خبرگزاري آريا-نرمافزار SESSS براي انجام بسياري از ارزيابيهاي شنيداري از جمله سيگنالهاي موسيقي، ارزيابي مشکلات شنيداري در اشخاص، آموزش اصوات به کودکان و در يادگيري زبان مورد استفاده قرار ميگيرد.
به گزارش خبرگزاري آريا، با توجه به تعدد و اهميت سامانههاي تبديل متن به گفتار فارسي، نرمافزاري به منظور ارزيابي همه جانبه و دقيق اين سامانهها توسط وبگاه SCICT.IR در اختيار محققين قرار گرفته است که علاوه بر اين سامانهها، براي انجام بسياري از ارزيابيهاي شنيداري از جمله سيگنالهاي موسيقي، ارزيابي مشکلات شنيداري در اشخاص، آموزش اصوات به کودکان و در يادگيري زبان مورد استفاده قرار ميگيرد.
محمدمهدي همايونپور مدير اين پروژه در خصوص نرمافزار SESSSکه به عنوان ارزيابي عملکرد سامانههاي تبديل متن به گفتار فارسي ارائه شده است، اظهار داشت: سيستم تبديل متن به گفتار با دريافت ورودي در قالب متن، خروجي آن را در قالب ديگري از زبان طبيعي يعني گفتار عرضه ميکند. از اين رو تلاش و تحقيقات بسياري در جهت طراحي و ساخت سيستمهاي تبديل متن به گفتار و بهبود کيفيت صداي خروجي آنها صورت ميگيرد و ارزيابي چگونگي عملکرد و کيفيت کار اين سيستمها و اجزاء تشکيلدهنده آنها از اهميت ويژهاي برخوردار است. مشابه سيستمهاي تبديل متن به گفتار، سيستمهاي کدينگ و فشردهسازي گفتار نيز در خروجي خود اقدام به توليد سيگنال گفتاري ميکنند. در نتيجه ارزيابي کيفيت گفتار بازسازي شده در خروجي اينگونه سيستمها نيز حائز اهميت است.
وي در توضيح نحوه عملکرد نرمافزار SESSS که به سفارش دبيرخانه شوراي عالي اطلاعرساني و توسط آزمايشگاه پردازش هوشمند دادههاي چندرسانهاي دانشکده مهندسي کامپيوتر دانشگاه صنعتي اميرکبير انجام شده است، بيان داشت: در اين نرمافزار به ارزيابي جنبههاي متفاوت صوتي سيگنال بازسازي (سنتز) شده در سيستمهاي سنتز و کدينگ گفتار پرداخته شده است. اين ارزيابيها شامل ارزيابي ميزان قابل فهم بودن اصوات توليد شده خصوصاً همخوان اول، وسط و آخر هجاها، نحوه انتقال از واکه به همخوان، خوشههاي همخواني، کلمات در جملات و جملات است.
او ادامه داد: در اين ارزيابيها عملکرد بخش سنتزکنندههاي گفتار از نقطه نظر جنبههاي متفاوت صوتي بررسي ميشود. آزمونهاي ارزيابي ارائه شده شامل تست تشخيص قافيه، تست قافيه اصلاحشده، ارزيابي تشخيص همخوان مياني، ارزيابي قطعهاي استاندارد، آزمون کلمات بيمعني و انتقال واکه به همخوان، آزمون قابل فهم بودن جفتهاي کمينه، ارزيابي در سطح جمله است.
همايونپور خاطر نشان کرد: علاوه بر اين در نرمافزار SESSS امکان انجام ارزيابيها بصورت ذهني با انجام تستهاي شنيداري فراهم شده است. در اين ارزيابيها شنوندهها با گوش دادن به صداي حاصل از سيستم تبديل متن به گفتار و کدينگ گفتار، نسبت به مواردي چون وضوح و ميزان کيفيت صوت سنتز شده از نقطهنظرهاي مختلف مانند ميزان خوشايند بودن، طبيعي بودن، قابل فهم و درک بودن، سرعت بيان، سليس و روان بودن، خشن بودن و بسياري موارد ديگر و حتي نحوه تلفظ و سرعت با استفاده از روشهاي ارزيابي ميانگين امتيازات نظردهي MOS، تست تخمين دستهاي CE، تست ITUT و پروتکل تحليل پروفايل گفتاري امتياز ميدهند. ميانگين نظرات شنوندگان بيانگر نتيجه ارزيابي است. براي اکثر اين روشهاي ارزيابي دادههاي ارزيابي براي زبان فارسي نيز ارائه شده است.
وي با اشاره به اينکه در سيستمهاي تبديل متن به گفتار و کدينگ گفتار، کيفيت نواي گفتار از اهميت بالايي برخوردار است، بيان داشت: عوامل متعددي چون ايجاد تکيهها، آهنگ جملات، احساسات، کنشهاي گفتاري و بسياري از حالات گفتار به نواي آن بستگي دارد. نواي مناسب در طبيعي و خوشايند بودن گفتار و نيز در انتقال مفاهيم و مقصود گوينده بسيار موثر است.
او تاکيد کرد: در نرمافزار SESSS به چگونگي ارزيابي اينگونه سيستمها در توليد نوا شامل ارزيابي زيروبمي در سطوح هجا، کلمه و جمله، ارزيابي ديرش و شدت واحدهاي گفتاري و نهايتاً به چگونگي ارزيابي کيفي سيستمهاي سنتز گفتار از نقطهنظر توليد تکيه و آهنگ پرداخته شده است.
به گفته وي روشهاي ارزيابي نوا هم بصورت ذهني و هم بصورت عيني ارائه شده و به کمک نرمافزار SESSS قابل اجرا هستند.
وي در خصوص ارزيابي ذهني گفت: در اين روش، جملات از نقطه نظر ويژگيهاي نوايي متفاوت ارزيابي ميشوند. ارزيابي ذهني نوا با استفاده از تست امتياز ميانگين نظرات MOS انجام ميشود. در اين نوع آزمون، جملات سنتز شده براي شنوندگان شرکت کننده در آزمون پخش شده و آنها نسبت به کيفيت نواي گفتار سنتز شده، رعايت تکيهها، آهنگ يا احساسات و مانند آن نظر ميدهند. ميانگين نظرات شنوندگان بيانگر نتيجه ارزيابي است.
او ادامه داد: در ارزيابي دوم يعني ارزيابي عيني نوا، ميتوان پارامترهاي نوايي همچون زيروبمي، ديرش و شدت که يکبار از طريق مدلسازي و روشهاي خودکار بدست آمدهاند و بار ديگر از گفتار گوينده واقعي استخراج شدهاند را از طريق دو معيار ضريب همبستگي و ضريب تعيين، بصورت کمي توسط نرمافزار SESSS مقايسه نمود. همچنين ميتوان منحني تغييرات هر يک از پارامترهاي نوا را رسم و بصورت چشمي کار مقايسه را انجام داد.
وي با ذکر اين نکته که تستهاي سنتز به فرد شنونده وابسته است، گفت: با توجه به اين موضوع در نرمافزار SESSS، قسمتي به نام مديريت آزمونگر آورده شده است که در آن ميتوان نام فرد آزمونگر، جنسيت و سن او را مشخص کرده و سپس به ليست آزمونگران اضافه نمود يا در صورت نياز حذف کرد.
همايونپور در پايان بيان داشت: نرمافزار ارائه شده علاوه بر موارد فوق ميتواند براي انجام بسياري از ارزيابيهاي شنيداري در حوزه ساير سيگنالهاي صوتي از جمله سيگنالهاي موسيقي و مانند آن، ارزيابي مشکلات شنيداري در اشخاص، آموزش اصوات به کودکان و در يادگيري زبان مورد استفاده قرار گيرد.
در حال حاضر نسخه بتا از نرمافزار جامع SESSS در سايت دبيرخانه ارائه شده و پس از رفع مشکلات احتمالي نسخه نهايي آن ارائه ميشود.