Hablando con Pingüinos ( Reconocimiento y Síntesis de Voz en GNU/Linux )
Juan Caballero
El reconocimiento y síntesis de voz en Linux recientemente ha mejorado bastante, recordemos que para otras plataformas ya existen programas comerciales que lo hacen bastante bien pero que cuestan muchos billetes y que por software libre existen alternativas.
Este es un pequeño manual sobre tres programas acoplados para tal efecto, hablar con la computadora y que esta haga algo.
1. Reconocimiento de voz Para el reconocimiento de voz utilizamos Sphinx2 un programa desarrollado por The Sphinx Group en Carnegie Mellon University bajo licencia BSD del tipo Apache. Sphinx2 es el más rápido que los otros desarrollados (Sphinx3 y Sphinx4) y tiene buenas características como reconocimiento continuo (no por palabras) y independencia del locutor (sin entrenamiento previo). Para instalarlo basta con obtener el archivo fuente y hacer los clásicos
tar zxvf sphinx2****.tgzcd sphinx2****./configuremakemake install
o con el
RPM.
2. Síntesis de Voz
Este es más sencillo dado el gran desarrollo que que tiene el proyecto
Festival que es liberado
bajo un licencia tipo X11.
Su instalación es sencilla mediante el administrador de contenido URPMI
de Mandrake, basta con urpmi festival y hay RPMs o compilenlo desde
sus fuentes.
3. Integración de ambos con PerlBox-Voice
Pues encontre un programita escrito en Perl que se encarga de
administrar a Sphinx2 y Festival a la par y todo bajo un bonito
ambiente hecho en Tcl, se obtiene de aquí y su
instalación es trivial usando el script perlbox-voice.install.
Con todo listo, probamos el sistema simplemente abrimos una terminal y
ejecutamos perlbox-voice, se abre una ventana y podemos controlar el
listener sphinx2 (festival lo arranca desde la llamada) o
definir nuevos comando. Lamentablemente por defecto esta en inglés y los
comando que creemos tendrán que ser en este idioma, la voz que nos
contesta lo hace igual en inglés, aunque puede contestar en español
mocho hablando como gringo (“Hola amigou”).
PerlBox Voice nos permite definir comandos de voz para ejecutar determinadas acciones como si decimos “web” abra “firefox” o “editor” y ejecute “gvim”, los límites son la imaginación y nuestros conocimientos en la línea de comandos.
Otra característica es la de formular dialogos preestablecidos, como si decimos “morning” conteste “good morning”, imaginen un escenario en que cuando como de costumbre insultemos al equipo y te conteste, algo así:
TÚ: Ejecutar proceso XXXXCOM: No puedo ejecutar proceso XXXXTÚ: Pi... máquina pen...COM: Tú eres el pen... no yoTÚ: Ha sí, pues ch... tú m...COM: No tengo progenitora biológicaTÚ: Pues ch... tus bytesCOM: AUXILIO, HUMANO INTENTA GOLPEARME...
Ahora ando investigando sobre como colocar otras voces, he estado viendo el proyecto MBROLA pero los pasos que se siguen no me sirven ya que al ejecutar en la terminal Festival me ocurre:
$ festival -iFestival Speech Synthesis System 1.4.3:release Jan 2003Copyright (C) University of Edinburgh, 1996-2003. All rights reserved.For details type `(festival_warranty)'festival> (voice_mx_mbrola)SIOD ERROR: could not open file /usr/share/festival/voices/spanish/mx_mbrola/festvox/mx_mbrola.scmfestival>
ya me fije y no existen los archivos que llama y es que creo que
Festival no entiende que la voz es de tipo mbrola, bueno sigo en
eso y si tengo resultados les aviso.
Conclusiones El reconocimiento y síntesis de voz en Linux está en punta, este conjunto de programas que les describí trabajan aceptablemente bien, salvo veces en que no me entiende o lo entiende mal pero se ve que sigue en desarrollo y la fase de soporte a otros idiomas hace falta. En cuanto al consumo de CPU y memoria es mínimo comparado con lo que hay para MS-Window$ y el tiempo de respuesta es aceptable.La integración a los escritorios favoritos ya empezó con KDE y con GNOME no hay nada todavía pero no se ve tan complicada.
__LINXE__