Bridging communication between hearing and visually impaired individuals via speech recognition and synthesis
Questo articolo presenta un efficiente strumento di riconoscimento e sintesi del parlato (SRST), sviluppato esclusivamente via software in MATLAB, che facilita la comunicazione bidirezionale tra individui con disabilità uditive e visive convertendo il parlato in testo ad alto contrasto e il testo in parlato sintetizzato, raggiungendo un'efficienza operativa di circa il 90% senza richiedere hardware specializzati.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immaginate il mondo della comunicazione come una gigantesca e vivace festa dove tutti cercano di parlare tra loro. Per la maggior parte delle persone, questo è facile: parli, il tuo amico ascolta, lui parla di nuovo e tu vedi le sue labbra muoversi. Ma per alcuni ospiti, la festa è un po' rotta. Se non riesci a sentire la musica (disabilità uditiva), la conversazione sembra guardare un film muto in cui perdi le battute. Se non riesci a vedere lo schermo (disabilità visiva), potresti sentire la musica ma non avere idea di cosa riguardi il film perché non riesci a leggere i sottotitoli.
Questo articolo vive in un angolo della scienza chiamato "Tecnologia Assistiva", che è fondamentalamente il campo della costruzione di strumenti per aiutare le persone con disabilità a partecipare alla festa. Per capire cosa hanno fatto questi ricercatori, è necessario conoscere due trucchi principali che i computer usano per parlare con gli umani. Il primo è il Riconoscimento del Parlato (Speech Recognition), che è come un traduttore super veloce che ascolta la tua voce e la trasforma in parole scritte su uno schermo. Il secondo è la Sintesi del Parlato (Speech Synthesis), che è l'opposto: prende le parole scritte e usa una voce computerizzata per leggerle ad alta voce. Di solito, questi strumenti sono progettati per persone che possono sentire ma non vedere, o viceversa. Ma cosa succede quando una persona che non può sentire prova a parlare con una persona che non può vedere? Rimangono bloccati in un loop dove uno non può sentire la risposta e l'altro non può leggere la domanda. Questo articolo cerca di riparare proprio questo loop interrotto.
I ricercatori, un team dell'Università di Aksum in Etiopia, hanno costruito un ponte digitale chiamato Strumento di Riconoscimento e Sintesi del Parlato (SRST). Pensatelo come un walkie-talkie bidirezionale che non trasmette solo suoni; traduce istantaneamente il suono in testo e il testo in suono. Il loro obiettivo era creare un sistema in cui una persona con disabilità uditiva potesse parlare in un microfono, facendo apparire le sue parole istantaneamente come testo grande e chiaro su uno schermo per essere "ascoltato" da una voce computerizzata da parte di un non vedente, e poi far sì che quella persona cieca parlasse, con la sua voce che si trasformava in testo per essere letta dalla persona con disabilità uditiva.
La parte interessante di questo progetto è che non hanno costruito robot sofisticati o hardware costosi. Invece, hanno scritto un programma software intelligente che gira su un computer standard utilizzando un microfono e un altoparlante comuni. È come trasformare un normale laptop in un dispositivo di comunicazione magico. Il sistema funziona in due direzioni principali. Da un lato, ascolta la voce di una persona cieca. Scompone il suono in piccoli pezzi, analizza i pattern unici del parlato (come un'impronta digitale per il suono) e associa quei pattern a una lista di parole che gli sono state insegnate. Una volta capito cosa è stato detto, stampa le parole sullo schermo in testo ad alto contrasto affinché la persona con disabilità uditiva possa leggerle. Dall'altro lato, la persona con disabilità uditiva digita un messaggio. Il computer prende quelle lettere e cuce insieme piccoli frammenti pre-registrati di voce umana (chiamati "difoni") per creare una nuova voce che legge il messaggio ad alta voce per la persona cieca.
Il team ha testato la loro creazione facendo parlare le persone nel sistema in un laboratorio universitario rumoroso. Hanno scoperto che il sistema funziona piuttosto bene, azzeccando il messaggio circa il 90% delle volte. Era leggermente migliore nel riconoscere parole isolate (circa il 91,2%) rispetto alla comprensione di frasi in una stanza silenziosa (89,5%), e calava un po' di più in presenza di rumore di fondo (84,1%). Gli autori suggeriscono che i pochi errori siano avvenuti perché alcune parole suonano molto simili all'orecchio del computer, come gemelli in mezzo alla folla.
Hanno anche scoperto che il sistema è flessibile. Poiché non hanno codificato regole grammaticali complesse, il sistema può gestire un mix di lingue, riconoscendo con successo parole di inglese, tigrino e amarico nella stessa conversazione. Tuttavia, ammettono che il sistema non è ancora perfetto. A volte si confonde con rumori improvvisi (come una sedia che stride) che non sono parlato, e può essere un po' lento se il computer deve controllare troppe parole contemporaneamente.
I ricercatori concludono che, sebbene si tratti di un prototipo funzionante e non di un prodotto commerciale finito, esso dimostra che una soluzione a basso costo, basata solo sul software, può colmare con successo il divario tra queste due comunità. Suggeriscono che in futuro, l'aggiunta di uno strato di traduzione potrebbe permettere alle persone di parlare lingue diverse e capirsi comunque, e l'uso di microfoni migliori potrebbe aiutare il sistema a ignorare il rumore di fondo. Per ora, però, hanno costruito una solida base — una stretta di mano digitale — che mostra come la tecnologia possa aiutare due persone che vivono il mondo in modo diverso a finalmente avere una conversazione.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.