как можно сделать синтезатор речи скажем на AVR?

буду рад лубой информации

Воспроизводить звуки с достаточно высоким качеством AVR в состоянии. Взять хотя бы аппликэйшн цифровым диктофоном http://atmel.com/dyn/resources/prod_documents/doc1456.pdf
остальное дело техники - использовать алгоритмы синтеза речи из готовых сэмплов.

ИМХО правильнее вначале найти исходный проект какого-нибудь синтезатора речи для компьютера. И если качество понравится, то перенести на AVR.
PS. Склейка из отдельных "букв" или даже фонем без специальной обработки даёт отвратное качество. А дополнительную обработку AVR не потянет.

мне надо, просто, что бы если я что то сказал,
микроконтроллер понял и что то сделал, или ответил,
ответит можно через SD CARD или скажем ISD2560,
но как распознавать реч?

Если очень хочется, можно попытаться записать 20 вариантов одного и того же слова,
пропущенного через НЧ фильтр, с верхней частотой 3400. И на AVR сравнивать произнесенное
слово с архивом. При совпадении выполнить команду. Набрать удачные варианты можно
при помощи отдельной программки. Но вообще геморрой еще тот.
Вряд ли удастся надежную распознавалку создать.
Тут блин целые диссеры пишутся с применением нейросетей в алгоритмах распознавания речи.
И на самом деле это задачка для мощного DSP, а не для AVR.

А не задумывались почему вы сейчас это набили на клавиатуре, а не произнесли в микрофон?
Это даже на компьютере нереально, не то что на контроллере. Лет через н-дцать возможно... на компе.

Вы бы определились - вам синтез или распознавание нужно?

На АВРке нормальное распознавание не сделаешь, а вот при помощи процессоров от http://www.sensoryinc.com/ при условии ограниченного набора слов это вполне реально.

Реально для кого?
Для вас или для вопрошающего?

По-моему надо ясно человеку сказать. Хорошему коллективу имеющему приличные знания в разных областях потребуется пару лет для продукта более-менее пригодного к использованию.

Народ, в пылу дискуссии не прибейте человека ненароком(:-). Его позиция совершенно ясная: он сказал, я спрошу контроллер, а он ответит, словом ли, делом ли.

Найдите книгу, "Цифровые процессоры обработки сигналов". Под ред. Остапенко А.Г., 1994, 264с.
Там есть приложение 1 "Пример проектирования модуля синтезатора речи на бис км1813ве1", приведено немного теории и программа синтеза речи (с.196-217).

Процессор в приложении работает на частоте 6.144МГц, т.е. одна команда выполняется за 651 нс (4 клока), так что, как видите, современные аврки помощнее будут, особенно с командами, выполняемыми за 50 нс (20МГц такт). Всего 21 команда. Единственное преимущество у данного процессора - это длина аккумулятора - 25 бит.

Теперь выбор за вами, сможете сделать синтезатор на авр или нет, так сказать, или грудь в крестах или голова в кустах. Решайтесь.

Синтез речи - задача решаемая. Распознавание - нет.

При помощи вот такой штуки http://www.sensoryinc.com/html/products/vrstamp.html даже начинающий сможет справиться с задачей.

Необязательно иметь "хороший коллектив, имеющий приличные знания в разных областях", который будет все разрабатывать с нуля, когда есть готовые решения, уже разработанные другим "хорошим коллективом, имеющим приличные знания в разных областях".

Я бы сказал, условно решаемая, то что возможно назвать синтезом нельзя, можно цифровым магнитофоном.

а что вы думайте об этом?

http://cxem.net/sprav/sprav86.php

..."синтеза реци"
Только для синтеза реци и подходят. Я предложил вам сначала поиграться с говорилками, которым хватает только ресурсов компа. Если качеством удовлетворитесь, то смотрите в сторону ДСП. Но как сказали выше, самому вам это не сделать.

2 VAHOO -
в обсчем то , если надо устройство, что распознаёт речь(это к тому - "...что бы если я что то сказал,
микроконтроллер понял и что то сделал, или ответил...") - то вот собсно ссылка - там ребята на авр-ке сваяли чтото типа того о чём спрашивалось.. Идея интересная...Но действительно на авр-ке собрать полноценное устройство чтоб УСё понимало - вряд-ли...действительно лучше смотреть в сторону дсп..

http://instruct1.cit.cornell.edu/courses/e...ndex.html#intro

Наслаждайтесь - :-)

Да... Посмеялся.
Вообще-то мне попадались "говорящие часы" за 60 руб, да и телефон "Русь" разговаривает.
Есть системы типа голосовой почты, они голосом сообщают куда нажать, человек нажимает...
Думаю такой вариант более реален чем распознавание речи
А с распознавалками игрался - ничего путного Сперва приучи его к своему голосу, пять раз каждое слово проговори (а их не меньше миллиона!) а потом он еще и путает...

Ну, товарищи, не всё так мрачно.... Мой былой телефон Ерикссон 320 прекраснораспознавал заранее записанные голосовые метки. А нинешний Ноккио Е60 распознаёт и вовсе "с листа". Так что, думаю, задача для Меги вполне решаемая. Что касается синтеза, то тут единственно приемлемый вариант - это воспроизведение заранее записанных сообщений... Иначе роботический акцент просто ужасный.
Что касается компьютера, то штатное голосовое средство Вынь 2000 прекрасно понимало мою английскую речь. После обучения, понятно.

> Так что, думаю, задача для Меги вполне решаемая.
канеш справится. у меги 16 мипсов у дсп в мобилке под сотню

где б еще найти ее.. ни поиск в веб, ни в пиринговых сетях не увенчались успехом :(



да.. преинтересный ресурс).. сначала выплывали ссылки на аудио-спектроанализатор на AVR. Теперь вот распознавание команд (притом с достоверностью 90-100% !!).
видимо формула успеха - хороший научный руководитель и адекватность исполнителей.

У меня есть бумажный экземпляр. Давай я тебе отсканирую оглавление, а ты выберешь, что конкретно тебе надо.

2 =GM= - а можно и мне экземплярчик оглавления?

В процессе прочтения. Возникла простая и тупая до ужаса идея. Не использовать реал-тайм.
Записывать команду а потом обрабатывать. Если записать достаточно отсчетов, то с задачей рапознавания справится простой коррелятор, который вполне возможно собрать на меге. Если идея интересна то нужно запрячь матлаб.
В принципе на меге даже адаптивную фильтрацию можно реализовать. Но работать все это будет очень медленно и достаточно криво.

Книга дома, вечером могу выложить, скажите только куда?

2 =GM= -
Во первых спасиба.
Ну а на счёт выложить - в принципе мне всё равно, оптимальный вариант конечно - если не проблемно, то вышлите на мыло..

за ответи спасибо! если не трудно мне тоже отправьте

vahagnh@rambler.ru

можно попробовать залить на новый файловый сервис (кнопка "Загрузить файлы" в верхнем меню, доступ кнему имеют все участники) - потом просто сюда ссылку дадите.

Нуко-нуко, поподробней, какая такая ДСПшка в Ерикссоне Р320?

А это не вам адресовалось ARM там, ARM...

Ребята, когда у меня спрашивают: "Можно ли реализовать то или это?", то ответ однозначный - "Да". Всегда. Вопрос в другом, - сколько времени сил и средств на это будет потрачено. Иными словами вопрос следует формулировать несколько иначе: "Целесообразно ли ... ?". Ответ будет - "НЕТ!" Для данной темы - с 99% вероятностью автор вопроса не справится с данной задачей и даже будет не в состоянии финансировать её завершение. Конечно, если говорить о сколько-нибудь коммерческом качестве.

Поэтому, подытоживая:

Да, реализовать можно, но придётся провести исследовательскую работу (включая спектральный анализ голосов десятков человек) большого объёма + изучить теорию значительного объёма + провести различное моделирование - И ПОТОМ ОПРЕДЕЛЯТСЯ ПО ПОВОДУ РЕАЛИЗАЦИИ. А именно выбрать камень для реализации и сопутствующие аппаратные ресурсы.

Реально это для одного человека? Да - если этому посвятить ВСЮ жизнь.

Такие темы так просто не отпускают! Если вы потратите лет 10 и добьётесь сколь-нибудь значимых успехов, то вас с руками оторвут коммерческие фирмы. Так как вы будете к этому моменту СПЕЦИАЛИСТОМ.

Надо ли вам это? Это решать вам.

по моему я не первый кто подумал об этом,
я думаю что не может быть чтобы не было
уже готовых таких проектов, я не хочу
заного преобретать велосипед.

Может мы вместе придумаем ответ
по этому поводу.

Я не хочу создать интеллектуальный
апарат который будет понемать
все что я скажу, просто мне надо
что бы он понял некоторые команды (слова),
и не только моим голосом.

По моему уже есть такие микросхемы
распознавание речи.

То что есть имеет сильные ограничения. Поэтому области применения очень специализированные, например, военная техника, кое-где требует голосового управления так как руки заняты. Системы автоматизированного call-центра. Но всё в очень жёстких рамках. Причем заточка на английский язык.

Не достигла эта технология того уровня, чтобы её могла "переварить" виндоус.
Велосипед ещё не изобретён. Всё что можно выжать из "фурье" уже выжато, это тупиковый путь. А то как распознаёт живой мозг ещё науке не известно. Даже как улитка раскладывает звук по частотам до сих пор гадают. И прогресса в этой области лет 50 ещё не будет.

Вроде загрузил, файл: ostapenko.zip, 1827 КБ.

2 =GM= - в общем там есть загрузить, но требует какой-то код файла..Имя не покатило....

Первый блин комом, прошу пардону, код дома(:-). Вечером сделаю.

2 SasaVitebsk
Синтез речи - задача решаемая. Распознавание - нет.
[/quote]

Можно спросить каким образом реализовать простой синтез, даже роботизированный?

Просто выводите фонемы. Ну а сглаживание перехода между фонемами вещь уже не тривиальная.

Код такой: YkcpTAm1DFM3SAd,
ссылка http://nukeuploads.com/download/1173816980...apenko.zip.html

2 =GM= - спасиба..Псмотрел на оглавление - книга страшная ...
Тогда до кучи если можно ещё П1.3 -это там где программа синтезатора речи - схемку уже посмотрел, но описание к ней , типа - "...сигнал первой форманты..." - почему то вызывает чувство страха.....

А где бы можно найти библиотеку фонем?

cпасибо!. еще бы разворот с.198-199 (продолжение П1.2)



а вот ИМХО, всеже проще по структурной схеме побыстрому в матлабе наваять модельку, чем ковыряться в 20страничном ассемблерном листинге, силясь понять как это работает...

едиснтвенное ,что там наверное можно полезного почерпнуть - таблицу формант.

Там меньше 7 страниц кода(:-). Если знаешь, что ваять, тогда проще, само собой разумеется...

В общем я подумал-подумал, и копирнул всё приложение 1, пожал малёк, всего 3МБ на 22 страницы.
Файл http://nukeuploads.com/download/1173907975...pendix.zip.html
Код JEDYRJbcZF9yVRh

Не так много, можно и поразбираться, но сначала нужно найти типа библиотеки формант или еще чего подобного. Без этого разбираться смысла нет.

Вот еще ссылки

http://www.imagesco.com/speech/speech-recognition-index.html
http://www.talkingelectronics.com/John/Spe...ecognition.html

Я не утверждал, что задача простая. Я написал - решаемая. Объясню почему. В общем случае МК нет необходимости знать что именно он произносит. В этом случае звучание будет не очень, но человек - опознает.

В своё время я печатал один документ по DELFI. Меня интересовали потоки. Чтобы уменьшить колличество используемой бумаги я распечатал текст в виде брошуры (с помощью FinePrint) 4 листа на А4 лист. Ну и сижу читаю. Подходит ко мне сын. Долго смотрит, потом спрашивает что ты делаешь? Читаю. Я потом провёл эксперимент. Оказывается он не мог прочесть практически ни одного слова. При сжатии и дальнейшей печати символы исказились почти до неузнаваемости. При этом я прекрасно читал, и не замечал этого! Причина проста. Я понимал, что там написано, - он - нет!

Что "скажет" МК - мы поймём даже при сильном искажении, а он будет ошибаться, даже если мы будем по слогам читать.




Приведенные ссылки - это не мк. Там описаны мк С ПРОГРАМНЫМ ОБЕСПЕЧЕНИЕМ. Это стоит денег. А самим данные проги не разработать. Ещё раз утверждаю это работа серьёзного коллектива разработчиков на ГОДЫ.

Да имеются частные решения для частных случаев.

Для сведения:
Распознавание речи не имеет ничего общего со сравнением спектров и спектральным анализом. Так только на звук разбитого стекла реагируют. Распознавание речи что-то сродни распознаванию текста (ещё сложнее). Когда распознают букву "А", то её не сравнивают с образцом. Так как имеются различные фонты, есть рукописное написание, при написании может быть разрыв. Поэтому букву преобразуют в набор векторов и работают с векторами. Как не парадоксально, звуки тоже представляют в виде векторов. Дело в том, что буква имеет разный спектр в зависимости от того, где она стоит. (тоже и со слогами) Таким образом необходимо либо сравнивать целые слова либо подходить иначе. Обычно подходят иначе. Как - это вам никто не раскроет.


Ещё раз поясняю. Дело не в написании программы. Программу напишет третьекурсник. Дело в громадной исследовательской работе, которую необходимо проделать, чтобы дать задание этому третьекурснику. Данная работа пока не проделана. Но даже когда она будет завершена, - радоваться не стоит. Не следует ждать, что будет выпущен специальный МК. Это должно быть интегрированное решение. МК+набор ПО для распознавания к примеру. И покупая его вы заплатите за МК, за ПО, за лицензию на алгоритм. Этот комплект в настоящий момент будет очень дорог! Так как тысячи предприятий были бы готовы его купить хоть сейчас. Кроме того данная задача требует огромных вычислительных ресурсов и большого объёма оперативной памяти. Я это оцениваю в мегабайты.


Я думаю синтез с приемлемым качеством можно реализовать на AVR. Безусловно потребуются внешние элементы. Как минимум дополнительная флэш-память.

Насчёт синтеза речи - посмотрите как это сделано в Adobe Acrobat Reader (там в меню есть опция Read Out Loud, читает вслух документ) - препротивнейший звук!

Насчёт распознавания - видимо, SasaVitebsk путает распознавание фиксированного набора команд (то есть, примерно десятка заранее заданных слов, как нужно автору ветки) с искусственным интеллектом, способным понять произвольную речь (а также поддержать беседу на отвлечённые темы). Вторую задачу, разумеется, никто и не берётся реализовывать, а вот первая вполне реальна, правда, будут частые ложные срабатывания или несрабатывания - это неизбежно, т.к. даже люди не всегда правильно понимают друг друга из-за нечёткой дикции (фефектов фикции).

Вполне приличные синтезаторы речи под DOS на основе драйвера speeck_r.com занимает 42к и sdrv.com - 46k. Т.е. вполне можно втиснуть в AVR, но разобраться как оно работает мозгов не хватает, хотя писал, в свое время, на асме для 88-го.

Я не путаю. Изначально не говорилось о нескольких словах. А говорилось о возможности записи речи в виде текста. Во всяком случае я так понял. Об исскуственном интеллекте я вообще молчу.

Я считаю, что даже распознавание сделать на AVR одному человеку в качестве развлечения - не по силам. Я бы не взялся.

изначально говорилось об этом:





ссылка уже приводилась в этом топике:
http://instruct1.cit.cornell.edu/courses/e...ndex.html#intro
сделано именно на AVR . В таблицах 2-5 приведены вероятности правильного распознавания (результаты эксперимента).
Исходники брать там же.
И вводите в заблуждение людей..

Значит это я ввожу в заблуждение людей.
И приведенный проект тому подтверждение.


Когда на голову человека падает кирпич, то
один скажет: боже, почему всё это падает на меня, - вот не везёт
второй скажет: вот это повезло - другого бы убило
Вы похоже скажете: блин чуть не попало.

По-моему приведенный пример - ярчайшее подтверждение моих слов. Это ещё один пример, как потратив год работы можно лажануться. Особенно грамотно подобраны слова! Оно и понятно, так как при таком методе требуются односложные слова. Конечно лучше использовать немецкий язык в данном случае. Там "лево" и "право", "верх" и "низ" сильно отличаются.

Ну и самый блеск - это возможность 50% (а в одном случае и 100%) ошибки распознавания в "VOICE RECOGNITION SECURITY SYSTEM". Это просто ПЯТЬ баллов. Приведенная в конце цена - просто закономерная цена всего проекта. Хотя я бы не дал.

Извините, но оттуда копировать просто НЕЧЕГО.

links, rechts (по произношению различаются не сильнее чем left/right)
а вы предлагаете в качестве команд использовать слова вроде: "демобилизация", "идиосинкразия" ? кхм..

в качестве промежуточного результата могли и не такую вероятность получить.. при использовании обучения (см.далее в оригинальной статье) на словаре из 8ми слов получили минимальную вероятность распознавания в 85% (и то только на одном слове - более половины слов определяются с вероятностью в 100%).
насчет цены - странно, вы к этому придрались.. это дипломный приект и в качестве справки просто приведена стоимость ВОМ.
тут помоему должно быть всё ясно: железо отдельно - исследовательская работа отдельно.

забыли добавить - "ИМХО".
авторы использовали простейший подход - выделение полос фильтрами, однако приводят иные методы - улучшающие точность.


да, и главное: как раз такие проекты (и тут скорее не как "проекты-для-копирования" а как "проекты-прецеденты")
"когда (хоть и не 1) человек сделал на AVR и добился определенных результатов" и помогают снять ограничивающие убеждения, не позволяющие не только прочувствовать возможность реализации "в прнципе", но и мещающие инженеру быть эффективным (ставить творческие задачи, здраво оценивать трудоемкость, анализировать существующие разработки, штудировать (если придется) стопки литературы)