SpeechTera Ltda. Desenvolvimento de Recursos Computacionais para Tecnologias de Fala

• Processo: 17/16725-5
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de setembro de 2017
• Data de Término da vigência: 25 de fevereiro de 2019
• Área de conhecimento: Interdisciplinar
• Pesquisador responsável: Vanessa Marquiafável Serrani
• Beneficiário: Gabriel Henrique Faustini Gomes
• Vinculado ao auxílio: 16/08355-0 - SpeechTera Ltda. Desenvolvimento de Recursos Computacionais para Tecnologias de Fala, AP.PIPE
• Assunto(s): Inteligência artificial Aprendizado computacional Processamento de linguagem natural Síntese de fala Reconhecimento da fala Português do Brasil
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Inteligência Artificial | processamento de fala | Processamento de Linguagem Natural | Reconhecimento Automático de Fala | síntese de fala | Processamento de Fala

Resumo

Este projeto visa à 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 start-ups.