Talk

[lord_viper]

چرا من ديدم فرمول داره البته اصل فرمولشو نميدونم ولي

کد:

-->t = 0: (1/10) : (8*60*60);        // eighth hours at 10 samples per second

-->resp= sin ( 2 * %pi * (1/4) * t); // respirogram at a frequency of 1/4

-->savewave('beep2.wav',resp,10000); // saved as if it had been sampled at 10000
Writing Wave file: Microsoft PCM format, 1 channel, 10000 samp/s
        20000 byte/sec, 2 block align, 16 bits/samp
Finished writing Wave file, 576002 data bytes

بزن تو گوگل wave file format چيزاي خوبي پيدا ميكني

[ajlajlajl]

خب مشکلی با کار با فایل صوتی نیست. مشکل تولید صداییه که مخوایم.چطوری؟
این فرمول که فکر کنم برای ذخیره کردن و ایناست؟

[lord_viper]

شما بايد كلمات و حروف رو با ميكروفون بگين و با برنامهاي كه اونا رو تيديل به دامنه و فركانس ميكنه وقتي فركانسها رو داسته باشين و وقتي بدونين چطور اين فركانسها به بيت تبديل ميشن ميتونين حروف نوشته شده به با توجا به فركانس هر كدوم كه داريد تبديل به يك فايل wave كرده پخش كنيد

[ajlajlajl]

شما بايد كلمات و حروف رو با ميكروفون بگين و با برنامهاي كه اونا رو تيديل به دامنه و فركانس ميكنه وقتي فركانسها رو داسته باشين و وقتي بدونين چطور اين فركانسها به بيت تبديل ميشن ميتونين حروف نوشته شده به با توجا به فركانس هر كدوم كه داريد تبديل به يك فايل wave كرده پخش كنيد

میشه یکی دوتا از این برنامه ها رو معرفی کنید؟

[lord_viper]

برنامه و كامپوننت كه اين كارو بكنه هست كه شبيه ساز اوسيلوسكوپه ولي متاسفانه اسمش يادم نيست معمولا برنامه هايي كه رقص نور رو شبيه سازي ميكنن(مثل چيزي كه تو وينمپ هست)روش كارش ميتونه خيلي كمك كنه
(سعي ميكنم يه سرچ بزنم ببينم چي ميشه)

[arnh]

همين كه ميگم تا حالا همچين چيزي ساخته نشده .
چون اين معما حل نشده ..
.........
مثلا اگه زبون عربي هم اعراب رو هم نداشته باشه . باز بر حسب صرفشون ميشه صدا رو كشف كرد ولي فارسي نوچ !

اين معما رو هر كه حل كنه .. از نوابغ روزگاره !

http://www.aisoft.ir/fa/tts-enlarge.aspx

سال 81 دانشجويان دانشگاه صنعتي امير كبير اولين كساني بودند كه اين برنامه رو ساختند. همونطور كه مي دونيد موتورهاي سخنگويي كه براي زبان انگليسي طراحي شدند _ با وجود پيچيدگي كمتري كه زبان انگليسي داره_ هرگز قادر به ايجاد تن صدا و به اصطلاح ايجاد احساس در جملات نشده اند كه البته اين برنامه تا حدود زيادي مي تونه اين كار رو انجام بده.

ساخت يه ساعت گويا كار سختي هست ؟!
وقتي كه معما هنوز حل نشده .. ( پس سيستم همون ساعت گوياست )
يا همون اپراتور 118 !

[arnh]

خوب دیگه. ما چطوری میخونیم؟ هم سواله هم جواب . یه خرده فکر کنید. ما چطوری میخونیم؟
خب کلاس اول که بودیم کلمات علامت داشتند. خب شیوه تلفظشون رو یاد گرفتیم و حفظ شدیم. بعد علامت ها رو برداشتند. خب چون حفظ بودیم مشکلی پیش نمیومد. با ملت حرف میزدیم. شیوه تلفظ کلماتی که یاد نگرفته بودیم رو هم یاد گرفتیم. چند تا روزنامه خوندیم. یه کتاب خوندیم. یا یه نوشته دیگه. توی تلفظ یه کلمش موندیم. خب از بابا ، مامان یا یکی دیگه که بهش اطمینان داشتیم طریقه صحیح تلفظش رو یاد گرفتیم. هیچ کس نبود؟ یه تلفظ با توجه به هم خانواده بودنش با بقیه کلمات از خودمون ساختیم تا یه وقت دیگه که توی صحبتمون آوردیمش اگه غلط بود بهمون درستشو بگن.
(فصل تلفظ. زندگی نامه یه بچه)

خب برنامه هم دقیقا باید همین مراحل رو طی کنه و به همین ترتیب یاد بگیره.
همون طور که گفتم اول طریقه تلفظ یه سری کلمه توی دیتابیس ذخیره میشه. بعد که برنامه راه افتاد یه چند نفر دیگه هم پیدا میشند و اطلاعات یه مجموعه بزرگتری رو (مثل یه دیکشنری) رو اضافه میکنند. حالا وسط خوندن یه متن کلمه ناشناخته بود. اول با توجه به هم خانواده بودنش با بقیه کلمات و اینا یه تلفظ پیشساخته درست میکنه. بعد اونو به کاربر نشون میده میگه درسته؟؟ اگه درست نبود کاربر درستش میکنه.

اينطوري كه بايد از بالاترين سطح هوش مصنوعي استفاده بشه !
شايدم خلق بشه ..
آناليز امواج مغزي و فكر خوني كار راحت تري هست ..

بعد دوست عزيز كاري نداريم به اينكه براي فلان چيكار انجام دادن يا نه .
ما داريم بررسي مي كنيم ببينيم چي ميخوايم . ( فعلا بحث عمل نيست )

[ajlajlajl]

خب من مشکل تلفظ رو بررسی کردم. و راه حلی که به ذهنم رسید رو گفتم. به نظر من این تنها راه حله چون خود ما هم از همین روش برای یادگیری استفاده میکنیم. همچین هوش زیادی هم لازم نداره.
یه چیز دیگه جناب arnh من از حرفهای شما هیچی نمیفهمم. بابا یه خرده روشن تر بگین خب.
منظورتون از "فعلا بحث عمل نيست" چیه؟ در مورد تلفظ که هنوز بحث تئوریه. در مورد ایجاد صدا هم که باید برم دنبالش . دو روش که بیشتر نبود. روش دومو که بلدم. این روش میمونه که اگه یاد بگیرم کار درست میشه. دیگه بحث تئوری نداره.
یا اصلا کلا منظورتون یه چیز دیگست؟
یه چیز دیگه. منظورتون از "كاري نداريم به اينكه براي فلان چيكار انجام دادن يا نه" چیه؟ چه کاری؟

[arnh]

یه چیز دیگه جناب arnh من از حرفهای شما هیچی نمیفهمم. بابا یه خرده روشن تر بگین خب.
منظورتون از "فعلا بحث عمل نيست" چیه؟ در مورد تلفظ که هنوز بحث تئوریه. در مورد ایجاد صدا هم که باید برم دنبالش . دو روش که بیشتر نبود. روش دومو که بلدم. این روش میمونه که اگه یاد بگیرم کار درست میشه. دیگه بحث تئوری نداره.
یا اصلا کلا منظورتون یه چیز دیگست؟
یه چیز دیگه. منظورتون از "كاري نداريم به اينكه براي فلان چيكار انجام دادن يا نه" چیه؟ چه کاری؟

اون چيزي رو كه دنبالش هستي اگه يه سرچ بدي توي ايرانويج گيرت مياد .
چون قبلا باهاش برخورد داشتم .

معمولا بخش عملي كار خيلي ساده اس .. بخش طرح اوليه است كه مشكل هستش .

منظورم اينكه كاري نداريم . كه قبلا چيكارا انجام شده . چون هرچي بوده سعي بر توليد خروجي بوده . ( يعني انجام كار ) ولي چيزي كه اينجا ميخوايم اينه . انجام صحيح كار هستش . دقيقا منظورم رو ميگم .

اغلب واژه در زبان فارسي يك تلفظ دارند .
مثلا : شيراز -- Shiraz
يا كشور -- Keshvar
اما يه تعداد واژه هست .. مثل سحر
1. sahar
2. sehr
يا شش
1.shesh
2.shosh

حالا چيزي كه مد نظر شماست .
هر واژه رو واج نگاري كنيد يا اونو به صورت جدا ضبط كنيد .
بعد از هوش مصنوعي استفاده كنيد تا جايگاه اين كلمات رو كه دو نوع تلفظ دارند رو پيدا كنيد .
مثل استفاده از كلمات ديگه در كنار اون كلمه .
كه هرچه هوشمندانه طراحي شده باشه ضريب خطا مياد پائين .

اما چيزي كه براي من جالبه و يه جورايي هم محال به نظر ميرسه .
اينه . ( قبلا روش يه مقدار تحقيق انجام دادم و پي بردم كه محال نيست )
يه بحثي هست بنام ليگزاگرام در زبان انگليسي كه معادل اون براي زبان فارسي وجود داشته باشه مشكل حله .
يعني محاسبه وزن جمله . و پيدا كردن نوع تلفظ واژه .. جالبه به اينه كه در زبان انگليسي كاربرد نداره و صرفا يه سرگرمي هست براي حدس كلمات .

حتي از اين طريق ميشه حس رو هم شبيه سازي كرد .
اونجا هست كه توليد صدا سخت ميشه .. ( اينجا كاري نداره )
چون هم نوع تلفظ و هم حس كلمه ادا ميشه .

بخاطر همين هست كه ميگم فعلا كاري به عمل نداشته باشيد ..
تا بدونيم چي ميخوايم .

[ajlajlajl]

خب. من هنوز داشتم روی یک کلمه یه صورت مجزا فکر میکردم.
در مورد ليگزاگرام. به نظر من بدون داشتن تلفظات تشخیص تلفظ از روی جمله محاله. حالا شاید بشه از روی جمله فهمید که منظور کدوم "سحر"ه که اینم هوش مصنوعی بالایی میخواد ولی تشخیص کامل تلفظ کلمات به نظر من غیر ممکنه. ( شاید اگه متنه شعر باشه بشه یه کاریش کرد! )

[ajlajlajl]

چی شد؟ نظری؟ پیشنهادی چیزی؟