Reconocimiento de los numeros catalanes mediante semisilabas y con..

:e 3 y ~e o ~ l la )S je :!S la ~ l RECONOCIMIENTO DE LOS NUMEROS CATALANES l\!IEDIANTE SEMISILAUAS Y CON LA AYUDA DE lJNA GRAMATICA MúritL)' F1aquer, C!únem Nadeu, José B. Mariñv Depto. de Tcor·ía del Seny<al i Comunicaduus, U.P.C. Corno herramienta básica se lla utilizado un sistema de reconocimiento para unidades del habla conectadas dependiente del locutor y basado f:n el ajuste de patrones, sirvié11donos para este ajuste del algoritmo de proyramación dináfllica de un solo paso con restnccione~ gramaticJies (1 ]. Las unidades elegidas son las sernisílabas (ss), ontendiend0 por ellas caJa una de las rr11tades que surgen de p311ir una sílaba p0r su núcleo. Aparecen por tanto ss rniciales (/:;::;i!-) y finales (!::;sf/-). Así. tJI número 4 (quatra) lonetizado y silabificado sería kwA · -rrJ. y sernisilabificado aparecaría como lkwN--IA '1/tr J/--IJ/. Las ss utilizadas son las que aparecen en los números catalanes del O al 1000. Cada patrón de referencra está fomrado por la parametrización LPC ue u11a set'\al correspondiente a la realización de una ss. Mientras que para las ssi sólo contemplamos un patrón de referencia, algunas ssf presentan dos e incluso cuatro. Asi, se distinguió entre contaxto tónico y áfono p.ej., -/iG/ en síG (5) o en s1GkwA 'ntJ (50)-, y en el caso de las ssf sin coda (acabadas en vocal) y las acabadas en s, también entre contexto interno y final de palabra p.ej., en sJtA 'ntJ (70). la primera -IJ/, sería interna y la última final-. Los patrones de referencia se extraen de palabras artificiales o logotomas que incluyen la semisílaba en un contexto que pretende ser rnáxirnamente neutro. Esta exigencia de neutralidad contextua! determina la forma del logotoma, que en general definiremos bisílabo y de la siguiente manera: ssi tónica --> sílaba tónica y sin coda t· p<l (p.e. kwA'pJ para /kwA'I-) ssi átona _, sílaba átona y sin coda + pA' (p.e. trJpA · para !Ir JI-) ssf tónica interior ---; p + sílaba tónica + tJ (p.e. píntJ para -línl) ssf átona interior ---; p + sílaba átona + pA' (p.e. pintA' para -/in!) ssf tónica linal ---; tJ + sílaba tónica (p.e. tdpíl para -/í/1) ssf átona final ___, tA' + sílaba átona (p.e. tA 'pu para -!u!) A veces, y para obtener correctamente ciertas referencias, será necesario violar las anteriores reglas ( -énzl obtenido de pénzBJ y no de pénztJ, ... ). llegando incluso a logotomas trisílabos para 8 y O (pJBúpJ • !Bu/-). Diseño de la gramática Una gramática es un autómata que conoce todas las cadenas de ss de un determinado lenguaje. Cada estado del autómata corresponde a una unidad sintáctica o gramatical distinta. Una unidad fonética determinada (una ss en nuestro caso) puede dar lugar a varias unidades sintácticas diferentes; ello ocurrirá cuando haya que definir conjuntos distintos de unidades predecesoras o posdecesoras. Además, una gramática bien pensada -esto es importantepermite evitar una proliferación del juego de patrones de referencia, soslayando por tanto un aumento de memoria y cálculo. Para la generación automática de una grawática necesitaremos inicialmente un fichero con el lenguaje fanatizado y sernisilabificado de acuerdo con unas normas generales (en nuestro caso el {!zE!--IÉI!rul-- !u/, .. ,/mi/--/íll)). Por enumeración del vocabulario se obtiene una gramática inicial, muy redundante, a la que se aplica un algoritmo que consigue una sintaxis equivalente aunque mucho menor. Con todo, este método general no se ha seguido para tos números a causa de elevada estructuración de éstos, ya que podemos llegar a la gramática de los números a partir de combinar subgramáticas menores (la de los dígitos, la de las decenas . .. ), resultando así mucllo más simple el proceso de creación y reducción de una sintaxis. ·9!-i- Con todo, la sintaxis asl obtenida -por uno u otro métodoaún no es definitiva. Será necesario mejorarla manualmente, mediante la substitución de cadenas que no se darán en la práctica por otras y la adición de transcripciones alternativas de 4 tipos, a veces imbricados: 1 ) Qoosid~io.D.e.s..:tlab~rutl.abm2 ) ~rmüir.Ja~_SirLc®.a...mt.QQs.icló.nJn~. Una útil modificación fué permitir jugar con la duración de las vocales. En general, los patrones de referencia fueron obtenidos de logotomas bisllabos (o sea, con una dicción pausada), mientras que para palabras largas la velocidad ~umenta, difiriendo cada vez más las longitudes de las ss de referencia y prueba. Para combatir este fenómeno, al menos en parte, se permitió prescindir de las semisllabas finales sin coda en posición interior de palabra. Asf, alternativamente a lsJ/--IJI/SA/--IA 'nl/tJ/-- IJI!kwA/--IA '1/trJ/--IJ/ (64) se permitió también /sol- !SN--IA'nlltJIlkwAIltrai-- IJI. además de las posibilidades intermedias entre ambos extremos. Esta táctica se reveló muy útil, apareciendo con profusión para números de 3 o más sílabas, y no dándose jamás para números con menos de 3, como era de esperar. 3 ) Diferenciación de las ssf sin coda eotre interiores y finales, Para las ssf sin coda, mejor aún que considerar 2 patrones (interior y final) para una misma unidad (fonética), y dado que la sistemática preferencia del algoritmo en los reconocimientos correctos por el patrón adecuado (al contexto) sólo fallaba para algún mal reconocimiento, se decidió contemplar dos unidades distinta~. lo que enderezó los anteriores errores. 4 ) Modelado de nuevos sonidos sin variar el conjunto de_patrones de refe[encia. Por ejemplo, se observó que para las palabras acabadas en vocal tónica (p.e. 31 ~ trEntJú, incluso trEntú), frecuentemente esta vocal era seguida de ella misma pero átona y sensiblemente menos enérgica (es decir, trEntúu), dando lugar a una suerte de vocal alargada. Se permitió pues finales del tipo - lúllul--lul y -lúl -/u/ junto al hasta ahora sólo contemplado -lúl, apareciendo profusamente en el reconocimiento la segunda alternativa. El mismo tipo de solución permitió utilizar patrones de referencia de diptongos interiores de palabra en el reconocimiento de diptongos finales, evitando asf nuevas referencias. Veamos otro caso. El grupo (vocal + oclusiva + fricativa) -p.e. sÉ.l$_éns, 700es esencialmente (vocal interior + silencio corto + fricativa), a causa de la cortfsima duración en nuestro caso de la oclusiva t. Así, el uso p.e. de -/Étl (tapÉt), aún siendo acertado para posición final -reconocimiento de 7 (sÉt) y similaresresulta impropio (a causa de la larga t) en posición interior (p.e. 700). Se decidió, pues, para la unidad -/Ét/, junto al antiguo patrón de referencia (tapÉt), un segundo idéntico a -IÉI;nt (pÉpJ); y los mismo para -/uif/ (búit,buitséns ... ), conviviendo el viejo patrón (tJpúit) y el nuevo, idéntico a -luil (tapuipA '). Este cambio se demostró totalmente adecuado ya que se reconoció siempre con el nuevo patrón para el caso interior. Resultados El sistema tuvo una tasa de reconocimiento del 100% sobre 62 números probados, elegidos para que cada ss <1parezca al menos dos veces en un contexto dado. A lo sumo, se detecta alguna semisílaba falsa que no afecta 81 mensaje del número reconocido por tratarse de una alternativa (p.e. y a causa del ruido final, reconocer bintiún cuando se dijo bintiú, 21 ). Porcentualmente, las mejoras más significativas en la eliminación de errores se encuentran en los puntos 1 a 3, mientras que las otras ideas corrigen los errores restantes, pero sobre todo mejoran reconocimientos ya correctos (21. Referencias bibliográficas ( 1 1 J.B. Marino, C. Nadeu, A. Moreno, E. Ueida y E. Monte. "Recognition of numbers and strings of numbers by using of demisyllabes; one speaker experiment". EUROSPEECH'89, París, Septiembre 1989, págs. 215-218. [ 21 M. Flaquer i Molina. "Reconeixement deis nombres catalans del O al 1 ooo·. Proyecto Fin de Carrera. E.T.S.E.T.B.-U.P.C., Febrero 1990. -96-