσσας.Ως αποτέλεσμα της έρευνας αυτής παρουσιάστηκαν ο καθορισμός και η κατάταξη των γλωσσολογικών εκείνων στοιχείων, πέρα των γραμματικών, που σχετίζονται με την προσωδιακή συμπεριφορά της ομιλίας, καθώς και η περαιτέρω μελέτη της συμβολής τους στην παραγωγή συνθετικής ομιλίας. Αναπτύχθηκε μεθοδολογία για την αυτόματη εξαγωγή αυτού του είδους της πληροφορίας από εμπλουτισμένα (με γλωσσολογική και νοηματική πληροφορία) κείμενα αλλά και από απλά κείμενα. Επιπλέον εκπονήθηκε ένα ενοποιημένο μοντέλο σημειολογικής αναπαράστασης της προσωδιακής δομής που επιτρέπει τη βέλτιστη αξιοποίησή της κατά τη μετατροπή κειμένων σε φυσικότερης ποιότητας συνθετική ομιλία, ανεξάρτητα από συγκεκριμένη γλώσσα ή σύστημα μετατροπής κειμένου σε ομιλία. Ο δεύτερος άξονας της διατριβής αφορά την αναπαράσταση σύνθετων οπτικών δομών στο ακουστικό επίπεδο με έμφαση στη «Σχεδίαση για Όλους». Σύνθετες οπτικές δομές όπως οι πίνακες δεδομένων υπάρχουν στα περισσότερα έγγραφα. Τα έγγραφα αυτά είναι φτιαγμένα από το συγγραφέα με σκοπό τη βέλτιστη οπτική απεικόνιση του περιεχομένου στον αναγνώστη. Περιέχουν σύνθετες οπτικές δομές που με τη σειρά τους συνδέουν σε λογικό επίπεδο τα δεδομένα που περιέχονται σε αυτές. Ένας απλός πίνακας περιέχει συσχετισμούς σε δύο διαστάσεις, ενώ ένας σύνθετος πίνακας συσχετισμούς σε τρεις διαστάσεις στο λογικό επίπεδο. Αυτή οι λογική αναπαράσταση μπορεί να αποσυντεθεί μέσω της οπτικής αναπαράστασης από βλέποντες αναγνώστες και να γίνει κατανοητή. Αντίθετα η ακουστική αναπαράσταση από έναν αναγνώστη οθόνης και συνθέτη οδηγεί σε απώλεια της λογικής συσχέτισης των δεδομένων και σε μεγάλο βαθμό της κατανόησης. Μια σειρά ψυχοακουστικών πειραμάτων είχε σαν σκοπό την ανάλυση απλών και σύνθετων πινάκων δεδομένων ως προς την υποκείμενη λογική δομή. Η ανάλυση που ακολούθησε έδειξε ότι υπάρχει συστηματική σημασιολογική αναπαράσταση των δεδομένων των πινάκων με βάση τις ιεραρχικά οργανωμένες έννοιες. Έπειτα, μοντελοποιώντας την ανθρώπινη φυσική απόδοση παρήχθει το βέλτιστο μοντέλο προσωδιακών παραμέτρων για τη Μετατροπή Πινάκων-σε-Ήχο. Τέλος η αξιολόγηση έδειξε ότι η χρήση του μοντέλου αυτού έχει ακρίβεια 99% για απλούς πίνακες και 95 έως 99% για σύνθετους πίνακες, μια βελτίωση 14-20% στην κατανόηση, ακουστική προσπάθεια, συνολική εντύπωση και αποδοχή εκ μέρους των χρηστών.

show abstract

Multilingual Personalized Information Objects

Cited by 7 publications

References 13 publications

Personalization in cultural heritage: the road travelled and the one ahead

Personalization in cultural heritage: the road travelled and the one ahead

Tone-Group F0 selection for modeling focus prominence in small-footprint speech synthesis

Βελτίωση Ποιότητας Συνθετικής Ομιλίας Μέσω Προσωδιακών Χαρακτηριστικών

Contact Info

Product

Resources

About