Системы аудиоввода/ вывода информации

Эти системы получили также название системы речевого ввода/вывода. Применяется две технологии речевого общения с компьютером: системы распознавания речи и системы синтеза речи.

В системах распознавания речи выполняется оцифровка звуковой информации, ее идентификация с кодами, содержащимися в электронных тезаурусных (иногда многоязычных) словарях. При этом производится автоматическая коррекция кодов и генерация соответствующих символов, слов и предложений. Возможен вывод текстов на экран для редактирования, звуковое воспроизведение текста. Если текст соответствует командам обработки, возможно их оперативное выполнение.

Системы речевого ввода можно разделить на системы, ориентированные на распознавание отдельных слов, в том числе команд, вопросов или предложений и связной речи — системы речевого управления^[1], и системы идентификации личности по образцу речи. Все больше создается ИС, в которых диалог с пользователем реализуется через голосовые меню. «Обучение» системы выполняется на большом количестве типовых речевых диалогов, в результате создается рабочий словарь и база знаний для распознавания речи^[2]. Основной проблемой распознавания связной речи является наличие эмоциональной составляющей вводимой информации, манера исполнения и дикция^[3]. Идентификация по образцу речи относится к биометрическим технологиям идентификации человека. Механизм распознавания речи содержит: препроцессор для сбора образцов речи, экстрактор для спектрального анализа сигнала с целью его типизации, компаратор для сравнения выявленных характеристик с акустико-фонетическими образцами, интерпретатор для разбиения полученного от компаратора «алфавитного» потока на слова и фразы.

Системы синтеза речи (или речевого вывода) базируются либо на выборке из словаря готовых оцифрованных звуковых последовательностей, либо на синтезаторах речи^[4]. В системах первого типа часто используются меню для построения высказываний. Системы формирования речевого вывода обеспечивают:

¦ фильтрацию шумовых символов текста (знаков препинания, кавычек, тире, скобок и т. п.);

¦ преобразование текста из орфографического в фонетический формат (из букв в звуки);

¦ лексикографическую и синтаксическую обработку для выбора варианта произношения, ритма и интонации;

¦ обогащение звучания речи дифтонгами, трифтонгами, четырехзвучиями и другими полезными составляющими.

Фонетические данные преобразуются в звуковые сигналы путем генерации волновых последовательностей с частотой порядка 10 кГц, модулируются фонетическим потоком (управление громкостью, скоростью речи, тембром голоса).

Компьютерные средства обеспечения звуковых технологий делятся на звуковые карты и акустические системы.

Звуковые карты (sound blaster) используются для записи, создания или воспроизведения звуковых сигналов (музыки, речи, шумовых эффектов). Звуковая карта содержит модули для записи, воспроизведения и синтеза звуков, поддержки интерфейсов, микшер для смешения сигналов от различных источников (управление амплитудой смешиваемых сигналов выполняется обычно программным способом), модемный и игровой порты для звукового сопровождения компьютерных игр, а также усилители мощности сигнала с регулятором громкости.

Качество звука определяется разрядностью АЦП, с помощью которого звуковой сигнал измеряется через определенные интервалы дискретизации, происходит квантование амплитуды звукового сигнала и запись его двоичным кодом. Разрядность преобразования^[5] обусловливает динамический диапазон сигнала, частота дискретизации — верхнюю границу диапазона частот звукового сигнала. При воспроизведении оцифрованного звука двоичные коды заменяются соответствующими им дискретными значениями сигнала для последующего их усиления и воспроизведения через акустическую систему. Для синтеза звукового сигнала используется два основных метода синтеза: с помощью частотной (Frequency Modulation) модуляции — FM-синтез или с использованием таблицы волн (Wave Table) — WT-синтез.

Для FM-синтеза используются специальные генераторы сигналов — операторы, содержащие фазовый модулятор (определяет частоту звука) и генератор огибающей (определяет амплитуду или громкость звука). Генератор огибающей ADSR (Attack, Decay, Sustain, Release) позволяет обеспечить быстрое нарастание амплитуды звука, небольшой спад, равномерное звучание и медленный спад громкости. Воспроизведение голоса одного музыкального инструмента требует двух операторов^[6]: колебания несущей частоты (основной тон) и модуляции частоты (обертоны). В синтезированном FM-методом звуке мало обертонов, и он не похож на звук настоящего музыкального инструмента.

Для более качественного звучания используется метод WT-синтеза. Музыка создается путем манипулирования записанными заранее образцами звучания инструментов (нотами, samples), «зашитыми» в ПЗУ платы или хранящимися на диске. Лучшие звуковые карты позволяют хранить и использовать до 32 Мбайт выборок, имеют ОЗУ емкостью не менее 1 Мбайт.

Модуль интерфейсов для музыкальных инструментов (Musical Instruments Digital Interface — MIDI), дисководов CD-ROM позволяет проигрывать компакт-диски, разговаривать через модем и воспроизводить свою собственную компьютерную музыку. В качестве стандарта звука используется High Definition Audio (HD Audio) или Azalia, обеспечивающий поддержку 7.1-канального звука с частотой дискретизации 192 кГц и 32-битным разрешением. Определено три уровня звука для ПК, поддерживающих HD Audio:

• 1) Dolby Sound Room — двуканальный звук, поддерживающий технологии Dolby Virtual Speaker и Dolby Head Phonew, которые симулируют 5.1-канальный звук, используя только два канала с помощью технологии Dolby Pro Logic II (минимальное соотношение сигнал/шум — 75 дБ);
• 2) Dolby Home Theater — шестиканальный звук (5.1) с соотношением сигнал/шум как минимум 85 дБ на основе технологии Dolby Pro Logic II;
• 3) Dolby Master Studio — восьмиканальный (7.1) звук с соотношением сигнал/шум как минимум 95 дБ с использованием технологии Dolby Pro Logic Их и Dolby Digital Live.

Самая совершенная технология Dolby Pro Logic Их разделяет формат CD Audio (два канала) на восемь каналов (7.1).

Современные качественные звуковые карты соответствуют также стандарту Basic General MIDI, предусматривающему поддержку 128 инструментов и многотональное исполнение — как минимум 16 каналов одновременно. Для подключения большинства современных звуковых карт используется интерфейс PCI.

Акустические системы предназначены для преобразования электрических сигналов в акустические, воспринимаемые человеком. Они могут состоять из одной или нескольких звуковых колонок (speaker), содержащих электродинамические головки (динамики), звуковые фильтры и усилители. Компьютерные акустические системы, как правило, уступают специализированным Hi-Fi-системам.

Различают пассивные и активные акустические системы. Пассивные системы не содержат встроенного усилителя и могут подключаться к звуковым платам, имеющим собственный усилитель (обычно 4 Вт, по 2 Вт на канал) и регулятор громкости. Активные системы оборудованы усилителем и могут подключаться как к линейному выходу звуковой платы, так и к выходу ее усилителя. Источником питания для встроенного в колонки усилителя является внутренний аккумулятор или блок питания, который, в свою очередь, может быть внутренним и внешним. Кроме регулятора громкости активные колонки оснащаются эквалайзерами.

К линейному выходу звуковой карты может быть подключен линейный вход усилителя бытового аудиокомплекса. Качество воспроизведения звука зависит также от параметров звуковых колонок, количества, качества и размеров диффузора динамиков (диффузоры малого диаметра плохо воспроизводят низкие звуковые частоты сигнала, а большие диффузоры не очень хорошо воспроизводят высокие частоты), размеров и геометрии корпуса колонок, материала, из которого он изготовлен. Хорошие компьютерные звуковые колонки должны воспроизводить звуковые сигналы в диапазоне от 35 Гц до 20 кГц.

Важнейшими характеристиками акустических систем являются также полоса воспроизводимых частот, громкость и выходная мощность (пиковая — РМРО, Peak Music Power Output, среднеквадратичная — RMS, Root Mean Square)^[7], амплитудно-частотные и фазочастотные характеристики, показывающие зависимость амплитудных и фазовых искажений сигнала от его частоты.

• [1] Система Voice Commands компании «KurzWeil Applied Intelligence» позволяет распознавать около 10 000 слов английского языка, которые преобразуются в символы ASCII. Справочная система компании «Charles Schwab & Со» обеспечивает распознавание не только слов, но и название десятков видов ценных бумаг с 95%-й точностью.
• [2] Справочная система Natural Dialogue System фирмы «Philips» для швейцарской железнодорожной компании «Swiss Railways» .
• [3] Системы распознавания слитных текстов Dragon Naturally Speaking компании «Dragon Systems», ViaVoice корпорации IBM и Wildfire фирмы «Wildfire Communications», Voice Xpress фирмы «Lernout & Hauspie Speech Products» .
• [4] Программы синтеза речи: Infovox (Швеция), Monologue (Великобритания) и др.
• [5] Наиболее распространены 8-, 16- и двухразрядные преобразователи.
• [6] 16-разрядные звуковые платы используют четырехоператорные синтезаторы.
• [7] Если показатель RMS = 1 Вт, то величина РМРО = 30 Вт (примерно).