Go to originalLocalized version was produced by AI. It may contain inaccuracies.
Preparing document pages…
Page 1
PIJUS KASPARAITIS, GINTARAS SKERSYS
Πανεπιστήμιο του Βίλνιους
Η σημερινή κατάσταση και οι προοπτικές της σύνθεσης λιθουανικής ομιλίας
ΛΕΞΕΙΣ-ΚΛΕΙΔΙΑ: λιθουανική γλώσσα, σύνθεση ομιλίας, έργο LIEPA.
ΕΙΣΑΓΩΓΗ
Η ομιλία είναι ο πιο φυσικός και αποδεκτός τρόπος επικοινωνίας μεταξύ ανθρώπου και υπολογιστή, επομένως δεν προκαλεί έκπληξη το γεγονός ότι καταβάλλονται μεγάλες προσπάθειες για τη βελτίωση των δυνατοτήτων των υπολογιστών να μιλούν διάφορες γλώσσες. Η λιθουανική γλώσσα δεν αποτελεί εξαίρεση. Παρότι έχει περάσει ένα τέταρτο του αιώνα από τις πρώτες προσπάθειες να «μιλήσει» ο υπολογιστής λιθουανικά, μπορεί να ειπωθεί ότι η ουσιαστική πρόοδος σημειώθηκε μόλις το 2015, με την ολοκλήρωση του έργου «Υπηρεσίες ελεγχόμενες με λιθουανική ομιλία» (LIEPA). Στο πλαίσιο του έργου LIEPA δημιουργήθηκε ένα ηλεκτρονικό πρόγραμμα ανάγνωσης κειμένου (συνθέτης ομιλίας) με 4 φωνές, καθώς και 7 υπηρεσίες που το χρησιμοποιούν. Για περισσότερες πληροφορίες, δείτε τον ιστότοπο του έργου LIEPA (https://www.raštija.lt/liepa). Οι αλγόριθμοι, οι βάσεις ήχων που χρησιμοποιήθηκαν στους συνθέτες λιθουανικής ομιλίας, καθώς και τα αποτελέσματα που επιτεύχθηκαν (καταληπτότητα και φυσικότητα της ομιλίας), περιγράφονται λεπτομερέστερα στο άρθρο (Kasparaitis 2016), ενώ στην παρούσα εργασία θα συζητηθούν νέες υπηρεσίες που βασίζονται στη σύνθεση ομιλίας και δημιουργήθηκαν κατόπιν των δραστηριοτήτων του έργου LIEPA, καθώς και υπηρεσίες που ενδέχεται να εμφανιστούν στο εγγύς μέλλον.
1. ΥΦΙΣΤΑΜΕΝΕΣ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΣΥΝΘΕΤΗ ΟΜΙΛΙΑΣ
Το ηλεκτρονικό πρόγραμμα ανάγνωσης κειμένου που δημιουργήθηκε στο πλαίσιο του έργου LIEPA διανέμεται ελεύθερα μαζί με τους πηγαίους κώδικες, γεγονός που δίνει τη δυνατότητα και σε άλλα άτομα και οργανισμούς, που δεν σχετίζονται με το έργο LIEPA, να αναζητούν διαρκώς νέους και ολοένα πιο ποικίλους τρόπους αξιοποίησης του συνθέτη ομιλίας.
1.1. Παράσταση Remote Vilnius
Για πρώτη φορά, οι φωνές του συνθέτη LIEPA, Aistė και Edvardas, χρησιμοποιήθηκαν ενώ ακόμη δεν είχαν ολοκληρωθεί. Αυτό συνέβη στο διεθνές θεατρικό φεστιβάλ Sirenos 2014, στο οποίο
Page 2
PIJUS KASPARAITIS, GINTARAS SKERSYS. Lietuviško balso sintezės dabartis ir perspektyvos | 2
παρουσιάστηκε η παράσταση Rimini Protokoll, που δημιουργήθηκε ειδικά για το Βίλνιους, Remote Vilnius. Στην παράσταση δεν υπάρχει ούτε σκηνή ούτε ηθοποιοί. Ο τόπος της δράσης είναι επιλεγμένοι ειδικά δρόμοι του Βίλνιους ή άλλοι χώροι της πόλης, τα σκηνικά είναι σπίτια, αυτοκίνητα και περαστικοί, ενώ οι ηθοποιοί —που είναι ταυτόχρονα και θεατές— είναι μια ομάδα περίπου 50 ατόμων εξοπλισμένη με ακουστικά, από τα οποία ακούγονται οι συνθετικές φωνές της Aistė ή του Edvardas (στην παράσταση, του Juozas), οι οποίες προσπαθούν να κερδίσουν την εμπιστοσύνη των ακροατών, να τους κινήσουν το ενδιαφέρον και τελικά να ελέγξουν αυτή την ομάδα ανθρώπων. Η παράσταση μοιάζει να προλέγει το μέλλον της ανθρωπότητας, όταν οι υπολογιστές θα διοικούν τους ανθρώπους. Ένα στιγμιότυπο από την παράσταση παρουσιάζεται στο σχ. 1· αποσπάσματα της παράστασης βρίσκονται στο αρχείο πολυμέσων του LRT (FLM1 2014). Η παράσταση απέσπασε πληθώρα σχολίων στον Τύπο· κατάλογο συνδέσμων θα βρείτε στα νέα του έργου LIEPA (LN1 2014).
Για την παράσταση χρειάζονταν ακριβώς φωνές που να ακούγονται μηχανικές και αφύσικες, γι’ αυτό οι ακόμη ατελειοποίητες φωνές του συνθέτη ταίριαζαν απόλυτα. Οι ηχογραφήσεις των φωνών εμπλουτίστηκαν επίσης με διάφορα ηχητικά εφέ.
ΣΧ. 1. Στιγμιότυπο από την παράσταση Remote Vilnius (φωτογραφία του D. Matvejevas)
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351-7204
Page 3
PIJUS KASPARAITIS, GINTARAS SKERSYS. Lietuviško balso sintezės dabartis ir perspektyvos | 3
1.2. Εκφώνηση άρθρων σε ιστότοπους
Μια άλλη προφανής και, επομένως, πολυάριθμη κατηγορία εφαρμογών είναι η εκφώνηση διαδικτυακών άρθρων, ειδήσεων κ.λπ. Την ουσία περιγράφει ίσως καλύτερα ο τίτλος ενός άρθρου της Lietuvos žinios (LŽ 2015): Από εδώ και στο εξής, η «Lietuvos žinios» δεν διαβάζεται μόνο, αλλά και ακούγεται. Με άλλα λόγια, δίπλα στο κείμενο του άρθρου δημοσιεύεται και η ηχογράφηση της φωνής. Η πύλη της Lietuvos žinios (http://lzinios.lt/) και η έκδοσή της για κινητά (http://m.lzinios.lt/)) ήταν η πρώτη που άρχισε να χρησιμοποιεί τον συνθέτη για τον σκοπό αυτό, από τις 14 Σεπτεμβρίου 2015· από τα τέλη Οκτωβρίου 2015 άρχισε να τον χρησιμοποιεί και η Ūkininko patarėjas (http://ukininkopatarejas.lt/),), από τον Φεβρουάριο του 2016 ο ιστότοπος του Δήμου Βίλνιους Vilniaus miesto savivaldybės (http://www.vilnius.lt/)) (VLN 2016), και από τον Φεβρουάριο του 2017 η έκδοση για κινητά της ειδησεογραφικής πύλης Delfi (http://m.delfi.lt/)) (DELFI 2017).
Στους ιστότοπους αυτούς ο αριθμός των νέων άρθρων που εμφανίζονται είναι αρκετά μεγάλος, γι’ αυτό η ηχογράφηση της φωνής που παράγεται από το κείμενο δεν διορθώνεται πλέον, καθώς δεν θα επαρκούσαν ο χρόνος, οι πόροι κ.λπ. Είναι πολύ σημαντικό ο συνθέτης να κάνει όσο το δυνατόν λιγότερα λάθη. Οι μεγαλύτερες δυσκολίες για τους δημιουργούς του συνθέτη προκαλούνται από την αρχική επεξεργασία του κειμένου, δηλαδή τη μετατροπή αριθμών, ημερομηνιών, συντομογραφιών, ειδικών συμβόλων και άλλων μη κειμενικών πληροφοριών σε κείμενο. Σε διάφορους ιστότοπους ενδέχεται να εφαρμόζονται διαφορετικοί κανόνες προετοιμασίας κειμένου, γι’ αυτό το τμήμα επεξεργασίας κειμένου του συνθέτη πρέπει να προσαρμόζεται σε κάθε ιστότοπο.
Οι ηχογραφήσεις φωνής μπορούν να παρέχονται δίπλα στα άρθρα και σε ιστότοπους με σταθερό περιεχόμενο. Η σημαντικότερη διαφορά σε σχέση με την εφαρμογή που περιγράφηκε προηγουμένως είναι ότι ο αριθμός των άρθρων είναι πεπερασμένος ή μεταβάλλεται αργά, οπότε το κείμενο κάθε άρθρου μπορεί να προσαρμοστεί στον συνθέτη ή, γενικότερα, να προετοιμαστούν δύο εκδοχές του κειμένου: μία για τον αναγνώστη και μία για τον συνθέτη. Επίσης, ο συνθέτης μπορεί να προσαρμοστεί κάπως στο κείμενο, για παράδειγμα με την προσθήκη συντομογραφιών στο λεξικό του. Παράδειγμα αυτής της εφαρμογής είναι η Visuotinė lietuvių enciklopedija (https://www.vle.lt/).)· το απόσπασμα της ενότητας «baltai» (VLE 2017) δείχνει παραστατικά ποιο κείμενο παρουσιάζεται στον αναγνώστη και πώς θα πρέπει να το αναδιαμορφώσει ο συνθέτης πριν το διαβάσει:
«…η πρωτογλώσσα των δυτικών χωρίστηκε γύρω στα μέσα της 1ης χιλιετίας π.Χ.»
«…η πρωτογλώσσα των δυτικών Βαλτών χωρίστηκε γύρω στα μέσα της πρώτης χιλιετίας π.Χ.»
Προς το παρόν, ο συνθέτης διαβάζει μη προετοιμασμένο κείμενο, δηλαδή ο ίδιος ο συνθέτης θα πρέπει να αποφασίσει ποια λέξη να εισαγάγει στη θέση του τριγώνου, να επιλέξει την κλιτή μορφή του αριθμητικού, να αναπτύξει τις συντομογραφίες,
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351–7204
Page 4
PIJUS KASPARAITIS, GINTARAS SKERSYS. Lietuviško balso sintezės dabartis ir perspektyvos | 4
να συμφωνεί τις πτώσεις των λέξεων, αν και δεν ξέρει ακόμη να το κάνει. Σε αυτό το παράδειγμα υπάρχει και ένα ακόμη μικρό πρόβλημα που περνά απαρατήρητο από τον αναγνώστη: στη θέση της παύλας χρησιμοποιήθηκε ενωτικό.
1.3. Υπηρεσία εκφώνησης κειμένου
Οι υπηρεσίες εκφώνησης κειμένου χρησιμοποιούνται συχνότερα από τυφλούς και άτομα με μειωμένη όραση, αλλά μπορούν να είναι χρήσιμες και σε άλλους χρήστες, για παράδειγμα σε μαθητές ή φοιτητές για την εκφώνηση σημειώσεων διαλέξεων. Μία από αυτές τις υπηρεσίες είναι η RoboBraille, η οποία δημιουργήθηκε από το Synscenter Refsnæs από κοινού με την Sensus ApS από τη Δανία (http://robobraille.org/). Οι λιθουανικές συνθετικές φωνές που δημιουργήθηκαν στο έργο LIEPA είναι διαθέσιμες στην υπηρεσία RoboBraille από τον Νοέμβριο του 2015 (ROBO 2015, LN2 2015). Η υπηρεσία RoboBraille επιτρέπει την αυτόματη μετατροπή εγγράφων κειμένου σε πολλές εναλλακτικές μορφές, κατάλληλες για άτομα με προβλήματα όρασης ή ανάγνωσης. Μία από τις διαθέσιμες μορφές είναι το αρχείο ήχου MP3. Πρόκειται για υπηρεσία αυτοεξυπηρέτησης, διαθέσιμη 24 ώρες την ημέρα, 7 ημέρες την εβδομάδα. Η υπηρεσία είναι δωρεάν για μεμονωμένους μη εμπορικούς χρήστες. Επιτρέπει είτε την επιλογή ενός ή περισσότερων αρχείων κειμένου (διαθέσιμες μορφές: .DOC,.DOCX,.PDF,.PPT,.PPTX,.TXT,.HTML,.HTM,.RTF,.EPUB,.MOBI κ.ά.), είτε τον ορισμό μιας διεύθυνσης στο Διαδίκτυο, είτε απλώς την εισαγωγή του επιθυμητού κειμένου στο ειδικό πεδίο. Στη συνέχεια μπορεί κανείς να επιλέξει μία από τις τέσσερις λιθουανικές φωνές και μία από τις επτά ταχύτητες. Όταν το σύστημα ετοιμάσει το αρχείο ήχου MP3, στέλνει στον χρήστη, στη διεύθυνση ηλεκτρονικού ταχυδρομείου που έχει δηλώσει, σύνδεσμο προς αυτό.
1.4. Πληροφορίες στον σταθμό λεωφορείων
Μια ακόμη εφαρμογή του συνθέτη: η ανάγνωση με συνθετική φωνή ανακοινώσεων για τους επιβάτες σε σταθμούς λεωφορείων και σιδηροδρομικούς σταθμούς, σε αεροδρόμια κ.λπ. Χάρη στις προσπάθειες του Algimantas Ankevičius, διευθυντή του σταθμού λεωφορείων του Vilkaviškis της UAB, αυτό ήδη λειτουργεί. Οι ηχογραφήσεις φωνής αντί για ζωντανό εκφωνητή άρχισαν να χρησιμοποιούνται εκεί το 1980, όταν συνδέθηκε ένα ρολόι σε μαγνητόφωνο· οι ηχογραφήσεις αντικαταστάθηκαν από λιθουανικό συνθέτη φωνής το 2012, ενώ οι φωνές του έργου LIEPA ακούγονται στον σταθμό λεωφορείων του Vilkaviškis από το δεύτερο εξάμηνο του 2015. Για περισσότερες λεπτομέρειες, δείτε το βίντεο (FLM4 2015). Από τις 7 το πρωί έως τις 7 το βράδυ ανακοινώνονται στους επιβάτες η ακριβής ώρα, οι αφίξεις και αναχωρήσεις λεωφορείων και άλλες πληροφορίες. Στην αποβάθρα διαβάζονται μόνο οι ανακοινώσεις, ενώ στην αίθουσα επιβατών διαβάζονται ανακοινώσεις και μεταδίδονται ραδιοφωνικές εκπομπές. Η ανακοίνωση πρέπει να προλάβει να διαβαστεί μέσα σε ένα λεπτό,
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351–7204
Page 5
PIJUS KASPARAITIS, GINTARAS SKERSYS. Lietuviško balso sintezės dabartis ir perspektyvos | 5
επειδή μετά από ένα λεπτό ενεργοποιείται το ραδιόφωνο. Τις ανακοινώσεις διαβάζουν ντουέτα συνθετικών φωνών (εναλλάξ γυναικεία και ανδρική φωνή, μερικές φράσεις η καθεμία), όπως περίπου οι παρουσιαστές τηλεοπτικών εκπομπών.
μιλά λιθουανικά είναι το ανθρωποειδές ρομπότ Robotikos akademijos και της UAB Baltic OrbisNAO (εικ. 2). Προσκάλεσε τους επισκέπτες να περάσουν από το περίπτερο της Λιθουανίας κατά τη διάρκεια της εκδήλωσης EU OPEN DAY 2016 που πραγματοποιήθηκε στις Βρυξέλλες, όπου παρουσιάστηκαν οι χώρες της Ευρωπαϊκής Ένωσης (LN3 2016, FLM2 2016). Ο μηχανικός Linas Aidokas της Robotikos akademijos ενσωμάτωσε στο ρομπότ τις λιθουανικές συνθετικές φωνές που δημιουργήθηκαν στο έργο LIEPA και έμαθε στο ρομπότ να κινείται· το σενάριο της εμφάνισης του ρομπότ προετοίμασαν ο καθηγητής Laimutis Telksnys (VU MII), η δρ Rita Miliūnaitė (LKI) και η Tautė Bernotaitė (LKI). Το ρομπότ NAO δίδαξε επίσης λιθουανικές λέξεις στους επισκέπτες της Ευρωπαϊκής Ημέρας Γλωσσών, που πραγματοποιήθηκε στο Μουσείο Ερμιτάζ στην Αγία Πετρούπολη (το περίπτερο της Λιθουανίας επισκέφθηκαν σχεδόν 3.000 άτομα) (FLM3 2016), απήγγειλε απόσπασμα από το Metų του Kristijonas Donelaitis σε συνέδριο που πραγματοποιήθηκε στο Seimas της Δημοκρατίας της Λιθουανίας με τίτλο Ar kalbės robotai lietuviškai? (LN4 2016).
Ίσως μία από τις εφαρμογές του έργου LIEPA που κεντρίζουν περισσότερο το ενδιαφέρον των νεαρών χρηστών σύγχρονων τεχνολογιών
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351-7204
Page 6
PIJUS KASPARAITIS, GINTARAS SKERSYS. Lietuviško balso sintezės dabartis ir perspektyvos | 6
2. ΔΥΝΗΤΙΚΑ ΠΑΡΑΔΕΙΓΜΑΤΑ ΕΦΑΡΜΟΓΗΣ
Σε αυτή την ενότητα θα παρουσιαστούν τα δυνητικά παραδείγματα εφαρμογής της σύνθεσης φωνής που δεν έχουν ακόμη υλοποιηθεί, αλλά έχουν ήδη γίνει τα πρώτα βήματα προς αυτή την κατεύθυνση.
2.1. Μεταφορά του συνθέτη στο OS LINUX
Ο συνθέτης του έργου LIEPA δημιουργήθηκε για περιβάλλον Windows. Με την προσαρμογή του για περιβάλλον Linux, θα αυξανόταν ο αριθμός των χρήσεών του. Πρώτα απ’ όλα, θα χρησιμοποιούνταν για την εκφώνηση άρθρων από διαδικτυακές εφημερίδες, περιοδικά και άλλους παρόμοιους ιστοτόπους, όπως περιγράφηκε ήδη στην ενότητα 1.2, αλλά σε ιστοτόπους που υλοποιούνται με βάση το Linux.
Αντίστοιχα, ο συνθέτης θα χρησιμοποιούνταν και για την εκφώνηση ιστοτόπων με πιο σταθερό περιεχόμενο· για παράδειγμα, σχεδιάζεται να εκφωνηθεί η εγκυκλοπαίδεια Wikipedia (βλ. Chirgwin 2016).
2.2. Εικονικοί βοηθοί
Με την εξέλιξη της τεχνητής νοημοσύνης αναπτύσσονται εικονικοί βοηθοί που μπορούν να απαντούν σε ερωτήσεις που οι άνθρωποι διατυπώνουν ελεύθερα. Στον ιστότοπο του Τμήματος Μετανάστευσης του Υπουργείου Εσωτερικών της Δημοκρατίας της Λιθουανίας (http://www.migracija.lt/), οι εικονικοί βοηθοί Martynas και Ieva εξυπηρετούν τους επισκέπτες. Μπορεί κανείς να τους υποβάλει ερωτήσεις, στις οποίες απαντούν ή παραθέτουν έναν κατάλογο συνδέσμων προς σχετικές σελίδες του ιστοτόπου. Για παράδειγμα, στην ερώτηση Πόσο κοστίζει ένα διαβατήριο θα δοθεί η ακόλουθη απάντηση:
Καθορισμένα κρατικά τέλη για την έκδοση προσωπικών εγγράφων:
• Διαβατήριο;
• Δελτίο ταυτότητας;
• προσωρινό πιστοποιητικό πολίτη.
Απαλλαγή από την καταβολή τέλους
Τρόπος πληρωμής
Σας εφιστούμε την προσοχή ότι τα προσωπικά έγγραφα εκδίδονται από τις υπηρεσίες μετανάστευσης των κατά τόπους αστυνομικών αρχών.
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351-7204
Page 7
PIJUS KASPARAITIS, GINTARAS SKERSYS. Lietuviško balso sintezės dabartis ir perspektyvos | 7
Ανοίγει επίσης η σελίδα Κατάλογος κρατικών τελών. Η ίδια απάντηση δίνεται και στην ερώτηση Πόσο κοστίζει η ταυτότητα, δηλαδή οι απαντήσεις είναι προετοιμασμένες εκ των προτέρων και κάπως γενικότερες από τις ερωτήσεις.
Σε ακατάλληλες ερωτήσεις ο βοηθός δίνει απαντήσεις του τύπου: Παρακαλούμε διευκρινίστε την ερώτηση· Θα προσπαθήσω να σας βοηθήσω, αν υποβάλετε σύντομες ερωτήσεις· Θα προσπαθήσω να απαντήσω στην ερώτησή σας στο πλαίσιο των αρμοδιοτήτων του Τμήματος Μετανάστευσης.
Ένα από τα μειονεκτήματα των εικονικών βοηθών είναι ότι οι απαντήσεις τους δεν εκφωνούνται στα λιθουανικά.
ΕΙΚ. 3. Οι εικονικοί βοηθοί Ieva και Martynas (http://www.migracija.lt/)
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351-7204
Page 8
PIJUS KASPARAITIS, GINTARAS SKERYS. Lietuviško balso sintezės dabartis ir perspektyvos | 8
2.3. ΡΟΜΠΟΤ MIO MOBILE KIOSK
Πολλοί παραθεριστές στις παραλίες της Παλάγκα έχουν δει νέους φορτωμένους με ισοθερμικές τσάντες να φωνάζουν αδιάκοπα: «Ζεστά τσεμπουρέκια! Τηγανητό ψωμί! …» Αυτή τη δουλειά θα μπορούσε να την κάνει και ένα ρομπότ. Ένα αυτόνομο κινητό μηχάνημα πωλήσεων, σχεδιασμένο ακριβώς για αυτόν τον σκοπό και με την ονομασία MIO mobile kiosk (Εικ. 4), αναπτύσσεται αυτή την περίοδο από μία λιθουανική νεοφυή επιχείρηση (http://miokiosk.com/) (Fuks 2016). Αναμένεται ότι θα μπορεί να μεταφέρει και να πωλεί σνακ και ποτά σε πάρκα, πλατείες και δημόσιους χώρους, καθώς και κατά τη διάρκεια διαφόρων εκδηλώσεων. Προγραμματίζεται να είναι δυνατή η κλήση του ρομπότ μέσω εφαρμογής για κινητά, ενώ για την επικοινωνία με τον αγοραστή θα χρησιμοποιείται οθόνη αφής. Για τη διευκόλυνση των χρηστών, το ρομπότ θα μπορούσε επίσης να μιλά λιθουανικά: να καλεί τους πελάτες, να διαφημίζει τα προϊόντα του, να παρέχει οδηγίες χρήσης κ.λπ.
ΕΙΚ. 4. MIO mobile kiosk (http://miokiosk.com/)
2.4. Αυτόματα προγράμματα μετάφρασης
Οι πρώτες εφαρμογές υπολογιστή ικανές να μεταφράζουν κείμενο από μία γλώσσα σε άλλη εμφανίστηκαν ήδη πριν από αρκετές δεκαετίες. Ορισμένες από αυτές μπορούν να διαβάζουν με φωνή το κείμενο που μεταφράζεται ή
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351-7204
Page 9
PIJUS KASPARAITIS, GINTARAS SKERSYS. Lietuviško balso sintezės dabartis ir perspektyvos | 9
μεταφρασμένο κείμενο. Για παράδειγμα, μία από τις δημοφιλέστερες εφαρμογές, η μηχανή μετάφρασης Google (http://translate.google.lt/), μπορεί να διαβάσει κείμενο γραμμένο στις γλώσσες γειτονικών χωρών: πολωνικά, ρωσικά, λετονικά. Είναι γνωστές τουλάχιστον 4 εφαρμογές μετάφρασης που μεταφράζουν προς ή από τα λιθουανικά: η μηχανή μετάφρασης Google που αναφέρθηκε ήδη, η μηχανή μετάφρασης Microsoft (http://www.bing.com/translator/),, η μηχανή μετάφρασης του Πανεπιστημίου Vytautas Magnus (http://vertimas.vdu.lt/twsas/),, η Tildė IT και η μηχανή μετάφρασης του Ινστιτούτου Λιθουανικής Γλώσσας (https://translate.tilde.com/lt/).. Δυστυχώς, αυτές οι εφαρμογές μετάφρασης δεν μπορούν να διαβάσουν δυνατά λιθουανικό κείμενο.
2.5. Προσαρμογή των έξυπνων τηλεφώνων για τυφλούς
Τα τελευταία χρόνια, πολλές εργασίες που οι άνθρωποι συνήθιζαν να εκτελούν σε υπολογιστές, όπως η περιήγηση στο Διαδίκτυο ή η σύνταξη μηνυμάτων ηλεκτρονικού ταχυδρομείου, εκτελούνται πλέον σε έξυπνα τηλέφωνα. Οι τυφλοί και οι μερικώς βλέποντες δεν αποτελούν εξαίρεση· και αυτοί χρησιμοποιούν όλο και συχνότερα έξυπνα τηλέφωνα. Όπως και κατά τη χρήση υπολογιστών, η ανατροφοδότηση στους τυφλούς παρέχεται με φωνή. Για τον σκοπό αυτό, τα έξυπνα τηλέφωνα διαθέτουν ενσωματωμένους συνθέτες φωνής και προγράμματα ανάγνωσης οθόνης για τυφλούς, συνδεδεμένα μαζί τους μέσω τυποποιημένης διεπαφής. Τα δημοφιλέστερα λειτουργικά συστήματα έξυπνων τηλεφώνων και τα ενσωματωμένα σε αυτά προγράμματα ανάγνωσης είναι τα εξής: το ανοικτό σύστημα Android και το πρόγραμμα ανάγνωσης TalkBack, το Apple iOS της εταιρείας VoiceOver, το Microsoft Windows Mobile της εταιρείας και το Narrator. Δυστυχώς, ούτε η Apple ούτε η Microsoft έχει αναπτύξει λιθουανικό συνθέτη φωνής, ενώ οι δυνατότητες εγκατάστασης ενός συνθέτη που έχει αναπτύξει ο χρήστης στις συσκευές τους είναι ειδικά περιορισμένες. Επομένως, προς το παρόν είναι δυνατή η φωνητική λειτουργία στα λιθουανικά μόνο σε έξυπνα τηλέφωνα με σύστημα Android. Για τον σκοπό αυτό, θα πρέπει να μεταφερθεί το λογισμικό του συνθέτη στο σύστημα Android και να δημιουργηθεί μια τυποποιημένη διεπαφή, ώστε οι τυφλοί να μπορούν να χρησιμοποιούν το έξυπνο τηλέφωνο με τη βοήθεια του ενσωματωμένου προγράμματος ανάγνωσης οθόνης TalkBack. Υπάρχουν μερικά εμπόδια που σχετίζονται με τη μεταφορά του συνθέτη LIEPA στο σύστημα Android:
Τα έξυπνα τηλέφωνα διαθέτουν συνήθως λιγότερη μνήμη από τους υπολογιστές, επομένως θα ήταν αναγκαίο να μειωθούν οι βάσεις ήχων, πράγμα που θα μπορούσε να υποβαθμίσει την ποιότητα της φωνής. Ωστόσο, στα έξυπνα τηλέφωνα ενδέχεται να επαρκεί και χαμηλότερη συχνότητα δειγματοληψίας του σήματος· έτσι θα μπορούσαν να μειωθούν οι βάσεις ήχων μόνο με τη μείωση της συχνότητας·
Στο σύστημα Android, η διεπαφή προγραμματίζεται συνήθως στη γλώσσα προγραμματισμού Java, η οποία ανήκει στις διερμηνευόμενες γλώσσες, ενώ ο συνθέτης έχει γραφτεί στη γλώσσα C, η οποία είναι
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351-7204
Page 10
PIJUS KASPARAITIS, GINTARAS SKERSYS. Lietuviško balso sintezės dabartis ir perspektyvos |10
μεταγλωττιζόμενη· ευτυχώς, στο σύστημα Android υπάρχει δυνατότητα κλήσης συναρτήσεων C από τη Java και αντίστροφα·
• Ο συνθέτης πρέπει να είναι σε θέση να διακόπτει γρήγορα την ανάγνωση μιας φράσης που έχει ήδη αρχίσει και να περνά στην επόμενη·
• Το σύστημα Android χρησιμοποιείται από πολλούς κατασκευαστές σε διαφορετικά μοντέλα τηλεφώνων. Τα στοιχεία του μενού, οι ειδοποιήσεις, οι συντομογραφίες που χρησιμοποιούνται σε αυτά και ούτω καθεξής ενδέχεται να διαφέρουν. Για παράδειγμα, στο τηλέφωνο Samsung Galaxy J3 υπάρχει το στοιχείο μενού Αυτ. γραφ. κεφαλ., το οποίο θα πρέπει να διαβάζεται Αυτόματη χρήση κεφαλαίων. Θα πρέπει να πραγματοποιηθεί ειδική προσαρμογή για όσο το δυνατόν περισσότερα διαφορετικά μοντέλα.
2.6. Πλοήγηση αυτοκινήτου
Με τη μεταφορά του συνθέτη φωνής του έργου LIEPA στο περιβάλλον Android και τη δημιουργία μιας τυπικής διεπαφής για αυτό στο περιβάλλον Android, θα μπορούσαν να χρησιμοποιούν τον συνθέτη και άλλες εφαρμογές που κατανοούν αυτή τη διεπαφή. Μία από αυτές είναι η πλοήγηση iGO Primo, η οποία λειτουργεί σε έξυπνο τηλέφωνο Android. Τα περισσότερα συστήματα πλοήγησης χρησιμοποιούν ηχογραφημένες φωνές, και μόνο σε λίγα από αυτά γίνεται σύνθεση φωνής.
Navigacijos sistemos paprastai atlieka šias funkcijas (NAV 2017): įvedus adresą ar žemėlapyje nurodžius vietą, suskaičiuoja ir žemėlapyje parodo visą maršrutą, būsimos kelionės trukmę ir atstumą. Važiuojant priartina žemėlapį, šneka ir rodo, kaip važiuoti. Balsu pasako iš anksto, vėliau kelis kartus pakartoja, kai reikia pasukti, įvažiuoti, išvažiuoti, persirikiuoti ir kt. Klaidingai pasukus perskaičiuoja maršrutą. Perspėja apie svarbias kelionės vietas: valstybės sienos kirtimą, greičio matuoklius, maksimalų leidžiamą greitį ir ar jis neviršytas ir pan.
Δυσκολίες προσαρμογής του συνθέτη στην πλοήγηση:
• Η εφαρμογή πλοήγησης αντλεί πληροφορίες από διάφορες πηγές, όπως χάρτες σε πολλές διαφορετικές μορφές, καταλόγους καμερών ταχύτητας κ.λπ. Πρέπει να μπορεί να διακρίνει τις πληροφορίες που δεν πρέπει να διαβαστούν·
• Τα μηνύματα πλοήγησης δημιουργούνται δυναμικά από πρότυπα που περιέχονται σε αρχεία ρυθμίσεων· τα πρότυπα αυτά μπορούν να συνδυάζονται, να ενσωματώνονται το ένα στο άλλο και να συμπληρώνονται με άλλες πληροφορίες.
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351-7204
Page 11
PIJUS KASPARAITIS, GINTARAS SKERSYS. Lietuviško balso sintezės dabartis ir perspektyvos | 11
Πρέπει να μπορεί να μετατρέπει σωστά τους αριθμούς και τις συντομογραφίες σε μια πρόταση που έχει δημιουργηθεί από πρότυπα, να προσαρμόζει ανάλογα τις πτώσεις τους κ.λπ., για παράδειγμα, Στρίψτε αριστερά σε 3 km και 500 m.
ΣΥΜΠΕΡΑΣΜΑΤΑ
Με την ολοκλήρωση του έργου LIEPA, σημειώθηκε ουσιαστική πρόοδος στην ποιότητα της λιθουανικής σύνθεσης φωνής. Ακόμη σημαντικότερο, όμως, είναι ότι άρχισαν να εμφανίζονται άνθρωποι και οργανισμοί οι οποίοι, με δική τους πρωτοβουλία, άρχισαν να αναζητούν νέες εφαρμογές της σύνθεσης φωνής. Ο συνθέτης χρησιμοποιήθηκε ήδη σε θεατρική παράσταση, καθώς και για την ηχητική απόδοση άρθρων διαδικτυακών περιοδικών, εγκυκλοπαιδειών και άλλων ιστοτόπων· εκφωνεί ενημερωτικά μηνύματα σε σταθμό λεωφορείων, λειτουργεί ως υπηρεσία εκφώνησης κειμένου, ενώ στα λιθουανικά μίλησε και το ρομπότ NAO. Στο εγγύς μέλλον μπορούν να αναμένονται και νέες εφαρμογές. Για να διευρυνθεί ακόμη περισσότερο το φάσμα των εφαρμογών, ο συνθέτης θα πρέπει να μεταφερθεί σε άλλα περιβάλλοντα, όπως υπολογιστές Linux και έξυπνα τηλέφωνα Android. Μια άλλη πρόκληση που αντιμετωπίζεται συνήθως κατά την ανάπτυξη μιας νέας εφαρμογής είναι η βελτίωση της μονάδας προεπεξεργασίας του αρχικού κειμένου ή η προετοιμασία μεγάλου όγκου κειμένων για τον συνθέτη.
ŠALTINIAI
Chirgwin R. 2016, Wikipedia to build and give away speech synthesis code. A talking Wikipedia? Yes please, say the visually-impaired. Prieiga internete: http://www.theregister.co.uk/2016/03/14/wikipedia_seeks_help_for_speech_synthesis/, (žiūrėta 2017 09 01).
FLM1 2014: Teatras. Pasivaikščiojimas po „Sirenas“ su trupėmis „Rimini Protokoll“ ir „Teatr Post“. Prieiga internete: http://www.lrt.lt/mediateka/irasas/65190/teatras nuo 19:50 iki 32:40, (žiūrėta 2017 09 01).
FLM4 2015: Vilkaviškio autobusų stotis. 2015. Prieiga internete: https://www.youtube.com/watch?v=sS9xKZpVeGU, (žiūrėta 2017 09 01).
Fuks E. 2016: Mobilus kioskas: gali atvežti, ko norite. Prieiga internete: http://www.delfi.lt/projektai/archive/mobilus-kioskas-gali-atvezti-ko-norite.d?id=73308794, (žiūrėta 2017 09 01).
Google vertyklė. Prieiga internete: http://translate.google.lt/, (žiūrėta 2017 09 01).
Kasparaitis P. 2016: Lietuviško balso sintezatorių kokybės vertinimas. Kalbų studijos / Studies about languages. 28, 80–91. Prieiga internete: http://kalbos.ktu.lt/index.php/KStud/article/view/15130, (žiūrėta 2017 09 01).
LN3 2016: Lietuviškai šnekantis robotas EU OPEN DAY renginyje. Prieiga internete: https://www.raštija.lt/naujienos/projekto-liepa-naujienos/lietuviškai-šnekantis-robotas-eu-open-day-renginyje/7635, (žiūrėta 2017 09 01).
LN4 2016: Robotas prašneko lietuviškai Lietuvos Respublikos Seime. Prieiga internete: https://www.raštija.lt/naujienos/projekto-liepa-naujienos/robotas-prašneko-lietuviškai-lietuvos-respublikos-seime/7632, (žiūrėta 2017 09 01).
LŽ 2015: Nuo šiol „Lietuvos žinios“ ne tik skaitomos, bet ir klausomos. Prieiga internete: http://lzinijos.lt/lzinijos/Lietuva/nuo-siol-lietuvos-zinios-ne-tik-skaitomos-bet-ir-klausomos/208668, (žiūrėta 2017 09 01).
BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204
Page 13
PIJUS KASPARAITIS, GINTARAS SKERSYS. Lietuviško balso sintezės dabartis ir perspektyvos |13
Microsoft vertyklė. Prieiga internete: http://www.bing.com/translator/, (žiūrėta 2017 09 01).
Migracijos departamentas prie Lietuvos Respublikos vidaus reikalų ministerijos. Prieiga internete: http://www.migracija.lt/, (žiūrėta 2017 09 01).
MIO mobile kiosk. Prieiga internete: http://miokiosk.com/, (žiūrėta 2017 09 01).
NAV 2017: Kaip kas veikia / Navigacinės savybės. Prieiga internete: http://www.euronet.lt/produktai/veikimo-principas/navigacines-savybes, (žiūrėta 2017 09 01).
ROBO 2015: Four New Lithuanian Voices in RoboBraille. Prieiga internete: http://robobraille.org/news/four-new-lithuanian-voices-robobraille, (žiūrėta 2017 09 01).
Tildė IT ir Lietuvių kalbos instituto vertyklė. Prieiga internete: https://translate.tilde.com/lt/, (žiūrėta 2017 09 01).
VLN 2016: www.vilnius.lt – pirmoji iš Lietuvos savivaldybių svetainių, naudojanti teksto skaitytuvą. Prieiga internete: (http://www.vilnius.lt/index.php?2914688187, (žiūrėta 2017 09 01).
Gauta 2017 09 06
PIJUS KASPARAITIS, GINTARAS SKERSYS
Vilniaus universitetas, Matematikos ir informatikos fakultetas
PIJUS KASPARAITIS, GINTARAS SKERSYS. Lietuviško balso sintezės dabartis ir perspektyvos |14
Pijus Kasparaitis, Gintaras Skersys
PRESENT AND PERSPECTIVES OF THE LITHUANIAN TEXT-TO-SPEECH SYNTHESIS
Summary
Lithuanian text-to-speech synthesis is introduced: where it is currently used, where it is intended to be used in the future, what are outstanding unresolved problems and how the philologists could help informatics to solve them.
