Podręcznik użytkownika programu
voice
wersja dla Windows
Spis treści:
Pierwsze kroki...........................str.2
Słownik dla głosu......................str.3
Tryb dokładny i lektorski............str.4
Zaawansowany paser tekstu.......str.4
Znaczniki sterujące
interfejsu SAPI5........................str.5
Obsługa błędów
syntezatora mowy.....................str.5
Wsparcie techniczne..................str.6
Kont@kt...................................str.6
Copyright � 2009 IVO Software Sp. z o.o.
Praca z IVON
- pierwsze kroki
odczas instalacji syntezatora mowy IVONA - komputer wzbogacił się o możliwość
generowania ludzkiej mowy wysokiej jakości. Interpretacja tekstu podawanego
Psyntezatorowi mowy IVONA jest realizowana przez niedeterministyczne algorytmy
sztucznej inteligencji. Oznacza to, że w niektórych przypadkach wyniki ich działania mogą być inne
od oczekiwań użytkowników. W takich przypadkach należy odpowiednio przygotować
syntezowany tekst by osiągnąć zamierzony efekt.
Ł
Przecinki i kropki
Tekst do odczytu powinien być napisany zgodnie z zasadami polskiej gramatyki i ortografii.
Przykładowo zdanie  Ala ma,jednego kota." zostanie przeczytane:  Ala ma przecinek jednego
kota.", ponieważ w tekście brakuje spacji po przecinku przed wyrazem  jednego". Taki sposób
interpretacji tekstu do odczytu jest pomocny przy znajdowaniu błędów w pisowni tekstu.
Syntezator mowy IVONA zawsze interpretuje przecinki i kropki. Zdanie  Ala ma kota, a kot ma Alę."
zostanie zinterpretowane i odczytane jak zdanie złożone (z przerwą na znaku przestankowym),
podczas gdy zdanie  Ala ma kota a kot ma alę." jak pojedyncze zdanie twierdzące. Interpretowanie
przecinków i kropek powoduje, że zdania zostają odczytane i zaintonowane w sposób taki, jakiego
oczekuje się od lektora. Pamiętając o tej właściwości syntezatora mowy IVONA można osiągnąć
ciekawe efekty. Na przykład można wyróżnić pewne wyrazy stawiając przed nimi przecinek, np.
zdanie  Ala ma, jednego, kota." zostanie zupełnie inaczej przeczytane niż zdanie  Ala ma jednego
kota.".
Ł
Wyrazy obcojęzyczne
Jednym z głosów dostępnych dla syntezatora mowy IVONA jest głos Jacek, który jest głosem mowy
polskiej. Oznacza to, że tekst podany syntezatorowi zostanie zawsze przeczytany tak, jakby był
napisany w języku polskim. Dlatego też wyrazy obcojęzyczne zostaną również przeczytane po
polsku. Aby osiągnąć poprawną wymowę należy występujący w tekście wyraz obcojęzyczny
zastąpić jego zapisem fonetycznym w języku polskim. Do tego celu można wykorzystać słownik
syntezatora mowy IVONA, w którym można wpisać słowa pojawiające się szczególnie często w
syntezowanych tekstach.
Przykłady: windows menu -> łindołs meni; microsoft word ->majkrosoft łord
Więcej informacji na temat używania słownika znajduje się w rozdziale  Zaawansowany paser
tekstu .
2
Słownik głosu
iekiedy zachodzi potrzeba przekształcenia tekstu przed syntezą, w sposób zapewniający
poprawny sposób jego odczytu. Typowym przykładem mogą tu być wyrazy obcego
Npochodzenia, które należy przekazać do syntezatora fonetycznie. Aby sprostać tym
potrzebom głosy syntezatora mowy IVONA obsługują rozbudowany mechanizm słownika
wyjątków.
Okno dialogowe słownika wyjątków zawiera trzy części:
Ł
Słownik - jest to lista wyrazów wyjątkowych. Użytkownik może do niej dopisywać własne
wyjątki zapisane w sposób fonetyczny.
Ł
Sposób odczytu tekstu - pozwala wybrać jeden z trybów odczytywania. W trybie
 Dokładnym syntezator odczytuje wszystkie znaki znajdujące się w podanym tekście, podczas
gdy w trybie  Lektorskim część z nich interpretuje imitując zachowanie lektora. Szczegóły
działania obu trybów zostały opisane w dalszej części tego dokumentu.
Ł
Pomijanie znaków - użytkownik może skonfigurować, które znaki mają zostać bezwzględnie
pominięte podczas odczytywania. Zaznaczone znaki zostaną usunięte z tekstu wejściowego
zanim trafi on do syntezatora.
Zamieniaj  Z oraz Zamieniaj  Na
Lista wyrazów zamienianych
Dodaj - po wciśnięciu przycisku  Dodaj można
wypełnić pole  Z wyrazem poszukiwanym oraz  Na
wyrazem na jaki należy wyraz poszukiwany zamieniać.
Edytuj - wciśnięcie przycisku spowoduje możliwość
zmiany wyrazu poszukiwanego i zamienianego
Usuń - wciśnięcie przycisku usuwa aktualnie
wybrany wyraz poszukiwany ze słownika
Akceptuj  (widoczny w czasie edycji słowa)
wciśnięcie powoduje zaakceptowanie
wprowadzonej zmiany do słownika
Sposoby odczytu tekstu
Anuluj  (w polu  Słownik , widoczny w
czasie edycji słowa) wciśnięcie anuluje
wprowadzoną zmianę do słownika
Tryb odczytu  Dokładny
Tryb odczytu  Lektorski
Pomijaj znaki - pozwala wybrać znaki, które mają być
ignorowane podczas odczytu tekstu (cudzysłów, myślnik,
nawiasy, klamry, tylda, apostrofy, znaki: < >,/)
3
Tryb Dokładny i Lektorski
yntezator mowy IVONA może pracować w dwóch trybach:  Lektorskim i  Dokładnym . W
zależności od używanego trybu IVONA w różny sposób odczytuje tekst. W trybie
S Dokładnym wystąpienie jednego ze znaków specjalnych (np. nawias, myślnik, etc.)
powoduje odczytanie jego nazwy przez IVON
. W trybie  Lektorskim IVONA próbuje
zinterpretować tekst tak, jak to robi lektor, czyli nie odczytuje nazwy specjalnego znaku, ale
odpowiednio zmienia intonację zdania. Na przykład zdanie:  Ala ma kota  Stefanka . zostanie
zupełnie inaczej odczytane w obu trybach. W trybie dokładnym usłyszymy  Ala ma kota cudzysłów
Stefanka cudzysłów." podczas, gdy w trybie lektorskim usłyszymy  Ala ma kota, Stefanka.".
Aby uruchomić tryb lektorski należy uruchomić okno konfiguracji słownika i zmienić sposób
interpretacji tekstu na tryb lektorski. Tryb lektorski jest szczególnie użyteczny do zamiany na
mowę dużej ilości tekstu wcześniej nieobrobionego, np. tekstu książek, w którym znajduje się
wiele dialogów.
Zaawansowany paser tekstu
łos SAPI5 syntezatora mowy IVONA ładuje reguły z pliku słownika ivona.lex, który
umieszczony jest w katalogu instalacyjnym syntezatora. W rzeczywistości słownik jest
Gbardzo rozbudowanym parserem tekstu pozwalającym praktycznie dowolnie modyfikować
tekst poprzez zastosowanie wyrażeń regularnych zgodnych z definicją  POSIX 1003.2 regular
expressions . Słownik zbudowany jest na zasadzie - jedna reguła w jednej linii. Reguła składa się z
dwóch członów oddzielonych dowolną ilością białych znaków:
tekst_do_zamian łańcuch_docelowy
Przykład:  ivo software  iwo softłer
Jeżeli któryś z członów zawiera białe znaki to należy go ująć w czudzysłów. Jeżeli któryś z członów
zawiera cudzysłów to należy poprzedzić go znakiem ucieczki \ (backslash). Człon tekst do zmiany
definiuje wyrażenie regularne dopasowujące tekst do zamiany. W procesie przekształcania tekstu
przed syntezą dopasowany fragment zostaje zastąpiony poprzez łańcuch docelowy. Przy czym
łańcuch docelowy może zawierać referencje do dopasowywanego tekstu zapisane notacją \1 .. \9
(\0 to całe dopasowanie). Na przykład dodanie reguły: Singapur([[:alpha:]]*) S~'ingapur\1
spowoduje zamianę wszystkich wystąpień słowa Singapur we wszystkich odmianach.
UWAGA!!! Ręcznie dodawane reguły do pliku słownika mogą pojawić się w oknie dialogowym
słownika wyjątków w zmienionej formie. Ze względu na ułatwienie obsługi okno dialogowe
słownika wyjątków wstępnie przetwarza reguły tak, aby były łatwiejsze do zrozumienia. Nie należy
w oknie dialogowym słownika wyjątków modyfikować reguł dodanych ręcznie do pliku!
Ł
Przykładowe reguły
Poniżej przedstawiamy kilka reguł słownika systemu syntezy mowy IVONA używanych do
najbardziej typowych zadań. Należy zauważyć, że reguły są case-insensitive - czyli działają bez
rozróżniania wielkości liter.
(^|[[:punct:][:space:]])Software([[:punct:][:space:]]|$) \1softłer\2
Powyższa reguła działa w sposób następujący: zamień słowo  Software , na wersję zapisaną
fonetycznie -  softłer . Otoczenie słowa ^|[[:punct:][:space:]] oraz [[:punct:][:space:]]|$
oznacza  dowolny znak interpunkcyjny, biały znak lub początek tekstu (znak ^) lub
koniec tekstu (znak $) . Gdyby go nie było algorytm zamieniałby wszystkie wystąpienia słowa
 Software (co akurat dla słowa  Software nie jest niekorzystne, w przeciwieństwie do np. dla
słowa  Ala - ponieważ zamieniane byłyby także takie słowa jak:  oddala ,  przechwala ).
Opisywane tu otoczenie słowa zostało ujęte w nawiasy, aby umożliwić wykorzystanie referencji
wstecznych - \1, \2, które powodują kopiowanie znaków dopasowanych do fragmentów reguły z
nawiasów, na wyjście bez zmian. Powyższą regułę należy rozszerzyć jeżeli chcemy dopasować dwa
wyrazy, np.: (^|[[:punct:][:space:]])IVO[[:space:]]+Software([[:punct:] [:space:]]|$)
\1iwo softłer\2
Zapis w słowniku usuwający niechciane znaki z tekstu: [!?@#$%*&()]+  
4
Znaczniki sterujące interfejsu SAPI5
tekście podawanym do syntezy można używać znaczników sterujących, które pozwalają
na modyfikację generowanej mowy w trakcie syntezy. Wszystkie znaczniki mają postać
Wznaną z XML.
Lista znaczników przydatnych podczas pracy z syntezatorem mowy IVONA:
Ł
Volume - Przy pomocy znacznika  Volume można kontrolować głośność głosu. Jeżeli znacznik
pozostanie pusty to zmiana głośności odnosi się do całego tekstu następującego po znaczniku,
inaczej wyłącznie do tekstu ujętego w znacznik. Znacznik  Volume wymaga atrybutu  Level ,
który określa nowy poziom głośności. Wartość tego atrybutu musi zawierać się w przedziale [0,
100], gdzie 100 oznacza 100% głośności i jednocześnie jest wartością domyślną.
Przykład:  Ala ma kota, a kot ma Alę.  Ala ma level= 50 >kota, a kot ma Alę.
Ł
Rate - Znacznik  Rate pozwala kontrolować szybkość generowanej mowy. Znacznik może być
pusty, co oznacza, że jego działanie odnosi się do całego następującego po nim tekstu. Znacznik
Rate wymaga jednego z dwóch atrybutów: speed lub absspeed. Oba atrybuty przyjmują wartości z
zakresu [-10, 10], gdzie -10 oznacza mowę najwolniejszą. Wartość 0 oznacza prędkość domyślną
głosu. Atrybut speed zmienia prędkość mowy w sposób względny (czyli w odniesieniu do bieżącej
prędkości mowy), a absspeed w sposób bezwzględny.
Przykład:  Ala ma kota, a kot ma Alę.  Ala ma speed= 1 >kota, a kot ma Alę.
Ł
Silence - Znacznik  Silence pozwala wstawić ciszę w określonym miejscu generowanej
wypowiedzi. Długość wstawianej ciszy wyrażona jest w milisekundach. Znacznik Silence musi być
pusty i zawierać jeden atrybut msec.
Przykład:  3 2 1
bum.
Ł
Spell - Znacznik  Spell wymusza literowanie ujętego w nim fragmentu tekstu. Znacznik ten
nie może być pusty.  Ala ma papugę, która mówi i umie całkiem niez
le wymawiać niektóre literki,
na przykład abcd.
Obsługa błędów syntezatora mowy
łosy SAPI5 syntezatora mowy IVONA do zgłaszania błędów wykorzystują mechanizm
rejestru zdarzeń systemu Windows. Rejestr ten jest dostępny w Panelu Sterowania/
GNarzędzia administracyjne/Podgląd Zdarzeń w sekcji Aplikacja.
Błędy głosu SAPI5
ŁWystąpił problem z inicjalizacja interfejsu SAPI5 - nie można zaladowac pliku biblioteki głosu.

Błąd może powstać podczas próby niepoprawnie zainstalowanego głosu syntezatora mowy IVONA,
któremu brakuje jednego ze składników. Pojawienie się tego błędu oznacza, że dany głos nie będzie
mógł być używany dopóki problem nie zostanie usunięty. Należy zainstalować dany głos ponownie.
ŁInterfejs SAPI5 nie może zostać użyty, ponieważ przekroczono limit dozwolonych licencji

syntez równoleglych.
Błąd powstanie podczas próby przeprowadzenia syntezy niezgodnej z dostępną licencją.
Najczęstszą przyczyną jego występowania jest próba przeprowadzenia większej liczby
jednoczesnych syntez niż zezwala na to licencja. Należy zwrócić uwagę na to, że niektóre programy
korzystające z interfejsu SAPI5  zajmują syntezator nawet gdy nie syntezują mowy. Dlatego też, w
przypadku pojawienia się tego błędu, należy sprawdzić czy nie został uruchomiony inny program
wykorzystujący dany głos IVONA.
5
Wsparcie techniczne
W razie pytań lub kłopotów z uruchomieniem produktów firmy IVO Software proszę kontaktować
się bezpośrednio z działem wsparcia technicznego dla klientów:
email: [e-mail]
tel: + 48 58 783 49 51
Kont@kt
TM
IVO Software Sp. z o.o.
al.Zwycięstwa 96/98, 81-451 Gdynia
tel.: [phone]
fax: [phone]
e-mail: [e-mail]
www: www.ivo.pl; www.ivosoftware.com
6