SpeechTera Ltda. Development of Computational Resources for Speech Technologies

• Grant number: 17/07371-5
• Support Opportunities: Scholarships in Brazil - Innovative Research in Small Business - PIPE
• Start date: April 01, 2017
• End date: March 31, 2019
• Field of knowledge: Interdisciplinary Subjects
• Principal Investigator: Vanessa Marquiafável Serrani
• Grantee: Vanessa Marquiafável Serrani
• Company: SpeechTera Desenvolvimento de Programas para Computadores Ltda
• Associated research grant: 16/08355-0 - SpeechTera Ltda. Development of Computational Resources for Speech Technologies, AP.PIPE

Abstract

Este projeto visa a criação de recursos computacionais para o desenvolvimento de Tecnologias de Fala, voltadas para o Português Brasileiro (Português Brasileiro). Com o desenvolvimento de algoritmos robustos para tratar bases de dados de fala, aplicações envolvendo reconhecimento ou síntese de fala, respectivamente, ASR (do inglês Automatic Speech Recognition) e TTS (do inglês Text-to-Speech), têm ganhado mais espaço em nosso cotidiano e se tornado cada vez mais precisas. No entanto, apesar de o Português Brasileiro ser a sexta língua mais falada no mundo, os recursos disponíveis para desenvolver tecnologias de fala para esse idioma ainda são escassos: há poucas bases de dados, conversores grafema-fonema e modelos acústicos ou de pronúncia. Este projeto busca, justamente, atuar nessa lacuna. Nosso propósito é desenvolver recursos computacionais de modo a incitar o desenvolvimento de tecnologias de fala para o Português Brasileiro, na indústria e na academia. Propõe-se a elaboração de quatro tipos de produtos: i) corpora de fala, ii) modelos acústicos, iii) modelos de pronúncia e iv) conversores grafema-fonema. Sobre os corpora de fala, propomos métodos de coleta e anotação de dados baseada em crawling e crowd-sourcing, que possibilitarão o desenvolvimento de recursos de fala a preços mais competitivos e acessíveis que os existentes atualmente no mercado. Técnicas do estado da arte serão empregadas na elaboração dos modelos acústicos, a exemplo de Deep Neural Networks; e dos conversores grafema-fonema, como modelos híbridos, baseados em regras manuais e aprendizado de máquina (SVM, CART, MARS). O modelo de negócio proposto centra-se em uma abordagem business-to-business (B2B), voltada para empresas de Tecnologia da Informação, Processamento de Fala e Processamento de Linguagem Natural, pensando, especialmente, no nicho de startups.