Implementação de API para Reconhecimento e Sintetização de Voz em um Aplicativo Móvel

Abstract

RESUMOO uso de interfaces inteligentes, recursos de usabilidade e tecnologias de voz estão possibilitando que as aplicações se tornem cada vez mais ricas, em especial para auxiliar usuários inexperientes ou com necessidades especiais. Com isso muitas empresas desenvolvedoras de softwares estão buscando maneiras de implementar as tecnologias de voz em seus produtos, e uma das formas mais utilizadas é através do uso de Application Programming Interface (API's). As tecnologias de voz são divididas em duas categorias: reconhecimento de voz, que é utilizado em comandos por voz (converte a voz em texto), e sintetizador de voz, que é utilizado para melhorar a acessibilidade nos dispositivos (converte o texto em fala). Essas tecnologias fazem uso do Processamento de Linguagem Natural, subárea da Inteligência Artificial, para processar e manipular a linguagem humana em diversos níveis. Este artigo apresenta um levantamento das principais API's de reconhecimento e sintetização da voz, descrevendo as suas características e funcionalidades. Além disso, um estudo de caso mostra qual API foi escolhida dentre as que foram pesquisadas, e como a mesma foi implementada no aplicativo Alerta Brusque. ABSTRACTThe use of intelligent interfaces, usability features and voice technologies are enabling applications to become increasingly rich, especially to assist inexperienced users or those with special needs. Therewith, many software developers are looking for ways to implement voice technologies in their products, and one of the most commonly used forms is the Application Programming Interface (API). Voice technologies are divided into two categories: voice recognition, which is widely used in voice commands (converts voice to text), and speech synthesizer, which is widely used to improve accessibility in devices (convert text to speech). These voice technologies use Natural Language Processing techniques, subarea of Artificial Intelligence, in order to process and manipulate human language at several levels. This article presents an analysis of the main voice recognition and synthesizing APIs, describing their characteristics and functionalities. In addition, as a case study, it shows which API was chosen, among those that were researched, and how it was implemented in the Alert Brusque application.