ITU-T P 59 SPANISH-1993 ARTIFICIAL CONVERSATIONAL SPEECH《仿真会话性言语》.pdf

《ITU-T P 59 SPANISH-1993 ARTIFICIAL CONVERSATIONAL SPEECH《仿真会话性言语》.pdf》由会员分享，可在线阅读，更多相关《ITU-T P 59 SPANISH-1993 ARTIFICIAL CONVERSATIONAL SPEECH《仿真会话性言语》.pdf（8页珍藏版）》请在麦多课文档分享上搜索。

1、UNIN INTERNACIONAL DE TELECOMUNICACIONESUIT-T P.59SECTOR DE NORMALIZACIN (03/93)DE LAS TELECOMUNICACIONESDE LA UITCALIDAD DE TRANSMISIN TELEFNICAAPARATOS PARA MEDICIONES OBJETIVASHABLA CONVERSACIONAL ARTIFICIALRecomendacin UIT-T P.59(Anteriormente Recomendacin del CCITT)PREFACIOEl Sector de Normaliz

2、acin de las Telecomunicaciones de la UIT (UIT-T) es un rgano permanente de la UninInternacional de Telecomunicaciones. El UIT-T tiene a su cargo el estudio de las cuestiones tcnicas, de explotacin yde tarificacin y la formulacin de Recomendaciones al respecto con objeto de normalizar las telecomunic

3、aciones sobreuna base mundial.La Conferencia Mundial de Normalizacin de las Telecomunicaciones (CMNT), que se rene cada cuatro aos,establece los temas que habrn de abordar las Comisiones de Estudio del UIT-T, que preparan luego Recomendacionessobre esos temas.La Recomendacin UIT-T P.59, preparada po

4、r la Comisin de Estudio XII (1988-1993) del UIT-T, fue aprobada por laCMNT (Helsinki, 1-12 de marzo de 1993)._NOTAS1 Como consecuencia del proceso de reforma de la Unin Internacional de Telecomunicaciones (UIT), el CCITTdej de existir el 28 de febrero de 1993. En su lugar se cre el 1 de marzo de 199

5、3 el Sector de Normalizacin de lasTelecomunicaciones de la UIT (UIT-T). Igualmente en este proceso de reforma, la IFRB y el CCIR han sido sustituidospor el Sector de Radiocomunicaciones.Para no retrasar la publicacin de la presente Recomendacin, no se han modificado en el texto las referencias queco

6、ntienen los acrnimos CCITT, CCIR o IFRB o el nombre de sus rganos correspondientes, como la AsambleaPlenaria, la Secretara, etc. Las ediciones futuras en la presente Recomendacin contendrn la terminologa adecuada enrelacin con la nueva estructura de la UIT.2 Por razones de concisin, el trmino Admini

7、stracin se utiliza en la presente Recomendacin para designara una administracin de telecomunicaciones y a una empresa de explotacin reconocida. UIT 1994Reservados todos los derechos. No podr reproducirse o utilizarse la presente Recomendacin ni parte de la misma decualquier forma ni por cualquier pr

8、ocedimiento, electrnico o mecnico, comprendidas la fotocopia y la grabacin enmicropelcula, sin autorizacin escrita de la UIT.NDICERecomendacin P.59 (03/93)Pgina1 Introduccin . 12 Caractersticas del habla conversacional humana 12.1 Caractersticas medidas sin tiempo de retencin 12.2 Caractersticas med

9、idas con tiempo de retencin . 23 Mtodo de generacin de habla conversacional artificial 3Referencias 4Recomendacin P.59 (03/93) i Recomendacin P.59Recomendacin P.59 (03/93)HABLA CONVERSACIONAL ARTIFICIAL(Helsinki, 1993)1 IntroduccinLa seal aqu descrita reproduce las caractersticas temporales on-off (

10、activacin-pausa) del habla conversacionalhumana para caracterizar sistemas de procesamiento de habla que disponen de detectores de habla, por ejemplo,telfonos con altavoz, dispositivos de control de eco, equipos de multiplicacin de circuitos digitales (DCME, digitalcircuit multiplication equipment),

11、 sistemas por paquetes y sistemas en modo de transferencia asncrono (ATM,asynchronous transfer mode). Esta seal refleja parmetros de conversacin humana como, por ejemplo, la duracin dela rfaga de habla, la pausa, la diafona o el silencio mutuo. En los captulos siguientes se describen estas caracters

12、ticas,as como un mtodo para la generacin de habla conversacional artificial.NOTAS1 La voz artificial descrita en la Recomendacin P.50, que es una seal monocanal carente de pausas, es utilizada parala medicin objetiva de sistemas y dispositivos de procesamiento de habla en los que el entorno conversa

13、cional es indiferente (porejemplo, los codecs de habla).2 El habla conversacional artificial descrita en esta Recomendacin genera, durante las rfagas de habla, la vozartificial descrita en la Recomendacin P.50.2 Caractersticas del habla conversacional humanaLa duracin y cadencia de las rfagas de con

14、versacin y de las pausas varan en funcin de las condiciones de medicin.Se especifican a continuacin dos valores para cada parmetro de habla conversacional, basados en la medicin de hablasin y con tiempo de retencin, respectivamente.2.1 Caractersticas medidas sin tiempo de retencinLas caractersticas

15、descritas a continuacin han sido obtenidas de 1.1) Caractersticas de la rfaga de conversacinLa funcin de densidad de probabilidad (pdf) de la duracin de las rfagas de conversacin estmodelizada por dos pdf geomtricas ponderadas:f(k) C(1 U)U C (1 U )U ,k 1,2,3,.1111k1222k1=- + - =-dondeC 0, 60278 U 0,

16、 92446C 0, 39817 U 0, 989161122=Cada incremento de la variable k es igual a 5 ms. En el diagrama a) de la Figura 1 se representa la funcinde distribucin acumulativa de las duraciones de rfaga de conversacin. La duracin media de rfagas deconversacin es de 227 ms.2) Caractersticas de pausaLa pdf de la

17、s duraciones de pausa est tambin modelizada por dos pdf geomtricas ponderadas:f(k)D(1W)W D(1W)W,k1,2,3,p111k1222k1=- + - =-dondeD 0, 76693 W 0,89700D 0, 23307 W 0, 997911122=La funcin de distribucin acumulativa de las duraciones de pausa est representada en el diagrama b) dela Figura 1.Recomendacin

18、P.59 (03/93) 1 3) Factor de actividadUna duracin media de pausas de 596 ms, junto con una duracin media de rfaga de conversacinde 227 ms, proporciona un factor de actividad de habla a largo plazo de 27,6%.NOTA Para medir este valor se utiliza un medidor sin tiempo de retencin. Sin embargo, si se uti

19、lizase unmedidor conforme a la Recomendacin. P.56, cabra prever un factor de actividad ms elevado. (Vase el Cuadro 1.)%1008060402001101055 1000500%1008060402001101055 1000500T1202560-91/d01DisbribucinacumulativaNmero de tramasa) Duracin de las rfagas de habla de tramas de 5 ms b) Duracin de las paus

20、as en tramas de 5 msFIGURA 1/P.59Distribucin acumulativa de las duraciones de rfaga de conversaciny de pausa (sin tiempo de retencin)Disbribucin acumulativaNmero de tramasFIGURE 1/P.59.D01 = 9 cm2.2 Caractersticas medidas con tiempo de retencinEn el Cuadro 1 se indican los valores de algunos parmetr

21、os del habla conversacional humana. Estos valores han sidoobtenidos promediando los valores contenidos en 1-4.CUADRO 1/P.59Parmetros temporales del habla conversacional(promedios de ingls, italiano y japons)Parmetro Duracin (s) Proporcin (%)Rfaga de conversacin 1,004 38,53Pausa 1,587 61,47Diloquia 0

22、,228 66,59Silencio mutuo 0,508 22,482 Recomendacin P.59 (03/93) La funcin de distribucin acumulativa de la duracin de rfagas de conversacin puede ser aproximada mediante unafuncin exponencial, mientras que la de duracin de pausas puede ser aproximada mediante una funcin constante msun trmino exponen

23、cial. As, para las rfagas de conversacin:Pts(t) = 1 exp(Ats t)Ats = 1/,Tts,Tts: duracin promediada de rfaga de habla,y para las pausas:Pps(t) =0 para 0 t 0, 21 exp Aps(t 0, 2) para t 0, 2- - RSTAps = 1/(Tps 0,2)Tps: duracin promediada de pausa.Ambas caractersticas estn representadas en la Figura 2.%

24、1008060402001 10010550 1000500%1008060402001 10010550 1000500T1203630-91/d02DisbribucinacumulativaNmero de tramasa) Duracin de las rfagas de habla de tramas de 5 ms b) Duracin de las pausas en tramas de 5 msFIGURA 2/P.59Distribucin acumulativa de las duraciones de rfaga de conversaciny de pausa (con

25、 tiempo de retencin)DisbribucinacumulativaNmero de tramasFIGURE 2/P.59.D02 = 9 cm3 Mtodo de generacin de habla conversacional artificialLas rfagas de conversacin y las pausas son generadas con arreglo al modelo de transicin de estados representado enla Figura 3, en el que P1, P2y P3denotan probabili

26、dades de transicin expresadas en porcentajes. La voz artificialdescrita en la Recomendacin P.50 es generada durante una rfaga de conversacin.Los valores Tst (duracin de monoloquia), Tdt (duracin de diloquia), y Tms (duracin de silencio mutuo) varan segnlas ecuaciones siguientes. En estas ecuaciones,

27、 el tiempo est expresado en segundos.Tst 0, 854 ln xTdt 0, 226 ln xTms 0, 456 ln x123=- -=- -=- -()()()1110 x1, x2, x3 1: Variables aleatorias de distribucin uniforme.Recomendacin P.59 (03/93) 3 Cuando la duracin de pausa es inferior a 200 ms, el modelo elige o bien el estado de monoloquia o el de s

28、ilencio mutuo,con probabilidades de 50%, hasta que la duracin de pausa excede de 200 ms. Los valores de P1, P2y P3son 40, 50y 50, respectivamente. La duracin total del habla conversacional artificial deber ser de al menos 10 minutos para poderajustarse a las caractersticas especificadas en 2.2.100 p

29、1100 pp32p1100 p3100 p1p2p1T1203640-91/d03ABPausaRfaga deconversacinS.M. MonoloquiaSilenciomutuoM.DiloquiaM.ttPausaMonoloquiaA: HablaB: SilencioA: SilencioB: HablaFIGURA 3/P.59Modelo de transicin de estados de la conversacinRfaga deconversacinMonoloquiaDiloquiaSilenciomutuoFIGURE 3/P.59.D03 = 12 cmR

30、eferencias1 LEE (H.H.), UN (C.K.): A study of on-off characteristics of conversational speech, IEEE Trans. on Comm., Vol.COM-34, N. 6, pp. 630-637, junio 1986.2 BRADY (P.T.): A statistical analysis of on-off patterns in 16 conversations, BSTJ, pp. 73-91, enero 1968.3 CCITT Contribucin COM XII-20, Ca

31、ractersticas de activacin-pausa de la voz conversacional (CSELT),periodo de estudios 1989-1992.4 CCITT Contribucin Tarda D.42 (WP XII/1), Collecting procedure for on-off characteristics of conversationalspeech in telecommunication (NTT), periodo de estudios 1989-1992.5 CCITT Contribucin Tarda COM-64 (WP XII/1), Generation of artificial voice with pauses (NTT), periodo deestudios 1989-1992.4 Recomendacin P.59 (03/93)