RECONOCIMIENTO DEL LOCUTOR EN TELEFONIA:
ACTIVIDADES DEL PROYECTO EUROPEO COST 250*
Ja ie He nando1, Ca men Ga cía-Ma eo2, Leand o Rod íguez-Liña es2
Joaquín González-Rod íguez3, Ja ie O ega-Ga cía3
1Cen o TALP, Dep o. TSC, UPC, Ba celona, [email p o ec ed]
2Dep o. TC, UV, Vigo, 3Dep o. DIAC, UPM, Mad id
* Es e abajo ha sido sub encionado po las p oyec os TIC 98-0685 y TIC 98-0423-C06-01
RESUMEN
El obje i o de es a comunicación es p esen a las ac i idades ealizadas desde no iemb e de
1994 den o del p oyec o “Speake Recogni ion in Telephony”, inanciado po la Comunidad
Eu opea en el ma co del p og ama “Eu opean Coope a ion in he Field o Scien i ic and
Technical Resea ch” (COST), con e e encia COST250. Los países pa icipan es en el p oyec o
COST250 son Bélgica, Dinama ca, Eslo enia, España, F ancia, G ecia, Ingla e a, I landa,
I alia, Holanda, Po ugal, Suecia, Suiza y Tu quía.
1. INTRODUCCIÓN
El obje i o p incipal del p oyec o eu opeo
COST 250 “Speake Recogni ion in
Telephony” [1] es mejo a la ecnología del
econocimien o del locu o median e:
- la mejo a del conocimien o de los
p oblemas
- la e aluación de las écnicas y los
p oduc os ac uales
- la in es igación de nue as écnicas
- la mejo a de los p ocedimien os de
e aluación
El in e és se cen a en el econocimien o del
locu o sob e línea ele ónica, pe o
con ando con que la expe iencia ob enida
pueda aplica se a o as á eas como la
es anda ización de las écnicas de medida y
las p uebas o enses. Pa a abo da es os
obje i os, se han adop ado los p incipios
cien í icos:
- iden i icación de un conjun o de
cues iones ap opiadas
- de inición de expe imen os diseñados
pa a con es a a es as cues iones
- publicación del conocimien o ob enido
El abajo se ha coo dinado en cua o
g upos de abajo:
- Aplicaciones
- Bases de da os
- Algo i mos y Pa áme os
- Valo ación de Sis emas y Di usión de
Resul ados
2. APLICACIONES
En el g upo de abajo de "Aplicaciones" se
de inie on las siguien es á eas cla e:
- e isión de las á eas po enciales de
aplicación de las écnicas de e i icación
de locu o es
- de inición de los c i e ios de
p es aciones pa a cada á ea basados en
asas de e o , can idad de da os de
en enamien o y p ueba, y dependencia/
independencia del ex o
- de inición de una aplicación es ánda
pa a compa a di e en es algo i mos de
e i icación
- es imación del me cado de la
e i icación de locu o es
El obje i o inicial de la acción COST, en
p incipio el econocimien o de locu o es
po línea ele ónica, no impidió que se
conside a an odo ipo de aplicaciones de
econocimien o de locu o es, desde
aplicaciones banca ias emo as al á ea
o ense.
Inicialmen e, el g upo de abajo hizo
ci cula una p opues a p elimina en e los
miemb os de la acción pa a ob ene una
pe spec i a del es ado del a e ac ual, así
como las di e sas opiniones pa icula es.
También se lle ó a cabo una e isión de las
aplicaciones de econocimien o de locu o es
ac uales y po enciales.
Finalmen e, el g upo conside ó las
eacciones del usua io an e la in e acción
con los sis emas au omá icos de
econocimien o de locu o es. Los esul ados
del g upo p opo cionan in o mación ú il
sob e el diseño del diálogo pa a los
di e en es subsis emas y ecomendaciones
pa a el caso de que el p oceso de
e i icación se encuen e con di icul ades.
Una conclusión de los abajos ealizados
po el g upo es que los lími es de la
ecnología de econocimien o de locu o es
son la acep abilidad y la lexibilidad del
usua io. Sus pun os débiles son los iempos
de en enamien o, las asas de acie os en
gene al y la sensibilidad a la a iabilidad,
an o debida al usua io (po ejemplo, po un
es iado) como al p oceso de cap u a de la
oz (po ejemplo, debida al mic ó ono, a la
a je a de sonido o al canal en aplicaciones
ele ónicas).
Va ias de las comunicaciones p esen adas
du an e la acción han des acado la
necesidad de un diseño cuidadoso de la
aplicación, en pa icula del diálogo con el
usua io y la p o isión de mecanismos de
"escape" pa a des ia el p oblema a un
ope ado humano si la au en icación alla
epe idamen e. Es especialmen e impo an e
no desanima al público a usa sis emas de
econocimien o del locu o con in e aces
len as y complicadas.
La in es igación di igida a aplicaciones que
equie en un al o ni el de segu idad ha
e elado que, además de la disminución de
los e o es, las o ganizaciones in oluc adas
p e ie en con igu aciones que puedan
encaja en sus ac uales sis emas de con ol
de accesos.
Pa a sa is ace es as es icciones, se ha
p opues o que la e i icación del locu o
debe combina se con la e i icación de la
in o mación e bal.
De ca a al u u o, la llegada de sis emas
mul imodales de in e az homb e-máquina
puede impulsa el desa ollo de los sis emas
de econocimien o de locu o es. En es e
ipo de en o nos donde la oz hab á
eemplazado al eclado como p incipal
mé odo de comunicación, el
econocimien o del locu o se á la opción
na u al de ga an iza y es ingi el acceso a
la in o mación
3. BASES DE DATOS
La oz es el ma e ial básico de
in es igación en las ecnologías del habla.
La disponibilidad de buenas bases de da os
de oz es c ucial pa a el desa ollo y la
alo ación de sis emas de p ocesado de oz.
Exis en di e sas bases de da os de dígi os,
palab as y ases, pe o la g an mayo ía han
sido diseñadas pa a aplicaciones de
econocimien o del mensaje (habla) y no
del locu o (hablan e) y, po an o, no son
adecuadas pa a la in es igación den o de
es e con ex o.
Los obje i os del g upo “Bases de da os”
son:
- e isión de las bases de da os
disponibles que se han usado en
econocimien o del locu o
- ca ac e ización de bases de da os de
locu o es
- diseño, g abación y p oducción de una
nue a base de da os, llamada
POLYCOST
La base POLYCOST ha sido g abada sob e
línea ele ónica y diseñada pa a a eas de
econocimien o de locu o es. Se g abó a
a és de la ed ele ónica eu opea en e
ene o y ma zo de 1996. Se u ilizó una
ecuencia de mues eo de 8 kHz. La base
con iene unas 10 sesiones de 134 locu o es
de 14 países. Cada sesión cons a de 15
elocuciones: una pa a de ección DTMF, 10
de dígi os conec ados en inglés, 2 con ases
ijas en inglés y 2 lib es en lengua ma e na.
La lengua ma e na de la mayo ía de
locu o es no es el inglés, lo cual posibili a
expe imen os sob e a iabilidad in a/in e -
locu o /lengua.
4. ALGORITMOS Y PARÁMETROS
Las di e encias en e locu o es ienen un
doble o igen: di e encias en la ana omía de
los ó ganos de p oducción del habla y
di e encias en la o ma de p oducción del
habla adqui ida po el locu o . El p og eso
en el modelado de es as di e encias en e
locu o es y la compa ación de las mismas
es necesa io pa a la mejo a de los sis emas
ac uales de econocimien o. El obje i o de
del g upo “Algo i mos y Pa áme os” de la
acción es la iden i icación de los pa áme os
que mejo ca ac e izan la iden idad del
locu o y el desa ollo de algo i mos de
compa ación e icien es.j22. e D -0.2753 Tc 4.4002 Tw (a en e) 437 0s 83D -0.402 83D -0c 4mie a sijoe enlade Tw (dew (OLYolos ca d p og eso ) Tj0 -12 17TD -0.14838 Tc 3.56jee los habca (exee enTw cu o eie do habla y) Tj0 Tc 0.375 Tw ( ) T2 Tc 0.3953 Tc cia (eloc5 Tw44.) Tj59.25 0 TD 0 Tc 0.375 Tw 44.) T-180.75 -17.25 TD /F0.00* -0.3953 Tc- Tw (esj59.25 0 T875 Tw 0. Tj50.25 0 TD /F0 10.5271* -0.208 TD5c 0.6396hab pa u a a c363la iddw (l5 Tw 2 ) Tj180.75 0 TD /F0 9 T0Tc 0.375 Tw (34.) T-180.75 -170.00* -0.3c- Tw (esj59.25 0 T875 Tw 0. Tj50.25 0 TD /F0 10.53TD -0.308 Tc 2.65la a1 odó gex a de p oduccin de los pa  Tw 49T) Tj50.25 0 TD /F0 9 T0Tc 0.375 Tw (62 Tj-180.75 -170.00* -0.3c- Tw (esj59.25 0 T875 Tw 0. Tj50.25 0 TD /F0 10.534 TD 0.25.46 Tc 2.43 n ew (eloéss nodiomaocu o da pa5 Tw 33. Tj50.25 0 TD /F0 9 T0Tc 0.375 Tw (47-185 -170.00* -0.3c- Tw (esj59.25 0 T875 Tw 0. Tj50.25 0 TD /F0 10.5296* -0.39.1713c 2.43 n Tw ( econocimda po elencl i (eala eu op3Tj50.25 0 TD /F0 9 T0Tc 0.375 Tw (66.j-180.75 -17.25 TD /F0 10.5686D -0.2 TD811Tc 0.63Eac e Tw (e ) Tj180.52243 -0.2 TD161Tc 5.04sualun (eloyónwo kshopsi mos de) Tj0 Tc -0.375 Tw-3so ) Tj0 -12 1T -0.31.4 Tc 5.04olos ca d sdqui Tw de p oducOLY62 id pun Tw ac5 Tw ( ) Tj0 -12 5D -0.29777 Tc 5.04n me ola o esconew (elon ew (e55soés5 Tw ( ) T236* -0.39.611Tc 2.8733do d cia (eloicien 67. Tj59.25 0 TD 0 Tc 0.375 Tw148. T543.725 -23.25 TD /F1 10.0956 -0.402466Tc 2.655. VALORACIÓN DE SISTEMALGOidad del) Tj0 Tc -0.375 Tw ( ) Tj0 TD1951 -0.39.17 Tc 2.65DIFUSIÓN DE RESULTADOS5 Tw144) Tj180.75 0 TD 0 Tc 0.375 Tw (44) Tj-185 -17.25 TD /F0 10.54556 -0.462 0Tc 0.63Eie a sijoe85 Tw (dea "Valola compa acisibili a) Tj0 Tc -0.375 Tw ( ) Tj0 -12 9TD 0.2) Tj74Tc -0.3Sde los sy Di us p oduccinRescl d s5 Tw179T) Tj50.2-1253D -0.3081 Tc 5.26"75 Tw (79T) T ) Tj0 -12 72 -0.46294753 Tc 0 enzp odés o ecia p odu,a dmp Tw To habla y) Tj0 Tc 0.375 Twde ) Tj0 -12 61 -0.4021011Tc 0.3 unda (exal,ea "cp odmdea bee lana1ss alua se,41me os ) Tj0 -11.25219D -0.332681953 Tc 0 96 se e d in o e se 363n escl d s5 Twa y) Tj0 Tc 0.375 Tw ( ) Tj451 -0.310.0951Tc 0.3ex Ti (exales". Seésiza p od e Tw (i a) Tj0 Tc -0.375 Tw ( ) Tj0 -12 141 -0.3939 6Tc 0.63s alua compa acibeub i nlad a egialgo i mos de) Tj0 Tc -0.375 Tw ( ) Tj68D -0.36 Tj439c 2.43 nalca e p oduccinex Ti (exalgo i mos de) Tj0 Tc -0.375 Tw ( ) T2931 -0.38.9181Tc 0.3in ia g e p odu, as lan es onlad5 Tw 32n) Tj18.75 02477 -0.38.122753 Tc losnda elgo i mos de) Tj0 Tc -0.375 Tw- 32n) T
Respec o a la di usión de esul ados, se
p ocedió a
- la p esen ación de comunicaciones en
cong esos in e nacionales
- el man enimien o de una página web
- la p omoción de la base POLYCOST
- o ganización de wo kshops [3] [4] [5]
[6]
6. CONCLUSIONES
La acción COST 250 ha se ido de o o de
discusión de ideas sob e el diseño y la
implemen ación de bases de da os,
algo i mos, sis emas y aplicaciones de
econocimien o de locu o es. Los
pa icipan es han p o undizado en los
p oblemas de es a ecnología y en posibles
ap oximaciones pa a abo da los. También
la acción ha se ido pa a p opo ciona no
sólo a los pa icipan es sino a una
comunidad in es igado a más amplia una
p o unda e isión del es ado ac ual del a e,
así como una base de da os diseñada pa a el
econocimien o de locu o es con una guía
de expe imen os de e e encia.
REFERENCIAS
[1] COST 250 “Speake Recogni ion in
Telephony”,
h p://www. ub.i /cos 250
[2] D. Gibbon, R. Moo e, R. Winsky
(edi o es), “Handbook o S anda d
and Resouces o Spoken Language
Sys ems”, Mou on de G uy e , 1997.
[3] P oc. COST Wo kshop Applica ion
o Speake Recogni ion Techniques
in Telephony, Vigo, no iemb e 1996.
[4] P oc. COST Wo kshop Speech
Technology in Public Telephonic
Ne wo k: Whe e A e We Today?,
Rodas (G ecia), sep iemb e 1997.
[5] P oc. COST Wo kshop Speake
Recogni ion by Man and Machine:
Di ec ions o Fo ensic Applica ions,
Anka a (Tu quía), ab il 1998.
[6] P oc. COST Wo kshop Speake
Recogni ion in Telephony, pendien e.