home *** CD-ROM | disk | FTP | other *** search
/ Usenet 1994 October / usenetsourcesnewsgroupsinfomagicoctober1994disk1.iso / answers / comp-speech-faq / part1 next >
Text File  |  1993-12-12  |  97KB  |  2,330 lines

  1. Path: senator-bedfellow.mit.edu!bloom-beacon.mit.edu!pad-thai.aktis.com!pad-thai.aktis.com!not-for-mail
  2. From: andrewh@speech.su.oz.au (Andrew Hunt)
  3. Newsgroups: comp.speech,comp.answers,news.answers
  4. Subject: comp.speech FAQ (Frequently Asked Questions)
  5. Supersedes: <comp-speech-faq_753339610@GZA.COM>
  6. Followup-To: comp.speech
  7. Date: 13 Dec 1993 00:01:00 -0500
  8. Organization: Speech Technology Group, The University of Sydney
  9. Lines: 2310
  10. Sender: faqserv@security.ov.com
  11. Approved: news-answers-request@MIT.Edu
  12. Expires: 24 Jan 1994 05:00:11 GMT
  13. Message-ID: <comp-speech-faq_755758811@GZA.COM>
  14. Reply-To: andrewh@speech.su.oz.au (Andrew Hunt)
  15. NNTP-Posting-Host: pad-thai.aktis.com
  16. Summary: Useful information about Speech Technology
  17. X-Last-Updated: 1993/11/10
  18. Xref: senator-bedfellow.mit.edu comp.speech:1547 comp.answers:2955 news.answers:15696
  19.  
  20. Archive-name: comp-speech-faq
  21. Last-modified: 1993/11/11
  22.  
  23.  
  24.                        comp.speech
  25.  
  26.                 Frequently Asked Questions
  27.                 ==========================
  28.  
  29. This document is an attempt to answer commonly asked questions and to
  30. reduce the bandwidth taken up by these posts and their associated replies.
  31. If you have a question, please check this file before you post.
  32.  
  33. The FAQ is not meant to discuss any topic exhaustively.  It will hopefully
  34. provide readers with pointers on where to find useful information.  It also
  35. tries to list useful material available elsewhere on the net.
  36.  
  37. This FAQ is posted monthly to comp.speech, comp.answers and news.answers.
  38.  
  39. It is also available for anonymous ftp from the comp.speech archive site
  40.     svr-ftp.eng.cam.ac.uk:/comp.speech/FAQ
  41. It is also available from the news.answers ftp site (and its mirrors) as
  42.     rtfm.mit.edu:/pub/usenet/news.answers/comp-speech-faq
  43.  
  44. If you have not already read the Usenet introductory material posted to 
  45. "news.announce.newusers", please do.  For help with FTP (file transfer
  46. protocol) look for a regular posting of "Anonymous FTP List - FAQ" in
  47. comp.misc, comp.archives.admin and news.answers amongst others.
  48.  
  49.  
  50. Admin
  51. -----
  52.  
  53. There are several new product entries in this release plus updates
  54. on quite a few entries.
  55.  
  56. I have introduced Question 1.6 on the use of speech technology as aids
  57. for the handicapped.  The first information is on a speech therapy aid.
  58. Can people with experience in this area provide details of aids for
  59. the blind, deaf, speech impaired, RSI, physically impaired and others.
  60. If there is sufficient information it can form its own section.
  61.  
  62. My email address has changed to andrewh@speech.su.oz.au.
  63. The old one will work for some time still.
  64.  
  65.  
  66. Cheers,
  67.  
  68. Andrew Hunt
  69. Speech Technology Research Group    email: andrewh@speech.su.oz.au
  70. Department of Electrical Engineering    Ph:  61-2-692 4509
  71. University of Sydney, NSW, Australia.    Fax: 61-2-692 3847
  72.  
  73.  
  74. ========================== Acknowledgements ===========================
  75.  
  76. Thanks to the following for their significant comments and contributions.
  77.  
  78. Barry Arons        <barons@media-lab.mit.edu>
  79. Joe Campbell        <jpcampb@afterlife.ncsc.mil>
  80. Oliver Jakobs        <jakobs@ldv01.Uni-Trier.de>
  81. Sonja Kowalewski    <kowa@uniko.uni-koblenz.de>
  82. Tony Robinson        <ajr@eng.cam.ac.uk>
  83. Mike            <mike%jim.uucp@wupost.wustl.edu>
  84.  
  85. Many others have provided useful information.  Thanks to all.
  86.  
  87.  
  88. ============================ Contents =================================
  89.  
  90. PART 1 - General
  91.  
  92. Q1.1: What is comp.speech?
  93. Q1.2: Where are the comp.speech archives?
  94. Q1.3: Common abbreviations and jargon.
  95. Q1.4: What are related newsgroups and mailing lists?
  96. Q1.5: What are related journals and conferences?
  97. Q1.6: What resources are available as handicap aids?
  98. Q1.7: What speech data is available?
  99. Q1.8: Speech File Formats, Conversion and Playing.
  100. Q1.9: What "Speech Laboratory Environments" are available?
  101.  
  102. PART 2 - Signal Processing for Speech
  103.  
  104. Q2.1: What speech sampling and signal processing hardware can I use?
  105. Q2.2: What signal processing techniques are for speech technology?
  106. Q2.3: How do I find the pitch of a speech signal?
  107. Q2.4: How do I find the start and end points of a speech signal?
  108. Q2.5: Where can I find FFT software?
  109. Q2.6: How do I convert to/from mu-law format?
  110.  
  111. PART 3 - Speech Coding and Compression
  112.  
  113. Q3.1: Speech compression techniques.
  114. Q3.2: What are some good references/books on coding/compression?
  115. Q3.3: What software is available?
  116.  
  117. PART 4 - Speech Synthesis
  118.  
  119. Q4.1: What is speech synthesis?
  120. Q4.2: How can speech synthesis be performed?
  121. Q4.3: What are some good references/books on synthesis?
  122. Q4.4: What software/hardware is available?
  123.  
  124. PART 5 - Speech Recognition
  125.  
  126. Q5.1: What is speech recognition?
  127. Q5.2: How can I build a very simple speech recogniser?
  128. Q5.2: What does speaker dependent/adaptive/independent mean?
  129. Q5.3: What does small/medium/large/very-large vocabulary mean?
  130. Q5.4: What does continuous speech or isolated-word mean?
  131. Q5.5: How is speech recognition done?
  132. Q5.6: What are some good references/books on recognition?
  133. Q5.7: What speech recognition packages are available?
  134.  
  135. PART 6 - Natural Language Processing
  136.  
  137. Q6.1: What are some good references/books on NLP?
  138. Q6.2: What NLP software is available?
  139.  
  140. =======================================================================
  141.  
  142. PART 1 - General
  143.  
  144. Q1.1: What is comp.speech?
  145.  
  146. comp.speech is a newsgroup for discussion of speech technology and 
  147. speech science.  It covers a wide range of issues from application of 
  148. speech technology, to research, to products and lots more.  By nature 
  149. speech technology is an inter-disciplinary field and the newsgroup reflects 
  150. this.  However, computer application is the basic theme of the group.
  151.  
  152. The following is a list of topics but does not cover all matters related 
  153. to the field - no order of importance is implied.
  154.  
  155. [1] Speech Recognition - discussion of methodologies, training, techniques, 
  156. results and applications.  This should cover the application of techniques 
  157. including HMMs, neural-nets and so on to the field.
  158.  
  159. [2] Speech Synthesis - discussion concerning theoretical and practical
  160. issues associated with the design of speech synthesis systems.
  161.  
  162. [3] Speech Coding and Compression - both research and application matters.
  163.  
  164. [4] Phonetic/Linguistic Issues - coverage of linguistic and phonetic issues 
  165. which are relevant to speech technology applications.  Could cover parsing, 
  166. natural language processing, phonology and prosodic work.
  167.  
  168. [5] Speech System Design - issues relating to the application of speech
  169. technology to real-world problems.  Includes the design of user interfaces, 
  170. the building of real-time systems and so on.
  171.  
  172. [6] Other matters - relevant conferences, books, public domain software, 
  173. hardware and related products.
  174.  
  175. ------------------------------------------------------------------------
  176.  
  177. Q1.2: Where are the comp.speech archives?
  178.  
  179. comp.speech is being archived for anonymous ftp.
  180.  
  181.     ftp site:    svr-ftp.eng.cam.ac.uk (or 129.169.24.20).  
  182.     directory:    comp.speech/archive
  183.  
  184. comp.speech/archive contains the articles as they arrive.  Batches of 100
  185. articles are grouped into a shar file, along with an associated file of
  186. Subject lines.
  187.  
  188. Other useful information is also available in comp.speech/info.
  189.  
  190. ------------------------------------------------------------------------
  191.  
  192. Q1.3: Common abbreviations and jargon.
  193.  
  194. ANN   - Artificial Neural Network.
  195. ASR   - Automatic Speech Recognition.
  196. ASSP  - Acoustics Speech and Signal Processing
  197. AVIOS - American Voice I/O Society
  198. CELP  - Code-book excited linear prediction.
  199. COLING - Computational Linguistics
  200. DTW   - Dynamic time warping.
  201. FAQ   - Frequently asked questions.
  202. HMM   - Hidden markov model.
  203. IEEE  - Institute of Electrical and Electronics Engineers
  204. JASA  - Journal of the Acoustic Society of America
  205. LPC   - Linear predictive coding.
  206. LVQ   - Learned vector quantisation.
  207. NLP   - Natural Language Processing.
  208. NN    - Neural Network.
  209. TI    - Texas Instruments.
  210. TIMIT - A big speech database from TI and MIT - see Q1.6
  211. TTS   - Text-To-Speech (i.e. synthesis).
  212. VQ    - Vector Quantisation.
  213.  
  214. ------------------------------------------------------------------------
  215.  
  216. Q1.4: What are related newsgroups and mailing lists?
  217.  
  218.  
  219. NEWGROUPS
  220.  
  221. comp.ai - Artificial Intelligence newsgroup.  
  222.      Postings on general AI issues, language processing and AI techniques.
  223.      Has a good FAQ including NLP, NN and other AI information.
  224.  
  225. comp.ai.nat-lang - Natural Language Processing Group
  226.      Postings regarding Natural Language Processing.  Set up to cover
  227.      a broard range of related issues and different viewpoints.
  228.  
  229. comp.ai.nlang-know-rep - Natural Language Knowledge Representation
  230.      Moderated group covering Natural Language.
  231.  
  232. comp.ai.neural-nets - discussion of Neural Networks and related issues.  
  233.      There are often posting on speech related matters - phonetic recognition,
  234.      connectionist grammars and so on.
  235.  
  236. comp.compression - occasional articles on compression of speech.
  237.      FAQ for comp.compression has some info on audio compression standards.
  238.  
  239. comp.dcom.telecom - Telecommunications newsgroup.
  240.      Has occasional articles on voice products.
  241.  
  242. comp.dsp - discussion of signal processing - hardware and algorithms and more.
  243.      Has a good FAQ posting.
  244.      Has a regular posting of a comprehensive list of Audio File Formats.
  245.  
  246. comp.multimedia - Multi-Media discussion group.
  247.      Has occasional articles on voice I/O.
  248.  
  249. sci.lang - Language.  
  250.      Discussion about phonetics, phonology, grammar, etymology and lots more.
  251.  
  252. alt.sci.physics.acoustics - some discussion of speech production & perception.
  253.  
  254. alt.binaries.sounds.misc - posting of various sound samples
  255. alt.binaries.sounds.d - discussion about sound samples, recording and playback.
  256.  
  257.  
  258. MAILING LISTS
  259.  
  260. ECTL - Electronic Communal Temporal Lobe
  261.      Founder & Moderator: David Leip
  262.      Moderated mailing list for researchers with interests in computer speech 
  263.      interfaces. This list serves a broad community including persons from 
  264.      signal processing, AI, linguistics and human factors.
  265.      
  266.      To subscribe, send the following information to: 
  267.         ectl-request@snowhite.cis.uoguelph.ca
  268.         name, institute, department, daytime phone & e-mail address
  269.  
  270.      To access the archive, ftp snowhite.cis.uoguelph.ca, login as anonymous,
  271.      and supply your local userid as a password.  All the ECTL things can be
  272.      found in pub/ectl.
  273.  
  274. Prosody Mailing List
  275.     Unmoderated mailing list for discussion of prosody.  The aim is
  276.     to facilitate the spread of information relating to the research
  277.     of prosody by creating a network of researchers in the field.
  278.     If you want to participate, send the following one-line
  279.     message to "listserv@msu.edu" :-
  280.  
  281.         subscribe prosody Your Name
  282.  
  283. foNETiks
  284.     A monthly newsletter distributed by e-mail. It carries job 
  285.     advertisements, notices of conferences, and other news of
  286.     general interest to phoneticians, speech scientists and others 
  287.     The current editors are Linda Shockey and Gerry Docherty.
  288.     #
  289.     The email address seems to have changed - does anyone know
  290.     the current subscription details?
  291.  
  292. Digital Mobile Radio
  293.      Covers lots of areas include some speech topics including speech 
  294.      coding and speech compression.
  295.      Mail Peter Decker (dec@dfv.rwth-aachen.de) to subscribe.
  296.  
  297. ------------------------------------------------------------------------
  298.  
  299. Q1.5: What are related journals and conferences?
  300.  
  301. Try the following commercially oriented magazine:-
  302.  
  303.     Speech Technology - no longer published
  304.     Voice Technology News
  305.  
  306. Try the following technical journals (some contact addresses below):-
  307.  
  308.     IEEE Transactions on Speech and Audio Processing (from Jan 93)
  309.     IEEE Transactions on Acoustics, Speech, and Signal Processing
  310.         (ASSP) - now obsolete.
  311.     Computational Linguistics (COLING)
  312.     Computer Speech and Language
  313.     Journal of the Acoustical Society of America (JASA)
  314.     Transactions of IEEE ASSP
  315.     AVIOS Journal
  316.     ASR News
  317.  
  318. Try the following conferences:-
  319.  
  320.  ICASSP        Intl. Conference on Acoustics Speech and Signal Processing (IEEE)
  321.  ICSLP        Intl. Conference on Spoken Language Processing
  322.  EUROSPEECH European Conference on Speech Communication and Technology
  323.  AVIOS      American Voice I/O Society Conference
  324.  SST        Australian Speech Science and Technology Conference
  325.         SpeechTech
  326.  
  327.  
  328. Here are a few contact addresses:-
  329.  
  330. Publications:    IEEE Transactions on Speech and Audio Processing (from Jan 93)
  331.         IEEE Transactions on Acoustics, Speech, and Signal Processing
  332.             (ASSP) - now obsolete.
  333. Organization:    Institute of Electrical and Electronics Engineers (IEEE)
  334. Address:    IEEE Service Center
  335.         445 Hoes Lane
  336.         PO Box 1331
  337.         Piscataway, NJ  08855, USA
  338. Phone number:    1-800-678-IEEE
  339.         (201)981-0060
  340.  
  341. Publications:    Computer Speech and Language
  342. Organization:    Academic Press, Ltd.
  343. Address:    24-28 Oval Rd
  344.         London NW1
  345.         England
  346. Price:        $136 (Institutions), $58 (Individuals)
  347.  
  348. Publications:    Association for Computational Linguistics
  349. Organization:    Association for Computational Linguistics
  350. Address:    MIT Press Journals
  351.         55 Hayward St
  352.         Cambridge, MA  02142
  353. Phone number:     (617)253-2889
  354.  
  355.  
  356. ------------------------------------------------------------------------
  357.  
  358. Q1.6: What resources are available as handicap aids?
  359.  
  360. Can anyone provide information on speech technology aids for the deaf, 
  361. blind, speech impaired, physically impaired and other groups who may
  362. benefit from speech technology?
  363.  
  364.  
  365. Product Name:    SpeechViewer II
  366. Platform:    IBM Machines from Mod 25 on.
  367. Description:    SpeechViewer II is a speech therapy tool.  It provided 
  368.     graphical feedback of various speech features so that speech 
  369.     impaired individuals can improve their speech.  It works with an 
  370.     audio bandwidth of 7.3 Khz and thus allows the therapist to work 
  371.     with sustained vowels and fricatives.  A wide range of graphics
  372.     are used to provide adequate variability to hold client interest.
  373.     An extensive set of statistics are gathered which allows a therapist 
  374.     to do research or keep therapy records.
  375.     The speech therapy modules are:
  376.      o Awareness - Sound, Loudness, Pitch, Voicing Onset, Voicing
  377.      o Skill Building - Pitch, Voicing, Phonology
  378.      o Patterning - Pitch & Loudness - Waveform & Spectrogram, Spectra
  379.      o Clinical Management - Profiles, Models, Client Data
  380. Hardware: Requires an IBM M-ACPA (Multimedia-Audio Capture Playback
  381.     Adapter).  It has a TI TMS320C25 DSP chip.  The input sampling 
  382.     rate is 44.1 Khz stereo, 88.2 Khz mono.  This is a 16 bit card.  
  383.     It has the following jacks:  mic in, stereo line in, stereo line 
  384.     out, speaker out.  Note: This card is being replaced by Mwave 
  385.     technology.  For more info on Mwave contact Texas Instruments.
  386. Price:    The software is $2130 list, $1491 educational, part number 92F2066.
  387.     The M-ACPA is $370 list, $222 educational, part number 92F3378.
  388.     The MicroChannel adapter part number is 92F3379 (same price).
  389. Contact: The Psychological Corporation (TPC) [IBM Authorized Remarketer]
  390.     Phone: 1-800-228-0752
  391.     Or contact IBM on 1-800-426-4832.
  392.  
  393. ------------------------------------------------------------------------
  394.  
  395. Q1.7: What speech data is available?
  396.  
  397. A wide range of speech databases have been collected.  These databases 
  398. are primarily for the development of speech synthesis/recognition and for 
  399. linguistic research.  
  400.  
  401. Some databases are free but most appear to be available for a small cost.
  402. The databases normally require lots of storage space - do not expect to be 
  403. able to ftp all the data you want.
  404.  
  405. [There are too many to list here in detail - perhaps someone would like to 
  406.  set up a special posting on speech databases?]
  407.  
  408.  
  409.     PHONEMIC SAMPLES
  410.     ================
  411.  
  412. First, some basic data.  The following sites have samples of English phonemes
  413. (American accent I believe) in Sun audio format files.  See Question 1.7
  414. for information on audio file formats.
  415.  
  416.         sounds.sdsu.edu:/.1/phonemes
  417.         phloem.uoregon.edu:/pub/Sun4/lib/phonemes
  418.         sunsite.unc.edu:/pub/multimedia/sun-sounds/phonemes
  419.  
  420.  
  421.     HOMOPHONE LIST
  422.     ==============
  423.  
  424. A list of homophones in General American English is available by anonymous 
  425. FTP from the comp.speech archive site:
  426.  
  427.   machine name: svr-ftp.eng.cam.ac.uk
  428.   directory:    comp.speech/data
  429.   file name:    homophones-1.01.txt
  430.  
  431.  
  432.     LINGUISTIC DATA CONSORTIUM (LDC)
  433.     ================================
  434.  
  435. Information about the Linguistic Data Consortium is available via
  436. anonymous ftp from:    ftp.cis.upenn.edu    (130.91.6.8)
  437. in the directory:    /pub/ldc
  438.  
  439. Here are some excerpts from the files in that directory:
  440.  
  441. Briefly stated, the LDC has been established to broaden the collection
  442. and distribution of speech and natural language data bases for the
  443. purposes of research and technology development in automatic speech
  444. recognition, natural language processing and other areas where large
  445. amounts of linguistic data are needed.
  446.  
  447. Here is the brief list of corpora:
  448.  
  449.    * The TIMIT and NTIMIT speech corpora
  450.    * The Resource Management speech corpus (RM1, RM2)
  451.    * The Air Travel Information System (ATIS0) speech corpus
  452.    * The Association for Computational Linguistics - Data Collection 
  453.      Initiative text corpus (ACL-DCI)
  454.    * The TI Connected Digits speech corpus (TIDIGITS)
  455.    * The TI 46-word Isolated Word speech corpus (TI-46)
  456.    * The Road Rally conversational speech corpora (including "Stonehenge" 
  457.      and "Waterloo" corpora)
  458.    * The Tipster Information Retrieval Test Collection
  459.    * The Switchboard speech corpus ("Credit Card" excerpts and portions
  460.      of the complete Switchboard collection)
  461.  
  462. Further resources to be made available within the first year (or two):
  463.  
  464.    * The Machine-Readable Spoken English speech corpus (MARSEC)
  465.    * The Edinburgh Map Task speech corpus
  466.    * The Message Understanding Conference (MUC) text corpus of FBI 
  467.      terrorist reports
  468.    * The Continuous Speech Recognition - Wall Street Journal speech 
  469.      corpus (WSJ-CSR)
  470.    * The Penn Treebank parsed/tagged text corpus
  471.    * The Multi-site ATIS speech corpus (ATIS2)
  472.    * The Air Traffic Control (ATC) speech corpus
  473.    * The Hansard English/French parallel text corpus
  474.    * The European Corpus Initiative multi-language text corpus (ECI) 
  475.    * The Int'l Labor Organization/Int'l Trade Union multi-language 
  476.      text corpus (ILO/ITU)
  477.    * Machine-readable dictionaries/lexical data bases (COMLEX, CELEX)
  478.  
  479. The files in the directory include more detailed information on the 
  480. individual databases.  For further information contact
  481.  
  482.     Linguistic Data Consortium
  483.     441 Williams Hall
  484.     University of Pennsylvania
  485.     Philadelphia, PA 19104-6305
  486.     Phone:   +1 (215) 898-0464
  487.     Fax:     +1 (215) 573-2175
  488.     e-mail:  ldc@unagi.cis.upenn.edu
  489.  
  490.  
  491.     Center for Spoken Language Understanding (CSLU)
  492.     ===============================================
  493.  
  494. 1. The ISOLET speech database of spoken letters of the English alphabet. 
  495. The speech is high quality (16 kHz with a noise cancelling microphone).  
  496. 150 speakers x 26 letters of the English alphabet twice in random order.  
  497. The "ISOLET" data base can be purchased for $100 by sending an email request 
  498. to vincew@cse.ogi.edu.  (This covers handling, shipping and medium costs).  
  499. The data base comes with a technical report describing the data.
  500.  
  501. 2. CSLU has a telephone speech corpus of 1000 English alphabets.  Callers 
  502. recite the alphabet with brief pauses between letters.  This database is 
  503. available to not-for-profit institutions for $100. The data base is described 
  504. in the proceedings of the International Conference on Spoken Language 
  505. Processing.  Contact vincew@cse.ogi.edu if interested.
  506.  
  507.  
  508.        PhonDat - A Large Database of Spoken German
  509.        ===========================================
  510.  
  511. The PhonDat continuous speech corpora are now available on
  512. CD-ROM media (ISO 9660 format).
  513.  
  514.     PhonDat I  (Diphone Corpus)        : 6 CDs    (1140.- DM)
  515.     PhonDat II (Train Enquiries Corpus): 1 CD     ( 190.- DM)
  516.  
  517. PhonDat I comprises approx. 20.000, PhonDat II approx. 1500 
  518. signal files in high quality 16-bit 16 KHz recording.  The
  519. corpora come with a documentation containing the orthographic 
  520. transcription and a citation form of the utterances, as well as a 
  521. detailed file format description.  A narrow phonetic transcription 
  522. is available for selected files from corpus I and II.
  523.  
  524. For information and orders contact
  525.  
  526.    Barbara Eisen
  527.    Institut fuer Phonetik
  528.    Schellingstr. 3 / II
  529.    D 80799 Munich 40
  530.  
  531.    Tel: +49 / 89 / 2180 -2454 or -2758
  532.    Fax: +49 / 89 / 280 03 62
  533.  
  534. ------------------------------------------------------------------------
  535.  
  536. Q1.8: Speech File Formats, Conversion and Playing.
  537.  
  538. Section 2 of this FAQ has information on mu-law coding.
  539.  
  540. A very good and very comprehensive list of audio file formats is prepared
  541. by Guido van Rossum.  The list is posted regularly to comp.dsp and
  542. alt.binaries.sounds.misc, amongst others.  It includes information on 
  543. sampling rates, hardware, compression techniques, file format definitions, 
  544. format conversion, standards, programming hints and lots more.  It is much
  545. too long to include within this posting.
  546.  
  547. It is also available by ftp 
  548.     from:         ftp.cwi.nl
  549.     directory:    /pub 
  550.     file:         AudioFormats<version>
  551.  
  552. ------------------------------------------------------------------------
  553.  
  554. Q1.9: What "Speech Laboratory Environments" are available?
  555.  
  556. First, what is a Speech Laboratory Environment?  A speech lab is a
  557. software package which provides the capability of recording, playing,
  558. analysing, processing, displaying and storing speech.  Your computer
  559. will require audio input/output capability.  The different packages
  560. vary greatly in features and capability - best to know what you want
  561. before you start looking around.
  562.  
  563. Most general purpose audio processing packages will be able to process speech
  564. but do not necessarily have some specialised capabilities for speech (e.g.
  565. formant analysis).
  566.  
  567. The following article provides a good survey.
  568.  
  569.   Read, C., Buder, E., & Kent, R. "Speech Analysis Systems: An Evaluation"
  570.   Journal of Speech and Hearing Research, pp 314-332, April 1992.
  571.  
  572.  
  573. Package: Entropic Signal Processing System (ESPS) and Waves
  574. Platform: Range of Unix platforms.
  575. Description: ESPS is a very comprehensive set of speech analysis/processing 
  576.     tools for the UNIX environment.  The package includes UNIX commands, 
  577.     and a comprehensive C library (which can be accessed from other 
  578.     languages).  Waves is a graphical front-end for speech processing.  
  579.     Speech waveforms, spectrograms, pitch traces etc can be displayed, 
  580.     edited and processed in X windows and Openwindows (versions 2 & 3).
  581.     The HTK (Hidden Markov Model Toolkit) is now available from Entropic.
  582.     HTK is described in some detail in Section 5 of this FAQ - the
  583.     section on Speech Recognition.
  584. Cost:   On request.
  585. Contact: Entropic Research Laboratory, Washington Research Laboratory,
  586.     600 Pennsylvania Ave, S.E. Suite 202, Washington, D.C. 20003
  587.     (202) 547-1420.  email - info@wrl.epi.com
  588.  
  589.  
  590. Package: CSRE: Canadian Speech Research Environment
  591. Platform: IBM/AT-compatibles
  592. Description: CSRE is a comprehensive, microcomputer-based system designed 
  593.     to support speech research.  CSRE provides a powerful, low-cost 
  594.     facility in support of speech research, using mass-produced and 
  595.     widely-available hardware. The project is non-profit, and relies 
  596.     on the cooperation of researchers at a number of institutions and
  597.     fees generated when the software is distributed.  Functions 
  598.     include speech capture, editing, and replay; several alternative 
  599.     spectral analysis procedures, with color and surface/3D displays; 
  600.     parameter extraction/tracking and tools to automate measurement 
  601.     and support data logging; alternative pitch-extraction systems; 
  602.     parametric speech (KLATT80) and non-speech acoustic synthesis, 
  603.     with a variety of supporting productivity tools; and a 
  604.     comprehensive experiment generator, to support behavioral testing 
  605.     using a variety of common testing protocols.
  606.     A paper about the whole package can be found in:
  607.        Jamieson D.G. et al, "CSRE: A Speech Research Environment",
  608.        Proc. of the Second Intl. Conf. on Spoken Language Processing,
  609.        Edmonton: University of Alberta, pp. 1127-1130.
  610. Hardware:     Can use a range of data aqcuisition/DSP
  611. Cost:    Distributed on a cost recovery basis.
  612. Availability: For more information on availability
  613.     contact Krystyna Marciniak - email march@uwovax.uwo.ca
  614.     Tel (519) 661-3901  Fax (519) 661-3805.
  615.     For technical information  - email ramji@uwovax.uwo.ca
  616. Note: Also included in Q4.4 on speech synthesis packages.
  617.  
  618.  
  619. Package: OGI Speech Tools from the Center for Spoken Language 
  620.     Understanding (CSLU) at the Oregon Graduate Institute of Science 
  621.     and Technology (Portland Oregon)
  622. Platform: Unix????
  623. Description: The OGI Speech tools include :-
  624.     1. An X windows display tool (LYRE) for displaying data in a time 
  625.        synchronous fashion for a. the speech signal b. spectrograms
  626.             c. phoneme labels, and other information.
  627.     2. A Neural Network (NOPT) training package.
  628.     3. An set of C library routines (LIBNSPEECH) for the manipulation 
  629.        of speech data, including:  a. PLP Analysis, b. Rasta PLP 
  630.        Analysis, c. Linear Predictive Coding, d. Mel Cepstrum Coding,
  631.        e. Fast Fourier Transform
  632.     4. A set of utilities for converting file formats such as ADC, NIST,
  633.        mu-law, binary files, and ascii.  Includes filtering.
  634.     5. A database utility (find_phone) to automate speech database
  635.        related enquiries.  It allows the user to specify a particular 
  636.        label or set of labels in a given context, display all occurrences 
  637.        of the label, and relabel the occurrences if desired.
  638.     6. A Vector-Quantizer based on the Linde Buzo and Gray (LBG) 
  639.        algorithm.
  640.     7. A set of PEARL Scripts which have been used mainly to automate
  641.        the use of the OGI Speech Tools. 
  642.     8. MAN Pages for all routines and programs developed, as well as
  643.        a User manual in both in postscript and {\bf tex} format.
  644. Misc: Software is written in ANSI C.
  645. Availability: By anonymous ftp from
  646.     speech.cse.ogi.edu:/pub/tools/
  647. Contact: Try tools@cse.ogi.edu
  648.  
  649.  
  650. Package: Signalyze 2.4x from InfoSignal
  651. Platform: Macintosh
  652. Description: Signalyze's basic conception revolves around up to 100 
  653.     signals, displayed synchronously in HyperCard fashion on "cards".
  654.     The program offers a complement of signal editing features, 
  655.     quite a few spectral analysis tools, manual scoring tools, pitch 
  656.     extraction routines, a good set of signal manipulation tools, and 
  657.     extensive input-output capacity.
  658.     Handles multiple file formats: Signalyze, MacSpeech Lab, AudioMedia, 
  659.     SoundDesigner II, SoundEdit/MacRecorder, SoundWave, three sound 
  660.     resource formats, and ASCII-text.
  661.     Sound I/O: Direct sound input from MacRecorder and similar devices, 
  662.     AudioMedia, AudioMedia II and AD IN, some MacADIOS boards and devices,
  663.     Apple sound input (built-in microphone). Sound output via Macintosh 
  664.     internal sound, some MacADIOS boards and devices as well as via the 
  665.     Digidesign 16-bit boards.
  666. Compatibility: MacPlus and higher (including II, IIx, IIcx, IIci, IIfx, 
  667.     IIvx, IIvi, Portable, all PowerBooks, Centris and Quadras). Takes 
  668.     advantage of large and multiple screens and 16/256 color/grayscales. 
  669.     System 7.0 compatible. Runs in background with adjustable priority.
  670. Misc: A demo available upon request.
  671.     Manuals and tutorial included.
  672.     It is available in English, French, and German.
  673.     An UPDATER to version 2.48 is now available in:
  674.       - The UNIL Gopher server (see last page of InfoSignal News 8)
  675.       - The LAIP FTP server. Address: MACFL4082.unil.ch, machine no.
  676.         130.223.104.31, login: anonymous, password: your email
  677.     Also available are a demo program, and current questions and answers.
  678. Cost: Individual licence US$350, site license US$500, plus shipping.
  679. Contact: North America - Network Technology Corporation
  680.         91 Baldwin St., Charlestown MA 02129
  681.         Fax: 617-241-5064   Phone: 617-241-9205
  682.     Elsewhere -  InfoSignal Inc.
  683.         C.P. 73, 1015 LAUSANNE, Switzerland, 
  684.         FAX: +41 21 691-1372,
  685.         Email: 76357.1213@COMPUSERVE.COM.
  686.  
  687.  
  688. Package: Kay Elemetrics CSL (Computer Speech Lab) 4300
  689. Platform: Minimum IBM PC-AT compatible with extended memory (min 2MB) 
  690.     with at least VGA graphics. Optimal would be 386 or 486 machine 
  691.     with more RAM for handling larger amounts of data.
  692. Description: Speech analysis package, with optional separate LPC program 
  693.     for analysis/synthesis. Uses its own file format for data, but has 
  694.     some ability to export data as ascii. The main editing/analysis prog 
  695.     (but not the LPC part) has its own macro language, making it easy to 
  696.     perform repetitive tasks.  Probably not much use without the extra 
  697.     LPC program, which also allows manipulation of pitch, formant and 
  698.     bandwidth parameters.
  699.     Hardware includes an internal DSP board for the PC (requires ISA 
  700.     slot), and an external module containing signal processing chips 
  701.     which does A/D and D/A conversion. 
  702.     A speaker and microphone are supplied.
  703. Misc:  A programmers kit is available for programming signal processing
  704.     chips (experts only).
  705.     Manuals included.
  706. Cost: Recently approx 6000 pounds sterling. (Less in USA?)
  707. Availibility: UK distributors are Wessex Electronics, 
  708.         114-116 North Street, Downend, Bristol, B16 5SE 
  709.         Tel: 0272 571404. 
  710.     In USA: Kay Elemetrics Corp, 
  711.         12 Maple Avenue, PO Box 2025, Pine Brook, NJ 07058-9798
  712.         Tel:(201) 227-7760
  713.  
  714.  
  715. Package: MacSpeech Lab II (MSL II)
  716. Platform: Macintosh
  717. Description: A sound analysis and acquisition for Macs.  MSL II delivers 
  718.     the most common functions for speech analysis (FFTs, LPCs, f0 
  719.     extraction, etc.) & produces grayscale spectrographic displays.
  720.     Can be used for various speech technology and phonetic training
  721.     tasks.  The software an trade off accuracy and speech.
  722. Hardware: requires MacADIOS ("Macintosh Analog/Digital Input/Output
  723.     System") hardware for speech I/O at 12/16 bits.  
  724. Misc: Software no longer updated by GW Instruments; MSL soft/hardware will 
  725.     not perform input/output on Quadras, for example, though analysis 
  726.     seems fine.  Known to operate properly on systems as high as IIcx & 
  727.     II fx.
  728. Cost: $4990 (in May '92 price list; no MSL soft/hardware package
  729.     listed in January '93).
  730. Contact: GW Instruments
  731.     35 Medford Street, Somerville, MA  02143
  732.     Phone: (617) 625-4096   Fax: (617) 625-1322
  733.  
  734.  
  735. Package: Ptolemy
  736. Platform: Sun SPARC, DecStation (MIPS), HP (hppa).
  737. Description: Ptolemy provides a highly flexible foundation for the 
  738.     specification, simulation, and rapid prototyping of systems.  
  739.     It is an object oriented framework within which diverse models 
  740.     of computation can co-exist and interact.  Ptolemy can be used 
  741.     to model entire systems.
  742.     Ptolemy has been used for a broad range of applications including
  743.     signal processing, telecomunications, parallel processing, wireless
  744.     communications, network design, radio astronomy, real time systems, 
  745.     and hardware/software co-design.  Ptolemy has also been used as a lab
  746.     for signal processing and communications courses.
  747.     Ptolemy has been developed at UC Berkeley over the past 3 years.
  748.     Further information, including papers and the complete release
  749.     notes, is available from the FTP site.
  750. Cost: Free
  751. Availability: The source code, binaries, and documentation are available 
  752.     by anonymous ftp from "ptolemy.bekeley.edu" - see the README file -
  753.         ptolemy.berkeley.edu:/pub/README
  754.  
  755.  
  756. Package: Khoros
  757. Description: Public domain image processing package with a basic DSP
  758.     library.  Not particularly applicable to speech, but not bad
  759.     for the price.
  760. Cost:    FREE
  761. Availability: By anonymous ftp from pprg.eece.unm.edu
  762.  
  763.  
  764. Package: SpeechViewer II
  765. Description: Speech Therapy Tool
  766.     See the detailed description in the handicap section (Q1.6).
  767.  
  768.  
  769.  
  770. Can anyone provide information on capability and availability of the
  771. following package?
  772.  
  773.     ILS ("Interactive Laboratory System")
  774.  
  775.  
  776.  
  777. =======================================================================
  778.  
  779. PART 2 - Signal Processing for Speech
  780.  
  781. Q2.1: What speech sampling and signal processing hardware can I use?
  782.  
  783. In addition to the following information, have a look at the Audio File
  784. format document prepared by Guido van Rossum (see details in Section 1.7).
  785.  
  786.  
  787. Product: Sun standard audio port (SPARC 1 & 2)
  788. Input:  1 channel, 8 bit mu-law encoded (telephone quality)
  789. Output: 1 channel, 8 bit mu-law encoded (telephone quality)
  790.  
  791.  
  792. Product:  Ariel
  793. Platform: Sun + others?
  794. Input:  2 channels, 16bit linear, sample rate 8-96kHz (inc 32, 44.1, 48kHz).
  795. Output: 2 channels, 16bit linear, sample rate 8-50kHz (inc 32, 44.1, 48kHz).
  796. Contact: Ariel Corp.433 River Road,
  797.     Highland Park, NJ 08904.
  798.     Ph: 908-249-2900  Fax: 908-249-2123  DSP BBS: 908-249-2124
  799.  
  800.  
  801. Product:  IBM RS/6000 ACPA (Audio Capture and Playback Adapter)
  802. Description: The card supports PCM, Mu-Law, A-Law and ADPCM at 44.1kHz 
  803.     (& 22.05, 11.025, 8kHz) with 16-bits of resolution in stereo.  
  804.     The card has  a built-in DSP (don't know which one).  The device 
  805.     also supports various formats for the output data, like big-endian, 
  806.     twos complement, etc.  Good noise immunity.
  807.     The card is used for IBM's VoiceServer (they use the DSP for 
  808.     speech recognition).  Apparently, the IBM voiceserver has a 
  809.     speaker-independent vocabulary of over 20,000 words and each 
  810.     ACPA can support two independent sessions at once.
  811. Cost:    $US495
  812. Contact: ?
  813.  
  814. Product: Sound Galaxy NX , Aztech Systems
  815. Platform: PC - DOS,Windows 3.1
  816. Cost: ??
  817. Input: 8bit linear, 4-22 kHz.
  818. Output: 8bit linear, 4-44.1 kHz 
  819. Misc: 11-voice FM Music Synthesizer YM3812; Built-in power amplifier;
  820.     DSP signal processing support - ST70019SB
  821.     Hardware ADPCM decompression (2:1,3:1,4:1)
  822.     Full "AdLib" and "Sound Blaster" compatbility.
  823.     Software includes a  simple Text-to-Speech program "Monologue".
  824.  
  825.  
  826. Product: Sound Galaxy NX PRO, Aztech Systems
  827. Platform: PC - DOS,Windows 3.1
  828. Cost: ??
  829. Input: 2 * 8bit linear, 4-22.05 kHz(stereo), 4-44.1 KHz(mono).
  830. Output: 2 * 8bit linear, 4-44.1 kHz(stereo/mono)
  831. Misc: 20-voice FM Music Synthesizer; Built-in power amplifier;
  832.     Stereo Digital/Analog Mixer; Configuration in EEPROM.
  833.     Hardware  ADPCM decompression (2:1,3:1,4:1).
  834.     Includes DSP signal processing support
  835.     Full "AdLib" and "Sound Blaster Pro II" compatybility.
  836.     Software includes a simple Text-to-Speech program "Monologue"
  837.     and Sampling laboratory for Windows 3.1: WinDAT.
  838. Contact: USA (510)6238988
  839.  
  840.  
  841. Product Name:    ATI Stereo F/X Sound Board
  842. Platform:    PC XT or AT - DOS, Windows 3.0, 3.1
  843. Cost:        $120 Canadian
  844. Description:
  845.     Input - 8 bit ADC, 44.1 kHz mono, 22.05 kHz Stereo.
  846.     Output - Dynamic range = 48 dB,  32 anti-aliasing filters
  847.     Adds Stereo effect to existing mono Adlib or Sound Blaster apps.
  848.     11-voice YAMAHA FM Music Synthesizer
  849.     Built-in 8 watt power amplifier, 4 watts per channel.
  850.     Volume ctrl on rear.
  851.     2 Joystick input, software setup (no switches), software included.  
  852.     "AdLib" and "Sound Blaster" compatibility.
  853.     DMA support for high speed digital audio.
  854.     ADPCM decomp @ 4:1, 3:1, 2:1.  Will play .WAV files.
  855.     Optional MIDI I/O port $79. (MIDI IN, OUT, THRU, and sequencer).
  856. Contact: ATI Technologies Inc.
  857.     3761 Victoria Park Avenue
  858.     Scarborough, Ontario
  859.     CANADA, M1W 3S2
  860.     Ph:  (416) 756-0711   Fax: (416) 756-0720
  861.     BBS: (416) 764-9404 (9600 baud  N.8.1)
  862.  
  863.  
  864.                        Other PC Sound Cards 
  865. ============================================================================
  866. sound          stereo/mono              compatible     included   voices
  867. card           & sample rate            with           ports
  868. ============================================================================
  869. Adlib Gold     stereo: 8-bit 44.1khz    Adlib ?        audio      20 (opl3)
  870. 1000                  16-bit 44.1khz                   in/out,    +2 digital
  871.                mono: 8-bit 44.1khz                     mic in,    channels
  872.                     16-bit 44.1khz                     joystick,
  873.                                                        MIDI
  874.  
  875. Sound Blaster  mono: 8-bit 22.1khz      Adlib          audio       11 synth.
  876.                FM synth with                           in/out,
  877.                2 operators                             joystick,
  878.  
  879. Sound Blaster  stereo: 8-bit 22.05khz   Adlib          audio       22
  880. Pro Basic      mono: 8-bit 44.1khz      Sound Blaster  in/out,
  881.                                                        joystick,
  882.  
  883. Sound Blaster  stereo: 8-bit 22.05khz   Adlib          audio       11
  884. Pro            mono: 8-bit 44.1khz      Sound Blaster  in/out
  885.                                                        joystick,
  886.                                                        MIDI, SCSI
  887.  
  888. Sound Blaster  stereo: 8-bit 4-44.1khz  Sound Blaster  audio       20
  889. 16 ASP         stereo: 16-bit 4-44.1khz                in/out,
  890.                                                        joystick,
  891.                                                        MIDI
  892.  
  893. Audio Port     mono: 8-bit 22.05khz     Adlib          audio       11
  894.                                         Sound Blaster  in/out,
  895.                                                        joystick
  896.  
  897. Pro Audio      stereo: 8-bit 44.1khz    Adlib          audio,      20
  898. Spectrum +                              Pro Audio      in/out,
  899.                                         Spectrum       joystick
  900.  
  901.  
  902. Pro Audio      stereo: 16-bit 44.1khz   Adlib          audio       20
  903. Spectrum 16                             Pro Audio      in/out,
  904.                                         Spectrum       joystick,
  905.                                         Sound Blaster  MIDI, SCSI
  906.  
  907. Thunder Board  stereo: 8-bit 22khz      Adlib          audio       11
  908.                                         Sound Blaster  in/out,
  909.                                                        joystick
  910.  
  911. Gravis         stereo: 8-bit 44.1khz    Adlib,         audio line  32 sampled
  912. Ultrasound     mono: 8-bit 44.1khz      Sound Blaster  in/out,     32 synth.
  913.                                                        amplified
  914.                                                        out,
  915.                (w/16-bit daughtercard)                 mic in, CD
  916.                stereo: 16-bit 44.1khz                  audio in,
  917.                mono: 16-bit 44.1khz                    daughterboard
  918.                                                        ports (for
  919.                                                        SCSI and
  920.                                                        16-bit)
  921.  
  922. MultiSound     stereo: 16-bit 44.1kHz   Nothing        audio       32 sampled
  923.                64x oversampling                        in/out,
  924.                                                        joystick,
  925.                                                        MIDI
  926.  
  927. =============================================================================
  928.  
  929.  
  930. Can anyone provide information on Mac, NeXT and other hardware?
  931.  
  932. Product:  xxx
  933. Platform: PC, Mac, Sun, ...
  934. Rough Cost (pref $US):
  935. Input: e.g. 16bit linear, 8,10,16,32kHz.
  936. Output: e.g. 16bit linear, 8,10,16,32kHz.
  937. DSP: signal processing support
  938. Other:
  939. Contact:
  940.  
  941. ------------------------------------------------------------------------
  942.  
  943. Q2.2: What signal processing techniques are for speech technology?
  944.  
  945. This question is far to big to be answered in a FAQ posting.  Fortunately
  946. there are many good books which answer the question!
  947.  
  948. Some good introductory books include
  949.  
  950.    Digital processing of speech signals; L. R. Rabiner, R. W. Schafer.
  951.    Englewood Cliffs; London: Prentice-Hall, 1978
  952.  
  953.    Voice and Speech Processing; T. W. Parsons.
  954.    New York; McGraw Hill 1986
  955.  
  956.    Computer Speech Processing; ed Frank Fallside, William A. Woods
  957.    Englewood Cliffs: Prentice-Hall, c1985
  958.  
  959.    Digital speech processing : speech coding, synthesis, and recognition
  960.    edited by A. Nejat Ince; Kluwer Academic Publishers, Boston, c1992
  961.  
  962.    Speech science and technology; edited by Shuzo Saito
  963.    pub. Ohmsha, Tokyo, c1992
  964.  
  965.    Speech analysis; edited by Ronald W. Schafer, John D. Markel
  966.    New York, IEEE Press, c1979
  967.  
  968.    Douglas O'Shaughnessy -- Speech Communication: Human and Machine
  969.    Addison Wesley series in Electrical Engineering: Digital Signal Processing,
  970.    1987.
  971.  
  972. ------------------------------------------------------------------------
  973.  
  974. Q2.3: How do I find the pitch of a speech signal?
  975.  
  976. This topic comes up regularly in the comp.dsp newsgroup.  Question 2.5
  977. of the FAQ posting for comp.dsp gives a comprehensive list of references
  978. on the definition, perception and processing of pitch.
  979.  
  980. ------------------------------------------------------------------------
  981.  
  982. Q2.4: How do I find the start and end points of a speech signal?
  983.  
  984. A large number of papers have been presented on this task.  Try the
  985. following papers:- 
  986.  
  987. Rabiner LR, Sambur MR, "An Algorithm for Determining the Endpoints
  988.    of Isolated Utterances", Bell System Technical Journal, Vol 54,
  989.    No. 2, pp 297-315, 1975.
  990.  
  991. Drago, P.G. et al.  "Digital Dynamic Speech Detectors."  IEEE Trans on
  992.    Communications, Vol 26, No 1, Jan 78, pp. 140-145.
  993.  
  994. Newman, W.C.  "Detecting Speech with an Adapative Neural Network."
  995.    Electronic Design.  22 March 1990.
  996.  
  997. ------------------------------------------------------------------------
  998.  
  999. Q2.5: Where can I find FFT software?
  1000.  
  1001. Try the following file - available by anonymous ftp :-
  1002.  
  1003.     usc.edu:/pub/C-numanal/fft-stuff.tar.gz
  1004.  
  1005. It contains a series of optimised fft routines, including mixed-radix
  1006. algorithms.  Note that the .gz suffix indicates GNU zip format.
  1007.  
  1008. ------------------------------------------------------------------------
  1009.  
  1010. Q2.6: How do I convert to/from mu-law format?
  1011.  
  1012. Mu-law coding is a form of compression for audio signals including speech.
  1013. It is widely used in the telecommunications field because it improves the
  1014. signal-to-noise ratio without increasing the amount of data.  Typically,
  1015. mu-law compressed speech is carried in 8-bit samples.  It is a companding
  1016. technqiue.  That means that carries more information about the smaller signals
  1017. than about larger signals.  Mu-law coding is provided as standard for the
  1018. audio input and output of the SUN Sparc stations 1&2 (Sparc 10's are linear).
  1019.  
  1020.  
  1021. On SUN Sparc systems have a look in the directory /usr/demo/SOUND.  Included
  1022. are table lookup macros for ulaw conversions.  [Note however that not all
  1023. systems will have /usr/demo/SOUND installed as it is optional - see your
  1024. system admin if it is missing.]
  1025.  
  1026.  
  1027. OR, here is some sample conversion code in C.
  1028.  
  1029. # include <stdio.h>
  1030.  
  1031. unsigned char linear2ulaw(/* int */);
  1032. int ulaw2linear(/* unsigned char */);
  1033.  
  1034. /*
  1035. ** This routine converts from linear to ulaw.
  1036. **
  1037. ** Craig Reese: IDA/Supercomputing Research Center
  1038. ** Joe Campbell: Department of Defense
  1039. ** 29 September 1989
  1040. **
  1041. ** References:
  1042. ** 1) CCITT Recommendation G.711  (very difficult to follow)
  1043. ** 2) "A New Digital Technique for Implementation of Any
  1044. **     Continuous PCM Companding Law," Villeret, Michel,
  1045. **     et al. 1973 IEEE Int. Conf. on Communications, Vol 1,
  1046. **     1973, pg. 11.12-11.17
  1047. ** 3) MIL-STD-188-113,"Interoperability and Performance Standards
  1048. **     for Analog-to_Digital Conversion Techniques,"
  1049. **     17 February 1987
  1050. **
  1051. ** Input: Signed 16 bit linear sample
  1052. ** Output: 8 bit ulaw sample
  1053. */
  1054.  
  1055. #define ZEROTRAP    /* turn on the trap as per the MIL-STD */
  1056. #undef ZEROTRAP
  1057. #define BIAS 0x84   /* define the add-in bias for 16 bit samples */
  1058. #define CLIP 32635
  1059.  
  1060. unsigned char linear2ulaw(sample) int sample; {
  1061.   static int exp_lut[256] = {0,0,1,1,2,2,2,2,3,3,3,3,3,3,3,3,
  1062.                              4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,
  1063.                              5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,
  1064.                              5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,
  1065.                              6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,
  1066.                              6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,
  1067.                              6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,
  1068.                              6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,6,
  1069.                              7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,
  1070.                              7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,
  1071.                              7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,
  1072.                              7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,
  1073.                              7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,
  1074.                              7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,
  1075.                              7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,
  1076.                              7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7};
  1077.   int sign, exponent, mantissa;
  1078.   unsigned char ulawbyte;
  1079.  
  1080.   /* Get the sample into sign-magnitude. */
  1081.   sign = (sample >> 8) & 0x80;        /* set aside the sign */
  1082.   if(sign != 0) sample = -sample;        /* get magnitude */
  1083.   if(sample > CLIP) sample = CLIP;        /* clip the magnitude */
  1084.  
  1085.   /* Convert from 16 bit linear to ulaw. */
  1086.   sample = sample + BIAS;
  1087.   exponent = exp_lut[( sample >> 7 ) & 0xFF];
  1088.   mantissa = (sample >> (exponent + 3)) & 0x0F;
  1089.   ulawbyte = ~(sign | (exponent << 4) | mantissa);
  1090. #ifdef ZEROTRAP
  1091.   if (ulawbyte == 0) ulawbyte = 0x02;    /* optional CCITT trap */
  1092. #endif
  1093.  
  1094.   return(ulawbyte);
  1095. }
  1096.  
  1097. /*
  1098. ** This routine converts from ulaw to 16 bit linear.
  1099. **
  1100. ** Craig Reese: IDA/Supercomputing Research Center
  1101. ** 29 September 1989
  1102. **
  1103. ** References:
  1104. ** 1) CCITT Recommendation G.711  (very difficult to follow)
  1105. ** 2) MIL-STD-188-113,"Interoperability and Performance Standards
  1106. **     for Analog-to_Digital Conversion Techniques,"
  1107. **     17 February 1987
  1108. **
  1109. ** Input: 8 bit ulaw sample
  1110. ** Output: signed 16 bit linear sample
  1111. */
  1112.  
  1113. int ulaw2linear(ulawbyte) unsigned char ulawbyte; {
  1114.   static int exp_lut[8] = { 0, 132, 396, 924, 1980, 4092, 8316, 16764 };
  1115.   int sign, exponent, mantissa, sample;
  1116.  
  1117.   ulawbyte = ~ulawbyte;
  1118.   sign = (ulawbyte & 0x80);
  1119.   exponent = (ulawbyte >> 4) & 0x07;
  1120.   mantissa = ulawbyte & 0x0F;
  1121.   sample = exp_lut[exponent] + (mantissa << (exponent + 3));
  1122.   if(sign != 0) sample = -sample;
  1123.  
  1124.   return(sample);
  1125. }
  1126.  
  1127. =======================================================================
  1128.  
  1129. PART 3 - Speech Coding and Compression
  1130.  
  1131. Q3.1: Speech compression techniques.
  1132.  
  1133. Can anyone provide a 1-2 page summary on speech compression?  Topics to
  1134. cover might include common technqiues, where speech compression might be 
  1135. used and perhaps something on why speech is difficult to compress.
  1136.  
  1137.   [The FAQ for comp.compression includes a few questions and answers
  1138.    on the compression of speech.]
  1139.  
  1140. ------------------------------------------------------------------------
  1141.  
  1142. Q3.2: What are some good references/books on coding/compression?
  1143.  
  1144.   Douglas O'Shaughnessy -- Speech Communication: Human and Machine
  1145.     Addison Wesley series in Electrical Engineering: Digital Signal 
  1146.     Processing, 1987.
  1147.  
  1148.   Bishnu Atal in ed. Fallside, F. and W. Woods, ed. Computer Speech 
  1149.     Processing. London: Prentice/Hall International, 1985.
  1150.  
  1151.   Makhoul, J. "Linear Prediction: A Tutorial Review." Proc. of the
  1152.     IEEE 63 (1975): 561 - 580.
  1153.  
  1154.  
  1155. ------------------------------------------------------------------------
  1156.  
  1157. Q3.3: What software is available?
  1158.  
  1159. Note: there are two types of speech compression technique referred to below. 
  1160. Lossless technqiues preserve the speech through a compression-decompression
  1161. phase.  Lossy techniques do not preserve the speech prefectly.  As a general
  1162. rule, the more you compress speech, the more the quality degardes.
  1163.  
  1164.  
  1165. Package:     shorten - a lossless compressor for speech signals
  1166. Platform:    UNIX/DOS
  1167. Description: A lossless compressor for speech signals.  It will compile and 
  1168.              run on UNIX workstations and will cope with a wide variety of
  1169.              formats.  Compression is typically 50% for 16bit clean speech 
  1170.              sampled at 16kHz.
  1171. Availability: Anonymous ftp svr-ftp.eng.cam.ac.uk: /misc/shorten-1.09.tar.Z
  1172.  
  1173.  
  1174. Package: CELP 3.2a & LPC
  1175. Platform:    Sun (the makefiles & source can be modified for other platforms)
  1176. Description: CELP is lossy compression technqiue.
  1177.     The U.S. DoD's Federal-Standard-1016 based 4800 bps code excited
  1178.         linear prediction voice coder version 3.2a (CELP 3.2a) Fortran and
  1179.         C simulation source codes.  Available for worldwide distribution
  1180.     (on DOS diskettes, but configured to compile on Sun SPARC stations) 
  1181.     from NTIS and DTIC.  Example input and processed speech files are 
  1182.     included.  A Technical Information Bulletin (TIB), "Details to Assist 
  1183.     in Implementation of Federal Standard 1016 CELP," and the official
  1184.     standard, "Federal Standard 1016, Telecommunications:  Analog to
  1185.     Digital Conversion of Radio Voice by 4,800 bit/second Code Excited
  1186.     Linear Prediction (CELP)," are also available.
  1187.  
  1188. Availability 1: Through the National Technical Information Service:
  1189.     NTIS
  1190.     U.S. Department of Commerce
  1191.     5285 Port Royal Road,
  1192.     Springfield, VA  22161, USA
  1193.  
  1194.     The "AD" ordering number for the CELP software is AD M000 118
  1195.     (US$ 90.00) and for the TIB it's AD A256 629 (US$ 17.50).  
  1196.     The LPC-10 standard, described below, is FIPS Pub 137 (US$ 12.50).  
  1197.     There is a $3.00 shipping charge on all U.S. orders.  The telephone 
  1198.     number for their automated system is 703-487-4650, or 703-487-4600 
  1199.     if you'd prefer    to talk with a real person.
  1200.  
  1201.     (U.S. DoD personnel and contractors can receive the package from the
  1202.     Defense Technical Information Center:  DTIC, Building 5, Cameron
  1203.     Station, Alexandria, VA 22304-6145.  Their telephone number is
  1204.     703-274-7633.)
  1205.  
  1206. Availability 2: By anonymous ftp from:
  1207.     super.org (192.31.192.1):/pub/celp_3.2a.tar.Z
  1208.         OR
  1209.     svr-ftp.eng.cam.ac.uk:comp.speech/sources/celp_3.2a.tar.Z
  1210.  
  1211. Misc: The following articles describe the Federal-Standard-1016 4.8-kbps 
  1212.     CELP coder (it's unnecessary to read more than one):
  1213.  
  1214.     Campbell, Joseph P. Jr., Thomas E. Tremain and Vanoy C. Welch,
  1215.     "The Federal Standard 1016 4800 bps CELP Voice Coder," Digital Signal
  1216.     Processing, Academic Press, 1991, Vol. 1, No. 3, p. 145-155.
  1217.  
  1218.     Campbell, Joseph P. Jr., Thomas E. Tremain and Vanoy C. Welch,
  1219.     "The DoD 4.8 kbps Standard (Proposed Federal Standard 1016),"
  1220.     in Advances in Speech Coding, ed. Atal, Cuperman and Gersho,
  1221.     Kluwer Academic Publishers, 1991, Chapter 12, p. 121-133.
  1222.  
  1223.     Campbell, Joseph P. Jr., Thomas E. Tremain and Vanoy C. Welch, "The
  1224.     Proposed Federal Standard 1016 4800 bps Voice Coder:  CELP," Speech
  1225.     Technology Magazine, April/May 1990, p. 58-64.
  1226.  
  1227.     * The U.S. DoD's Federal-Standard-1015/NATO-STANAG-4198 based 2400
  1228.     bps linear prediction coder (LPC-10) was republished as a Federal
  1229.     Information Processing Standards Publication 137 (FIPS Pub 137).
  1230.     It is described in:
  1231.  
  1232.     Thomas E. Tremain, "The Government Standard Linear Predictive Coding
  1233.     Algorithm:  LPC-10," Speech Technology Magazine, April 1982, p. 40-49.
  1234.  
  1235.     There is also a section about FS-1015 in the book:
  1236.     Panos E. Papamichalis, Practical Approaches to Speech Coding,
  1237.     Prentice-Hall, 1987.
  1238.  
  1239.     * The voicing classifier used in the enhanced LPC-10 (LPC-10e) is 
  1240.     described in: Campbell, Joseph P., Jr. and T. E. Tremain, "Voiced/
  1241.     Unvoiced Classification of Speech with Applications to the U.S. 
  1242.     Government LPC-10E Algorithm," Proceedings of the IEEE International 
  1243.     Conf. on Acoustics, Speech, and Signal Processing, 1986, p. 473-6.
  1244.  
  1245.     * Copies of the official standard, "Federal Standard 1016, Tele-
  1246.     communications: Analog to Digital Conversion of Radio Voice by 4,800 
  1247.     bit/second Code Excited Linear Prediction (CELP)" are available for 
  1248.     US$ 5.00 each from:
  1249.          GSA Federal Supply Service Bureau
  1250.         Specification Section, Suite 8100
  1251.         470 E. L'Enfant Place, S.W.
  1252.         Washington, DC  20407
  1253.         (202)755-0325
  1254.  
  1255.     * Realtime DSP code for FS-1015 and FS-1016 is sold by:
  1256.  
  1257.     John DellaMorte, DSP Software Engineering
  1258.     165 Middlesex Tpk, Suite 206
  1259.     Bedford, MA  01730, USA
  1260.     Ph: 1-617-275-3733    Fax: 1-617-275-4323
  1261.     dspse.bedford@channel1.com
  1262.  
  1263.     * DSP Software Engineering's FS-1016 code can run on a DSP Research's 
  1264.     Tiger 30 (a PC board with a TMS320C3x and analog interface suited 
  1265.     to development work).
  1266.  
  1267.     DSP Research
  1268.     1095 E. Duane Ave.          
  1269.     Sunnyvale, CA  94086, USA
  1270.     Ph: (408)773-1042    Fax: (408)736-3451 (fax)
  1271.  
  1272.  
  1273.  
  1274. Package:     32 kbps ADPCM
  1275. Platform:    SGI and Sun Sparcs
  1276. Description: 32 kbps ADPCM C-source code (G.721 compatibility is uncertain)
  1277. Contact:     Jack Jansen
  1278. Availablity: Anoymous ftp to ftp.cwi.nl: pub/adpcm.shar
  1279.  
  1280.  
  1281. Package:     GSM 06.10 Compression
  1282. Platform:    Runs faster than real time on most Sun SPARCstations
  1283. Description: GSM 06.10 is lossy compression technqiue.
  1284.          European GSM 06.10 provisional standard for full-rate speech
  1285.              transcoding, prI-ETS 300 036, which uses RPE/LTP (residual
  1286.              pulse excitation/long term prediction) coding at 13 kbit/s.
  1287. Contact:     Carsten Bormann <cabo@cs.tu-berlin.de>
  1288. Availability: An implementation can be ftp'ed from:
  1289.                 tub.cs.tu-berlin.de: /pub/tubmik/gsm-1.0.tar.Z
  1290.                                     +/pub/tubmik/gsm-1.0-patch1
  1291.                 or as a faster but not always up-to-date alternative:
  1292.                        liasun3.epfl.ch: /pub/audio/gsm-1.0pl1.tar.Z
  1293.  
  1294. Package:      G.721/722/723 Compression
  1295. Description:  ?
  1296. Availability: By email to teledoc@itu.arcom.ch, with
  1297.         GET ITU-3022
  1298.     as the *only* line in the body of the message.
  1299.     This is also available by anonymous ftp from:
  1300.     svr-ftp.eng.cam.ac.uk:comp.speech/sources/G711_G722_G723.tar.Z
  1301.  
  1302.  
  1303. Package:     U.S.F.S. 1016 CELP vocoder for DSP56001
  1304. Platform:    DSP56001
  1305. Description: Real-time U.S.F.S. 1016 CELP vocoder that runs on a single 
  1306.     27MHz Motorola DSP56001.  Free demo software available from PC-56
  1307.     and PC-56D.  Source and object code available for a one-time 
  1308.     license fee.
  1309. Contact: Cole Erskine
  1310.     Analogical Systems    
  1311.         2916 Ramona St.        
  1312.         Palo Alto, CA 94306, USA
  1313.         Tel:(415) 323-3232  FAX:(415) 323-4222
  1314.     Internet: cole@analogical.com
  1315.  
  1316.  
  1317. Product: 8 Kbit/s CELP on the TMS320C5x family of DSP chips.
  1318. Description: For low bandwidth transmission of voice, compact voice storage 
  1319.     for archival purposes, low-cost digital answering machines and
  1320.         efficient storage for voice mail.  Features :- 
  1321.     - near toll quality at 8 Kb/s.
  1322.         - Variable rate option with 1 Kb/s silence encoding
  1323.         - Implemented on a fixed-point processor for lower system cost.
  1324.         - Attractive licensing scheme.
  1325.         - Future availability of 4 Kb/s.
  1326.         - Custom rates possible.
  1327.     Capacity :-
  1328.         - Two half-duplex or one full duplex channels on the 20 MIPS 'C5x
  1329.                 (at 95% and 55% CPU utilization respectively).
  1330.         - Two full duplex channels on the 28.6 MIPS 'C5x
  1331.                 (at 77% CPU utilization).
  1332.         - Requires 9 K-words program memory and 3 K-words data memory.
  1333.         - Decoding in real-time on a 486 class CPU.
  1334. Contact: CVI Inc.
  1335.     443 Vienna Cres. North Vancouver, BC, Canada V7N 3B3
  1336.     Tel: (604) 987 1719   Fax: (604) 986 8139
  1337.     Email: cvi@extropia.wimsey.com
  1338.  
  1339.  
  1340. =======================================================================
  1341.  
  1342. PART 4 - Speech Synthesis
  1343.  
  1344. Q4.1: What is speech synthesis?
  1345.  
  1346. Speech synthesis is the task of transforming written input to spoken output.
  1347. The input can either be provided in a graphemic/orthographic or a phonemic
  1348. script, depending on its source.
  1349.  
  1350. ------------------------------------------------------------------------
  1351.  
  1352. Q4.2: How can speech synthesis be performed?
  1353.  
  1354. There are several algorithms.  The choice depends on the task they're used
  1355. for.  The easiest way is to just record the voice of a person speaking the
  1356. desired phrases.  This is useful if only a restricted volume of phrases and
  1357. sentences is used, e.g. messages in a train station, or schedule information
  1358. via phone.  The quality depends on the way recording is done.
  1359.  
  1360. More sophisticated but worse in quality are algorithms which split the 
  1361. speech into smaller pieces.  The smaller those units are, the less are they
  1362. in number, but the quality also decreases.  An often used unit is the phoneme,
  1363. the smallest linguistic unit.  Depending on the language used there are about
  1364. 35-50 phonemes in western European languages, i.e. there are 35-50 single
  1365. recordings. The problem is combining them as fluent speech requires fluent
  1366. transitions between the elements. The intellegibility is therefore lower, but
  1367. the memory required is small.
  1368.  
  1369. A solution to this dilemma is using diphones. Instead of splitting at the 
  1370. transitions, the cut is done at the center of the phonemes, leaving the 
  1371. transitions themselves intact. This gives about 400 elements (20*20) and
  1372. the quality increases.
  1373.  
  1374. The longer the units become, the more elements are there, but the quality 
  1375. increases along with the memory required. Other units which are widely used
  1376. are half-syllables, syllables, words, or combinations of them, e.g. word stems
  1377. and inflectional endings.
  1378.  
  1379. ------------------------------------------------------------------------
  1380.  
  1381. Q4.3: What are some good references/books on synthesis?
  1382.  
  1383. The following are good introductory books/articles.
  1384.  
  1385.    Douglas O'Shaughnessy -- Speech Communication: Human and Machine
  1386.    Addison Wesley series in Electrical Engineering: Digital Signal Processing,
  1387.    1987.
  1388.  
  1389.    D. H.  Klatt, "Review of Text-To-Speech Conversion for English", Jnl. of
  1390.    the Acoustic Society of America (JASA), v82, Sept. 1987, pp 737-793.
  1391.  
  1392.    I. H. Witten.   Principles of Computer Speech.
  1393.    (London:  Academic Press, Inc., 1982).
  1394.  
  1395.    John Allen, Sharon Hunnicut and Dennis H. Klatt, "From Text to Speech: 
  1396.    The MITalk System", Cambridge University Press, 1987.
  1397.  
  1398. ------------------------------------------------------------------------
  1399.  
  1400. Q4.4: What software/hardware is available?
  1401.  
  1402. There appears to be very little Public Domain or Shareware speech synthesis 
  1403. related software available for FTP.  However, the following are available.
  1404. Strictly speaking, not all the following sources are speech synthesis - all
  1405. are speech output systems.  They are in no particular order.
  1406.  
  1407.  
  1408. SIMTEL-20
  1409. The following is a list of speech related software available from SIMTEL-20 
  1410. and its mirror sites for PCs.  
  1411.  
  1412. The SIMTEL internet address is WSMR-SIMTEL20.Army.Mil [192.88.110.20].
  1413. Try looking at your nearest archive site first.
  1414.  
  1415. Directory PD1:<MSDOS.VOICE>
  1416.  Filename   Type Length   Date   Description
  1417.  ==============================================
  1418.  AUTOTALK.ARC  B   23618  881216  Digitized speech for the PC
  1419.  CVOICE.ARC    B   21335  891113  Tells time via voice response on PC
  1420.  HEARTYPE.ARC  B   10112  880422  Hear what you are typing, crude voice synth.
  1421.  HELPME2.ARC   B    8031  871130  Voice cries out 'Help Me!' from PC speaker
  1422.  SAY.ARC       B   20224  860330  Computer Speech - using phonemes
  1423.  SPEECH98.ZIP  B   41003  910628  Build speech (voice) on PC using 98 phonemes
  1424.  TALK.ARC      B    8576  861109  BASIC program to demo talking on a PC speaker
  1425.  TRAN.ARC      B   39766  890715  Repeats typed text in digital voice
  1426.  VDIGIT.ZIP    B  196284  901223  Toolkit: Add digitized voice to your programs
  1427.  VGREET.ARC    B   45281  900117  Voice says good morning/afternoon/evening
  1428.  
  1429.  
  1430.  
  1431. Package:    ORATOR Text-to-Speech Synthesizer
  1432. Platform:   SUN SPARC, Decstation 5000.  Portable to other UNIX platforms.
  1433. Description: Sophisticated speech synthesis package.  Has text preprocessing 
  1434.     (for abbreviations, numbers), acronym citation rules, and human-like 
  1435.     spelling routines.  High accuracy for pronunciation of names of 
  1436.     people, places and businesses in America, text-to-speech translation 
  1437.     for common words; rules for stress and intonation marking, based on 
  1438.     natural-sounding demisyllable synthesis; various methods of user 
  1439.     control and customization at most stages of processing.  Currently, 
  1440.     ORATOR is most appropriate for applications containing a large 
  1441.     component of names in the text, and requires some amount of user-
  1442.     specified text-preprocessing to produce good quality speech for 
  1443.     general text.
  1444. Hardware: Standard audio output of SPARC, or Decstation audio hardware.
  1445.         At least 16M of memory recommended.
  1446. Cost:   Binary License: $5,000.  
  1447.         Source license for porting or commercial use: $30,000.
  1448. Availability: Contact Bellcore's Licensing Office (1-800-527-1080) 
  1449.         or email:   jzilg@cc.bellcore.com (John Zilg)
  1450.  
  1451.  
  1452. Package: Text to phoneme program (1)
  1453. Platform: unknown
  1454. Description: Text to phoneme program.  Based on Naval Research Lab's
  1455.     set of text to phoneme rules.
  1456. Availability: By FTP from "shark.cse.fau.edu" (131.91.80.13) in the directory
  1457.     /pub/src/phon.tar.Z
  1458.  
  1459.  
  1460. Package: Text to phoneme program (2)
  1461. Platform: unknown
  1462. Description: Text to phoneme program.
  1463. Availability: By FTP from "wuarchive.wustl.edu" in the file
  1464.     /mirrors/unix-c/utils/phoneme.c
  1465.  
  1466.  
  1467. Package: Text to phoneme program (3)
  1468. Description: A public domain version of the same Naval Research Lab 
  1469.     text to phoneme rules.
  1470. Availability: By anonymous ftp from
  1471.     svr-ftp.eng.cam.ac.uk:comp.speech/sources/english2phoneme.shar
  1472.  
  1473.  
  1474. Package: Text to speech program
  1475. Description: A implementation of the Klatt phoneme to waveform speech 
  1476.     synthesiser.
  1477. Availability: By anonymous ftp from
  1478.     svr-ftp.eng.cam.ac.uk:comp.speech/sources/klatt-0.02.tar.Z
  1479.  
  1480.  
  1481. Package:      "Speak" - a Text to Speech Program
  1482. Platform:     Sun SPARC
  1483. Description:  Text to speech program based on concatenation of pre-recorded
  1484.     speech segments.  A function library can be used to integrate
  1485.     speech output into other code.
  1486. Hardware:     SPARC audio I/O
  1487. Availability: by FTP from "wilma.cs.brown.edu" as /pub/speak.tar.Z
  1488.  
  1489.  
  1490. Package:      TheBigMouth - a Text to Speech Program
  1491. Platform:     NeXT
  1492. Description:  Text to speech program based on concatenation of pre-recorded
  1493.     speech segments.  NeXT equivalent of "Speak" for Suns.
  1494. Availability: try NeXT archive sites such as sonata.cc.purdue.edu.
  1495.  
  1496.  
  1497. Package:  TextToSpeech Kit
  1498. Platform:  NeXT Computers
  1499. Description: The TextToSpeech Kit does unrestricted conversion of English 
  1500.     text to synthesized speech in real-time.  The user has control over
  1501.     speaking rate, median pitch, stereo balance, volume, and intonation
  1502.     type.  Text of any length can be spoken, and messages can be queued 
  1503.     up, from multiple applications if desired.  Real-time controls such 
  1504.     as pause, continue, and erase are included.  Pronunciations are 
  1505.     derived primarily by dictionary look-up.  The Main Dictionary has 
  1506.     nearly 100,000 hand-edited pronunciations which can be supplemented 
  1507.     or overridden with the User and Application dictionaries.  A number 
  1508.     parser handles numbers in any form.  A letter-to-sound knowledge base 
  1509.     provides pronunciations for words not in the Main or customized 
  1510.     dictionaries.  Dictionary search order is under user control.  
  1511.     Special modes of text input are available for spelling and emphasis 
  1512.     of words or phrases.  The actual conversion of text to speech is done 
  1513.     by the TextToSpeech Server.  The Server runs as an independent task 
  1514.     in the background, and can handle up to 50 client connections.
  1515. Misc: The TextToSpeech Kit comes in two packages: the Developer Kit and the
  1516.     User Kit.  The Developer Kit enables developers to build and test
  1517.     applications which incorporate text-to-speech.  It includes the
  1518.     TextToSpeech Server, the TextToSpeech Object, the pronunciation 
  1519.     editor PrEditor, several example applications, phonetic fonts, 
  1520.     example source code, and developer documentation.  The User Kit 
  1521.     provides support for applications which incorporate text-to-speech.  
  1522.     It is a subset of the Developer Kit.
  1523. Hardware:  Uses standard NeXT Computer hardware.
  1524. Cost:  TextToSpeech User Kit:  $175 CDN ($145 US)
  1525.        TextToSpeech Developer Kit:  $350 CDN ($290 US)
  1526.        Upgrade from User to Developer Kit:  $175 CDN ($145 US)
  1527. Availability:  Trillium Sound Research
  1528.     1500, 112 - 4th Ave. S.W., Calgary, Alberta, Canada, T2P 0H3
  1529.     Tel: (403) 284-9278    Fax:  (403) 282-6778
  1530.     Order Desk:  1-800-L-ORATOR (US and Canada only)
  1531.     Email:  manzara@cpsc.UCalgary.CA
  1532.  
  1533.  
  1534. Package:     SENSYN speech synthesizer
  1535. Platform:    PC, Mac, Sun, and NeXt
  1536. Rough Cost:  $300
  1537. Description: This formant synthesizer produces speech waveform files
  1538.     based on the (Klatt) KLSYN88 synthesizer.  It is intended
  1539.         for laboratory and research use.  Note that this is NOT a
  1540.     text-to-speech synthesizer, but creates speech sounds based
  1541.     upon a large number of input variables (formant frequencies,
  1542.     bandwidths, glottal pulse characteristics, etc.) and would
  1543.     be used as part of a TTS system. Includes full source code.
  1544. Availability: Sensimetrics Corporation, 64 Sidney Street, Cambridge MA 02139.
  1545.     Fax: (617) 225-0470; Tel: (617) 225-2442.
  1546.     Email: sensimetrics@sens.com
  1547.  
  1548.  
  1549. Package:     SPCHSYN.EXE
  1550. Platform:    PC?
  1551. Availability: By anonymous ftp from evans.ee.adfa.oz.au (131.236.30.24)
  1552.     in /mirrors/tibbs/Applications/SPCHSYN.EXE
  1553.     It is a self extracting DOS archive.
  1554. Requirements: May require special TI product(s), but all source is there.
  1555.  
  1556.  
  1557. Package:      CSRE: Canadian Speech Research Environment
  1558. Platform:     PC
  1559. Cost:         Distributed on a cost recovery basis
  1560. Description:  CSRE is a software system which includes in addition to the 
  1561.     Klatt speech synthesizer, SPEECH ANALYSIS and EXPERIMENT CONTROL 
  1562.     SYSTEM. A paper about the whole package can be found in:
  1563.       Jamieson D.G. et al, "CSRE: A Speech Research Environment", Proc. 
  1564.       of the Second Intl. Conf. on Spoken Language Processing, Edmonton: 
  1565.       University of Alberta, pp. 1127-1130.
  1566. Hardware:     Can use a range of data aqcuisition/DSP
  1567. Availability: For more information about the availability of this software 
  1568.     contact Krystyna Marciniak - email march@uwovax.uwo.ca
  1569.     Tel (519) 661-3901  Fax (519) 661-3805.
  1570.     For technical information email ramji@uwovax.uwo.ca
  1571. Note: A more detailed description is given in Q1.8 on speech environments.
  1572.  
  1573.  
  1574. Package:      JSRU
  1575. Platform:     UNIX and PC
  1576. Cost:         100 pounds sterling (from academic institutions and industry)
  1577. Description:  A C version of the JSRU system, Version 2.3 is available.
  1578.     It's written in Turbo C but runs on most Unix systems with very
  1579.     little modification.  A Form of Agreement must be signed to say 
  1580.     that the software is required for research and development only.
  1581. Contact:      Dr. E.Lewis (eric.lewis@uk.ac.bristol)
  1582.  
  1583.  
  1584. Package:      Klatt-style synthesiser
  1585. Platform:     Unix
  1586. Cost:         Free
  1587. Description:  Software posted to comp.speech in late 1992.
  1588. Availability: By anonymous ftp from the comp.speech archives as
  1589.     svr-ftp.eng.cam.ac.uk:/comp.speech/sources/klatt-0.02.tar.Z
  1590.  
  1591.  
  1592. Package:      Speech Manager and PlainTalk
  1593. Platform:     Macintosh
  1594. Cost:          Free
  1595. Description:  Apple's new text-to-speech system extension(s) that enable
  1596.     applications (listed below) to perform text-to-speech
  1597.     conversion.  The Speech Manager runs on most Macs, but PlainTalk
  1598.     (and the high quality voices) requires a 68020 Mac or better.
  1599. Availability: By anonymous ftp from:
  1600.         ftp.apple.com:/dts/mac/sys.soft/speech
  1601.     There are 3 files in this directory:
  1602.         6273632 Aug 14 22:51 macintalk-pro.hqx
  1603.                      PlainTalk Text-To-Speech 1.0 speech synthesizer
  1604.                      extension (includes Female Voice, Compressed);
  1605.                      TTS Female Voice; TTS Male Voice; and
  1606.                      TTS Male Voice, Compressed. Requires 68020 or better!
  1607.          370108 Aug 13 04:30 speech-manager-docs.hqx
  1608.                      Apple DocViewer format (Inside Macintosh style,
  1609.                      no installation instructions - just drag everything
  1610.                      onto your closed System Folder).
  1611.          262569 Aug  7 07:01 speech-manager.hqx
  1612.                      Speech Manager 1.1.1 (includes Marvin's voice) and
  1613.                      MacInTalk Voices 1.1.1 (9 more voices). Runs most Macs.
  1614.  
  1615.  
  1616. Package:      Various Mac Speech Output Applications
  1617. Platform:     Macintosh
  1618. Cost:         Free (except for At Ease)
  1619. Description:  Some of the Speech Manager aware text-to-speech (TTS)
  1620.     applications, etc. are listed below (there are more on the 
  1621.     Apple Developer CD-ROMs).
  1622.  
  1623. Application, etc.  Source            Comments
  1624. _________________ ________  _________________________________________________ 
  1625. AddressSpeech     info-mac  4D talking address book (from Speech Pack 2.0)
  1626. At Ease 2.0    MacWarehouse Friendly desktop that speaks file names
  1627. At Ease 2.0 WG MacWarehouse Friendly desktop that speaks file names
  1628. Eliza 3.1            AOL    Talking Eliza (Rogerian psych therapist)
  1629. FB speech      Inside Basic Mag, volume 3, no. 6. FutureBasic demo
  1630. FB Speech demo Inside Basic Mag, volume 3, no. 7. FutureBasic demo
  1631. Fortune 1.1       info-mac  Like a talking UNIX fortune command - slick
  1632. Homer 0.92d9  zaphod.ee.pitt.edu  GUI IRC client, assign nicks voices - slick
  1633. MacMessage 1.0  FirstClassBBS  Share talking messages/customizable startup
  1634. Say               info-mac  MPW Tool which converts standard input to speech
  1635. ScriptTools 1.2   info-mac  Write AppleScript scripts to say text messages
  1636. Siege Watch 1.01f info-mac  Wryly political speaking clock
  1637. SoToSpeak1.0.0b10 info-mac  Two voice conversation (also see Fortune's About)
  1638. Speak It!         info-mac  Type in a message and have it spoken
  1639. Speaker 1.11      info-mac  Simple text file editor, speaks on <CR>, macros
  1640. Speecher 1.2.1    info-mac  Customizable word pronunciation/substitution
  1641. SpeechManagerdemo info-mac  Command line interface, C source, aka -explorer
  1642. Speech Pack 2.0   info-mac  4th Dimension external, add speech to database
  1643. SpeechUnitEx      info-mac  Pascal source code for speech in Lab 7
  1644. speek-02b         info-mac  Speech XCMD for HyperCard
  1645. TalkingClockPro2.0info-mac  AppleScriptable talking clock extension (2.0b0)
  1646. TeachText 7.2      AV Mac   Apple's talking TeachText (simple editor w/QT)
  1647. Tex-Edit 1.9         AOL    Talking word processor, McSink like, modeming
  1648. VoiceDemo 1.0.1   info-mac  Bare bones phrase talker
  1649. Welcome!v1.3.1    info-mac  A talking Welcome to Macintosh startup
  1650. ?                     ?     Talking Plug-In-Module for MS Word 5,
  1651.                                experimental, unsupported, buggy, beware!
  1652. Speech Rhythms       AOL    A cool text file for one of the above apps
  1653. _____
  1654. Sources:
  1655. AOL = America Online
  1656. info-mac = {ftp sumex-aim.stanford.edu, ftp wuarchive.wustl.edu, et al.}
  1657. MacWarehouse = (800) 255-6227
  1658.  
  1659. Apple's work in spoken language technologies and systems is described in:
  1660. Lee, Kai-Fu. "The Conversational Computer: An Apple Perspective."
  1661. (Keynote Speech) In Proc. Eurospeech in Berlin, ESCA, September, 1993.
  1662.  
  1663.  
  1664. Package:      MacinTalk
  1665. Platform:     Macintosh
  1666. Cost:         Free
  1667. Description:  Formant based speech synthesis.
  1668.     There is also a program called "tex-edit" which apparently
  1669.     can pronounce English sentences reasonably using Macintalk.
  1670. Note:     MacinTalk doesn't run reliably on Macintosh's with new 
  1671.     sound hardware under the lastest OS (System 7.1 w/HUD 2.0).
  1672.     More recent software is listed above.
  1673. Availability: By anonymous ftp from many archive sites (have a look on
  1674.     archie if you can).  tex-edit is on many of the same sites. Try
  1675.     wuarchive.wustl.edu:/mirrors2/info-mac/Old/card/macintalk.hqx[.Z]
  1676.                                                        /macintalk-stack.hqx[.Z]
  1677.     wuarchive.wustl.edu:/mirrors2/info-mac/app/tex-edit-15.hqx
  1678.  
  1679.  
  1680. Package: Tinytalk
  1681. Platform: PC
  1682. Description: Shareware package is a speech 'screen reader' which is use 
  1683.     by many blind users.
  1684. Availability: By anonymous ftp from handicap.shel.isc-br.com.
  1685.     Get the files /speech/ttexe145.zip & /speech/ttdoc145.zip.
  1686.  
  1687.  
  1688. Package:     Narrator - narrator.device
  1689. Platform:    Amiga
  1690. Description: Formant based speech synthesis. Includes a Engish-to-phoneme
  1691.              translation library, and a SPEAK: pseudo-device for speech
  1692.              output.
  1693. Hardware:    Standard Amiga hardware
  1694. Availability: Part of AmigaOS
  1695.  
  1696.  
  1697. Package: Bliss
  1698. Contact: Dr. John Merus (Brown University) Mertus@browncog.bitnet
  1699.  
  1700.  
  1701. Package:      xxx
  1702. Platform:     (PC, Mac, Sun, NeXt etc)
  1703. Rough Cost:   (if appropriate)
  1704. Description:  (keep it brief)
  1705. Hardware:     (requirement list)
  1706. Availability: (ftp info, email contact or company contact)
  1707.  
  1708.  
  1709.  
  1710.  
  1711.  
  1712. Can anyone provide information on the following:
  1713.  
  1714.     INFOVOX (apparently multi-lingual)
  1715.     MultiVoice
  1716.     Monolog
  1717.     TrueSpeech from DSP Group Inc.
  1718.  
  1719.  
  1720. Please email or post suitable information for this list.  Commercial,
  1721. public domain and research packages are all appropriate.  
  1722.  
  1723. [Perhaps someone would like to start a separate posting on this area.]
  1724.  
  1725.  
  1726. =======================================================================
  1727.  
  1728. PART 5 - Speech Recognition
  1729.  
  1730. Q5.1: What is speech recognition?
  1731.  
  1732. Automatic speech recognition is the process by which a computer maps an 
  1733. acoustic speech signal to text.
  1734.  
  1735. Automatic speech understanding is the process by which a computer maps an 
  1736. acoustic speech signal to some form of abstract meaning of the speech.
  1737.  
  1738. ------------------------------------------------------------------------
  1739.  
  1740. Q5.2: How can I build a very simple speech recogniser?
  1741.  
  1742. Doug Danforth provides a detailed account in article 253 in the comp.speech
  1743. archives - also available as file info/DIY_Speech_Recognition.
  1744.  
  1745. The first part is reproduced here.
  1746.  
  1747.   QUICKY RECOGNIZER sketch:
  1748.   
  1749.   Here is a simple recognizer that should give you 85%+ recognition
  1750.   accuracy.  The accuracy is a function of WHAT words you have in
  1751.   your vocabulary.  Long distinct words are easy.  Short similar
  1752.   words are hard.  You can get 98+% on the digits with this recognizer.
  1753.   
  1754.   Overview:
  1755.   (1) Find the begining and end of the utterance.
  1756.   (2) Filter the raw signal into frequency bands.
  1757.   (3) Cut the utterance into a fixed number of segments.
  1758.   (4) Average data for each band in each segment.
  1759.   (5) Store this pattern with its name.
  1760.   (6) Collect training set of about 3 repetitions of each pattern (word).
  1761.   (7) Recognize unknown by comparing its pattern against all patterns
  1762.       in the training set and returning the name of the pattern closest
  1763.       to the unknown.
  1764.  
  1765. Many variations upon the theme can be made to improve the performance.
  1766. Try different filtering of the raw signal and different processing methods.
  1767.  
  1768. ------------------------------------------------------------------------
  1769.  
  1770. Q5.2: What does speaker dependent/adaptive/independent mean?
  1771.  
  1772. A speaker dependent system is developed (trained) to operate for a single
  1773. speaker.  These systems are usually easier to develop, cheaper to buy and
  1774. more accurate, but are not as flexible as speaker adaptive or speaker
  1775. independent systems.
  1776.  
  1777. A speaker independent system is developed (trained) to operate for any
  1778. speaker or speakers of a particular type (e.g. male/female, American/English).
  1779. These systems are the most difficult to develop, most expensive and currently
  1780. accuracy is not as good.  They are the most flexible.
  1781.  
  1782. A speaker adaptive system is developed to adapt its operation for new 
  1783. speakers that it encounters usually based on a general model of speaker
  1784. characteristics.  It lies somewhere between speaker independent and speaker 
  1785. dependent systems.
  1786.  
  1787. Each type of system is suited to different applications and domains.
  1788.  
  1789. ------------------------------------------------------------------------
  1790.  
  1791. Q5.3: What does small/medium/large/very-large vocabulary mean?
  1792.  
  1793. The size of vocabulary of a speech recognition system affects the complexity,
  1794. processing requirements and the accuracy of the system.  Some applications
  1795. only require a few words (e.g. numbers only), others require very large 
  1796. dictionaries (e.g. dictation machines).
  1797.  
  1798. There are no established definitions but the following may be a helpful guide.
  1799.  
  1800.     small vocabulary - tens of words
  1801.     medium vocabulary - hundreds of words
  1802.     large vocabulary - thousands of words
  1803.     very-large vocabulary - tens of thousands of words.
  1804.  
  1805. ------------------------------------------------------------------------
  1806.  
  1807. Q5.4: What does continuous speech or isolated-word mean?
  1808.  
  1809. An isolated-word system operates on single words at a time - requiring a 
  1810. pause between saying each word.  This is the simplest form of recognition 
  1811. to perform, because the pronunciation of the words tends not affect each 
  1812. other.  Because the occurrences of each particular word are similar they are 
  1813. easier to recognise.
  1814.  
  1815. A continuous speech system operates on speech in which words are connected
  1816. together, i.e. not separated by pauses.  Continuous speech is more difficult
  1817. to handle because of a variety of effects.  First, it is difficult to find
  1818. the start and end points of words.  Another problem is "coarticulation".
  1819. The production of each phoneme is affected by the production of surrounding
  1820. phonemes, and similarly the the start and end of words are affected by the 
  1821. preceding and following words.  The recognition of continuous speech is also 
  1822. affected by the rate of speech (fast speech tends to be harder).
  1823.  
  1824. ------------------------------------------------------------------------
  1825.  
  1826. Q5.5: How is speech recognition done?
  1827.  
  1828. A wide variety of techniques are used to perform speech recognition. 
  1829. There are many types of speech recognition.  There are many levels of
  1830. speech recognition/processing/understanding.
  1831.  
  1832. Typically speech recognition starts with the digital sampling of speech.
  1833. The next stage would be acoustic signal processing.  Common techniques 
  1834. include a variety of spectral analyses, LPC analysis, the cepstral transform,
  1835. cochlea modelling and many, many more.
  1836.  
  1837. The next stage will typically try to recognise phonemes, groups of phonemes 
  1838. or words.  This stage can be achieved by many processes such as DTW (Dynamic
  1839. Time Warping),  HMM (hidden Markov modelling), NNs (Neural Networks), and
  1840. sometimes expert systems.  In crude terms, all these processes to recognise
  1841. the patterns of speech.  The most advanced systems are statistically 
  1842. motivated.
  1843.  
  1844. Some systems utilise knowledge of grammar to help with the recognition 
  1845. process.
  1846.  
  1847. Some systems attempt to utilise prosody (pitch, stress, rhythm etc) to
  1848. process the speech input.
  1849.  
  1850. Some systems try to "understand" speech.  That is, they try to convert the
  1851. words into a representation of what the speaker intended to mean or achieve
  1852. by what they said.
  1853.  
  1854. ------------------------------------------------------------------------
  1855.  
  1856. Q5.6: What are some good references/books on recognition?
  1857.  
  1858. Some general introduction books on speech recognition:
  1859.  
  1860.    Fundamentals of Speech Recognition; Lawrence Rabiner & Biing-Hwang Juang
  1861.    Englewood Cliffs NJ: PTR Prentice Hall (Signal Processing Series), c1993
  1862.    ISBN 0-13-015157-2
  1863.  
  1864.    Speech recognition by machine; W.A. Ainsworth
  1865.    London: Peregrinus for the Institution of Electrical Engineers, c1988
  1866.  
  1867.    Speech synthesis and recognition; J.N. Holmes
  1868.    Wokingham: Van Nostrand Reinhold, c1988
  1869.  
  1870.    Douglas O'Shaughnessy -- Speech Communication: Human and Machine
  1871.    Addison Wesley series in Electrical Engineering: Digital Signal Processing,
  1872.    1987.
  1873.  
  1874.    Electronic speech recognition: techniques, technology and applications
  1875.    edited by Geoff Bristow,  London: Collins, 1986
  1876.  
  1877.    Readings in Speech Recognition; edited by Alex Waibel & Kai-Fu Lee.
  1878.    San Mateo: Morgan Kaufmann, c1990
  1879.  
  1880. More specific books/articles:
  1881.  
  1882.    Hidden Markov models for speech recognition; X.D. Huang, Y. Ariki, M.A. Jack.
  1883.    Edinburgh: Edinburgh University Press, c1990
  1884.  
  1885.    Automatic speech recognition: the development of the SPHINX system;
  1886.    by Kai-Fu Lee; Boston; London: Kluwer Academic, c1989
  1887.  
  1888.    Prosody and speech recognition; Alex Waibel
  1889.    (Pitman: London) (Morgan Kaufmann: San Mateo, Calif) 1988
  1890.  
  1891.    S. E. Levinson, L. R. Rabiner and M. M. Sondhi, "An Introduction to the 
  1892.    Application of the Theory of Probabilistic Functions of a Markov Process 
  1893.    to Automatic Speech Recognition" in Bell Syst. Tech. Jnl. v62(4),
  1894.    pp1035--1074, April 1983
  1895.  
  1896.    R. P. Lippmann, "Review of Neural Networks for Speech Recognition", in
  1897.    Neural Computation, v1(1), pp 1-38, 1989.
  1898.  
  1899. ------------------------------------------------------------------------
  1900.  
  1901. Q5.7: What speech recognition packages are available?
  1902.  
  1903. Information is included below on the following packages:-
  1904.  
  1905.     Voice Blaster Ver. 4.0
  1906.     Votan
  1907.     HTK (HMM Toolkit)
  1908.     DragonDictate
  1909.     VoiceServer for Windows
  1910.     IN3 Voice Command for Windows
  1911.     IN3 Voice Command
  1912.     SayIt
  1913.     Recnet
  1914.     Voice Command Line Interface
  1915.     DATAVOX
  1916.  
  1917.  
  1918. Package Name: Voice Blaster Ver. 4.0
  1919. Platform: IBM AT or higher,  DOS or Wndows 3.1
  1920. Description: Uses a Sound Blaster or compatible board.  Contains a
  1921.     microphone headset and a connector for LPT1:.  A printer can 
  1922.     still be used on LPT1:.  Will recognize 1024 words that are 
  1923.     trained by the operator.  Each word activates a macro that can 
  1924.     enter an ascii word on the screen or into a word processor or 
  1925.     invoke a batch file.  An optional footswitch may be installed.
  1926.     Software to run under DOS or Windows 3.1 is included.
  1927. Cost:   Around $150 Canadian.
  1928. Contact: COVOX Inc.
  1929.     675 Conger Street
  1930.     Eugene, Oregon
  1931.     97402
  1932.     Ph:  (503) 342-1271   Fax: (503) 342-1283
  1933.     BBS: (503) 342-4135
  1934.  
  1935.  
  1936. Package Name: Votan
  1937. Platform: MS-DOS, SCO UNIX
  1938. Description: Isolated word and continuous speech modes, speaker dependant
  1939.     and (limited) speaker independent.  Vocab size is 255 words or up to a 
  1940.     fixed memory limit - but it is possible to dynamically load different 
  1941.     words for effectively unlimited number of words.
  1942. Rough Cost: Approx US $1,000-$1,500
  1943. Requirements: Cost includes one Votan Voice Recognition ISA-bus board
  1944.     for 386/486-based machines.  A software development system is also 
  1945.     available for DOS and Unix.
  1946. Misc:    Up to 8 Votan boards may co-exist for 8 simultaneous voice users. 
  1947.     A telephone interface is also available. There is also a 4GL and a 
  1948.     software development system.
  1949.     Apparently there is more than  one version - more info required.
  1950. Contact: 800-877-4756, 510-426-5600
  1951.  
  1952.  
  1953. Package Name: HTK (HMM Toolkit) - From Entropic
  1954. Platform: Range of Unix platforms.
  1955. Description: HTK is a software toolkit for building continuous density HMM
  1956.     based speech recognisers.  It consists of a number of library 
  1957.     modules and a number of tools.  Functions include speech analysis, 
  1958.     training tools, recognition tools, results analysis, and an 
  1959.     interactive tool for speech labelling. Many standard forms of 
  1960.     continuous density HMM are possible.  Can perform isolated word or 
  1961.     connected word speech recognition.  It van model whole words, sub-
  1962.     word units.  Can perform speaker verification and other pattern 
  1963.     recognition work using HMMs.  HTK is now integerated with the
  1964.     ESPS/Waves speech research environment which is described in
  1965.     Section 1.8 of this posting.
  1966. Misc: The availability of HTK changed in early 1993 when Entropic obtained
  1967.     exclusive marketing rights to HTK from the developers at Cambridge.
  1968. Cost: On request.
  1969. Contact: Entropic Research Laboratory, Washington Research Laboratory,
  1970.     600 Pennsylvania Ave, S.E. Suite 202, Washington, D.C. 20003
  1971.     (202) 547-1420.  email - info@wrl.epi.com
  1972.  
  1973.  
  1974. Package Name: DragonDictate-30K
  1975. Platform:     PC
  1976. Description:  Speaker dependent/adaptive system requiring words to be
  1977.     separated by short pauses.  Vocabulary of 25,000 words including
  1978.     a "custom" word set.
  1979. Rough Cost:   $5000
  1980. Requirements: Minimum of 20 Mhz 386 with 8M memory and 10M disk space
  1981. Contact:      Dragon Systems Inc.
  1982.     90 Bridge Street, Newton MA 02158
  1983.         Tel: 1-617-965-5200,  Fax: 1-617-527-0372
  1984.  
  1985.  
  1986. Package Name: VoiceServer for Windows
  1987. Platform:     PC
  1988. Description:  Speaker dependent, each with an independent directory.
  1989.     Isolated word.  Upto 1000 words/user, 300 words/window.
  1990.     1 word occupies 2Kb on hard disk.
  1991.     Can be used to control Windows applications by issuing
  1992.     voice commands instead of menu selection.
  1993. Rough Cost:   292 Pounds(UK)
  1994. Requirements: None
  1995. Misc:         Price includes a half-sized AT voice card (including a 
  1996.     DSP), software, documentation & a microphone (attachable to 
  1997.     keyboard or speaker).  A light-weight high-spec headset is an 
  1998.           optional extra.
  1999. Contact:      Mark Redwood
  2000.               Applied Voice Technologies
  2001.               26 Danbury Street, Islington,
  2002.               London, UK, N1 8JU
  2003.               Ph: + 44 71 454 1224  :  Fax: + 44 71 454 1225
  2004.  
  2005.  
  2006. Package Name:    IN3 Voice Command for Windows
  2007. Platform:    PC with Windows 3.1
  2008. Description:    IN3 is now available for MS-Windows.  Users can call 
  2009.     applications to the foreground with voice commands.  Once the 
  2010.     application is called, the user may enter commands and data with 
  2011.     voice commands.  Voice macros can reduce the strain of repetitive 
  2012.     stress injuries (RSI) such as Carpel Tunnel Syndrome (CTS) by 
  2013.     replacing heavy repetitive keyboard hammering with simple voice 
  2014.     operations.  Voice macros take complex operations and reduce them 
  2015.     to simple verbal commands.  Voice input can provide new facilities
  2016.     for tasks which could not easily have been otherwise performed 
  2017.     without the multiple axis of input.  IN3 is hardware-independent, 
  2018.     users with any Windows-compatible audio add speech recognition to 
  2019.     the desktop.  IN3 works with either 8 bit or 16 bit Windows audio 
  2020.     boards. IN3 is based on continuous word-spotting technology.  A 
  2021.     developer API is also available for creating voice-enabled 
  2022.     applications.
  2023. Price: $179 U.S.
  2024. Requirements:    PC with 80386 processor or better, Microsoft Windows 3.1, and
  2025.         Windows compatible audio system with microphone.
  2026. Misc:    Fully functional demos are available on Compuserve in various
  2027.     Multimedia and CAD forums.  Demos are also available from "America
  2028.     on Line", the comp.binaries.ms-windows archive sites, and various
  2029.     BBS systems.
  2030.     An equivilant Sun product is described below.
  2031. Contact: Brantley Kelly
  2032.      Email: cbk@gacc.atl.ga.us   CIS: 75120,431
  2033.      FAX: 1-404-925-7924         Phone: 1-404-925-7950
  2034.      Command Corp. Inc, 3675 Crestwood Parkway, Duluth GA 30136, USA
  2035.  
  2036.  
  2037.  
  2038. Package Name:    IN3 Voice Command
  2039. Platform:    Sun SPARCstation
  2040. Description:    IN3 provides a secure, robust, word spotting, continuous 
  2041.     speech recognition facility for the Sun OS or Solaris operating 
  2042.     systems.  The recognition system is a secure operating system
  2043.     facility capable of working with various interfaces, microphones, 
  2044.     and devices.  The operating system interface works with native UNIX
  2045.     outside of X Windows as well as provides enhanced X Windows facilities
  2046.     including named window support.  The user interface provides a
  2047.     means to quickly create commands on the fly for replacing long strings
  2048.     and complex operations with voice macros.  [Voice macros can reduce
  2049.     the strain of repetitive stress injuries (RSI) such as Carpel Tunnel
  2050.     Syndrome (CTS) by replacing heavy repetitive keyboard hammering with
  2051.     simple voice operations.  ]
  2052.     The IN3 user interface works with generic X servers and window 
  2053.     managers.  A developer API is also available for creating voice-
  2054.     enabled applications, interfacing with other audio sources, and 
  2055.     providing extensive application control over the recognition facility.
  2056. Availability: SunSite archive at SunSITE.unc.edu as well as on Catalyst
  2057.     CDware as both a runable demo and unlockable software.
  2058. Hardware Required: Sun SPARCstation with audio input.
  2059.     Noise canceling microphone recommended but not required.
  2060. Software Required:    Sun OS 4.1.2 with OpenWindows 3.0 or
  2061.             Sun OS 4.1.3 or
  2062.             Solaris 2.1 or Solaris 2.2
  2063. Misc:    An equivilant MS-Windows product is described above.
  2064. Price: $495 U.S.
  2065. Contact: Brantley Kelly
  2066.     Email: cbk@gacc.atl.ga.us   CIS: 75120,431
  2067.     FAX: 1-404-925-7924         Phone: 1-404-925-7950
  2068.     Command Corp. Inc, 3675 Crestwood Parkway, Duluth GA 30136, USA
  2069.  
  2070.  
  2071. Package Name: SayIt
  2072. Platform:     Sun SPARCstation
  2073. Description:  Voice recognition and macro building package for Suns
  2074.     in the Openwindows 3.0 environment.  Speaker dependent discrete speech 
  2075.     recognition. Vocabularies can be associated to applications and the
  2076.     active vocabulary follows the application that has input focus.
  2077.     Macros can include mouse commands, keystrokes, Unix commands, 
  2078.     sound, Openwindow actions and more.  
  2079.     An evaluation copy is available by email.
  2080. Hardware:     Microphone required (SunMicrophone is fine).
  2081. Cost:         $US295
  2082. Contact:      Phone: 1-800-245-UNIX or 1-415-572-0200
  2083.     Fax: 1-415-572-1300
  2084.     Email: info@qualix.com
  2085.  
  2086.  
  2087. Package Name: recnet
  2088. Platform:     UNIX
  2089. Description:  Speech recognition for the speaker independent TIMIT and 
  2090.     Resource Management tasks.  It uses recurrent networks to estimate 
  2091.     phone probabilities and Markov models to find the most probable 
  2092.     sequence of phones or words.  The system is a snapshot of evolving 
  2093.     research code.  There is no documentation other than published 
  2094.     research papers.  The components are:
  2095.     1. A preprocessor which implements many standard and many non-
  2096.     standard front end processing techniques.
  2097.     2. A recurrent net recogniser and parameter files
  2098.     3. Two Markov model based recognisers, one for phone recognition 
  2099.     and one for word recognition
  2100.     4. A dynamic programming scoring package
  2101.     The complete system performs competatively.
  2102. Cost:         Free
  2103. Requirements: TIMIT and Resource Management databases
  2104. Contact:      ajr@eng.cam.ac.uk (Tony Robinson)
  2105. Availability: by FTP from "svr-ftp.eng.cam.ac.uk" as /misc/recnet-1.3.tar.Z
  2106.  
  2107.  
  2108. Package Name: Voice Command Line Interface
  2109. Platform:     Amiga
  2110. Description:  VCLI will execute CLI commands, ARexx commands, or ARexx 
  2111.     scripts by voice command through your audio digitizer. VCLI allows 
  2112.     you to launch multiple applications or control any program with an 
  2113.     ARexx capability entirely by spoken voice command. VCLI is fully 
  2114.     multitasking and will run in the background, continuously listening
  2115.     for your voice commands even while other programs are running.
  2116.     Documentation is provided in AmigaGuide format.
  2117.     VCLI 6.0 runs under either Amiga DOS 2.0 or 3.0.
  2118. Cost:         Free?
  2119. Requirements: Supports the DSS8, PerfectSound 3, Sound Master, Sound Magic, 
  2120.     and Generic audio digitizers.
  2121. Availability: by ftp from wuarchive.wustl.edu in the file
  2122.     systems/amiga/incoming/audio/VCLI60.lha and from
  2123.     amiga.physik.unizh.ch as the file pub/aminet/util/misc/VCLI60.lha
  2124. Contact:      Author's email is RHorne@cup.portal.com
  2125.  
  2126.  
  2127. Package Name: DATAVOX - French
  2128. Platform:     PC
  2129. Description:  Continuous speech - speaker independent or dependent.
  2130. Rough Cost:   ?
  2131. Requirements: 2 PC format boards (RdF1000 and TdS 96/25) and an 
  2132.     A/D - D/A module (ASA116)
  2133. Misc:    Application software may dialog with DATAVOX through 2 types 
  2134.     of interfaces :
  2135.     1) Keyboard overlay
  2136.        The application software may be used with any PC compatible 
  2137.        package. No specific adaptation is necessary, you only need
  2138.        to define your configuration with the application software.
  2139.     2) C library
  2140.        Allows a user-written program to drive the recognition system.
  2141.     DATAVOX is based on the AMADEUS speech recognition software
  2142.     developed at LIMSI.  It provides 
  2143.     - Continuous speech recognition with
  2144.       * speaker dependant : 500 words
  2145.       * speaker independant : 50 words (custom-made vocabulary).
  2146.     - Grammar of the application language (syntax acquisition, 
  2147.       verification and simplification software).
  2148.     - Large vocabulary : DATAVOX can recognize vocabularies of several 
  2149.       thousand words as long as there are no more than 500 words in the 
  2150.       active vocabulary at any given node. It takes less than 1 second 
  2151.       to change syntax and vocabulary.
  2152.     - Training controlled by the system (use of co-articulation models).
  2153.     - Response time less than 500 ms for any phrase length.
  2154.     - Synthetis (ADPCM) can be heard simultaneously while recognition 
  2155.       is being carried out.
  2156. Contact: VECSYS, Le Chene rond, 91570 Bievres, France
  2157.      Fax:   33 1 69 41 24 30
  2158.      Voice: 33 1 69 41 15 04
  2159.  
  2160.  
  2161.  
  2162. Package Name: xxx
  2163. Platform:     PC, Mac, UNIX, Amiga ....
  2164. Description:  (e.g. isolated word, speaker independent...)
  2165. Rough Cost:   (if applicable)
  2166. Requirements: (hardware/software needs - if applicable)
  2167. Misc:
  2168. Contact:      (email, ftp or address)
  2169.  
  2170.  
  2171. Can anyone provide info on
  2172.  
  2173.     Verbex Listen for Windows
  2174.     Voice Navigator (from Articulate Systems)
  2175.     SRI Recognisers
  2176.     BBN Recognisers
  2177.  
  2178.  
  2179. Can you provide information on any other software/hardware/packages?
  2180. Commercial, public domain and research packages are all appropriate.
  2181.  
  2182.  
  2183. =======================================================================
  2184.  
  2185. PART 6 - Natural Language Processing
  2186.  
  2187. There is now a newsgroup specifically for Natural Language Processing.
  2188. It is called comp.ai.nat-lang.  
  2189.  
  2190. There is also a lot of useful information on Natural Language Processing 
  2191. in the FAQ for comp.ai.  That FAQ lists available software and useful 
  2192. references.  It includes a substantial list of software, documentation 
  2193. and other info available by ftp.
  2194.  
  2195. ------------------------------------------------------------------------
  2196.  
  2197. Q6.1: What are some good references/books on NLP?
  2198.  
  2199.  
  2200. Take a look at the FAQ for the "comp.ai" newsgroup as it also includes some 
  2201. useful references.
  2202.  
  2203.  
  2204.   James Allen: Natural Language Understanding. (Benjamin/Cummings Series in
  2205.   Computer Science) Menlo Park: Benjamin/Cummings Publishing Company, 1987.
  2206.  
  2207.     This book consists of four parts: syntactic processing, semantic
  2208.     interpretation, context and world knowledge, and response generation.
  2209.  
  2210.   G. Gazdar and C. Mellish, Natural Language Processing in {Prolog/Lisp/Pop11},
  2211.   Addison Wesley, 1989
  2212.  
  2213.     Emphasis on parsing, especially unification-based parsing, lots of 
  2214.     details on the lexicon, feature propagation, etc. Fair coverage of 
  2215.     semantic interpretation, inference in natural language processing, 
  2216.     and pragmatics; much less extensive than in Allen's book, but more
  2217.     formal.  There are three versions, one for each programming language 
  2218.     listed above, with complete code.
  2219.  
  2220.   Shapiro, Stuart C.: Encyclopedia of Artificial Intelligence Vol.1 and 2.
  2221.   New York: John Wiley & Sons, 1990.
  2222.  
  2223.     There are articles on the different areas of natural language
  2224.     processing which also give additional references.
  2225.  
  2226.   Paris, Ce'cile L.; Swartout, William R.; Mann, William C.: Natural Language
  2227.   Generation in Artificial Intelligence and Computational Linguistics. Boston:
  2228.   Kluwer Academic Publishers, 1991.
  2229.  
  2230.     The book describes the most current research developments in natural 
  2231.     language generation and all aspects of the generation process are
  2232.     discussed. The book is comprised of three sections: one on text
  2233.     planning, one on lexical choice, and one on grammar.
  2234.  
  2235.    Readings in Natural Language Processing, ed by B. Grosz, K. Sparck Jones
  2236.    and B. Webber, Morgan Kaufmann, 1986
  2237.  
  2238.     A collection of classic papers on Natural Language Processing.  
  2239.         Fairly complete at the time the book came out (1986) but now 
  2240.     seriously out of date. Still useful for ATN's, etc.
  2241.  
  2242.    Klaus K. Obermeier, Natural Language Processing Technologies
  2243.    in Artificial Intelligence: The Science and Industry Perspective,
  2244.    Ellis Horwood Ltd, John Wiley & Sons, Chichester, England, 1989.
  2245.  
  2246.  
  2247. The major journals of the field are "Computational Linguistics" and 
  2248. "Cognitive Science" for the artificial intelligence aspects, "Cognition" 
  2249. for the psychological aspects, "Language", "Linguistics and Philosophy" and 
  2250. "Linguistic Inquiry" for the linguistic aspects.  "Artificial Intelligence" 
  2251. occasionally has papers on natural language processing.
  2252.  
  2253.  
  2254. The major conferences are ACL (held every year) and COLING (held every two
  2255. years).  Most AI conferences have a NLP track; AAAI, ECAI, IJCAI and the
  2256. Cognitive Science Society conferences usually are the most interesting for 
  2257. NLP.  CUNY is an important psycholinguistic conference. There are lots of 
  2258. linguistic conferences: the most important seem to be NELS, the conference 
  2259. of the Chicago Linguistic Society (CLS), WCCFL, LSA, the Amsterdam Colloquium,
  2260. and SALT. 
  2261.  
  2262.  
  2263. ------------------------------------------------------------------------
  2264.  
  2265. Q6.2: What NLP software is available?
  2266.  
  2267. The FAQ for the "comp.ai" newsgroup lists a variety of language processing 
  2268. software that is available.  That FAQ is posted monthly.
  2269.  
  2270.  
  2271. Natural Language Software Registry (NLSR)
  2272. =========================================
  2273.  
  2274. The Natural Language Software Registry is available from the German Research 
  2275. Institute for Artificial Intelligence (DFKI) in Saarbrucken.  Its purpose 
  2276. is to facilitate the exchange and evaluation of natural language processing 
  2277. software within the research community.  To this end, the NLSR is
  2278. cataloging natural language software projects, both commercial and non- 
  2279. commercial. The new updated and enlarged version contains more than 100 
  2280. descriptions of natural processing software. Registry listings include:
  2281.  
  2282. + speech signal processors, such as the Computerized Speech Lab 
  2283.     (Kay Electronics)
  2284. + morphological analyzers, such as PC-KIMMO 
  2285.     (Summer Institute for Linguistics)
  2286. + parsers, such as Alveytools (University of Edinburgh)
  2287. + semantic and pragmatic analyzer, such as NLL
  2288.         (University of the Saarland, Germany)
  2289. + generation programs, such as FUF
  2290.         (Ben Gurion University of the Negev)
  2291. + knowledge representation systems, such as Rhet 
  2292.     (University of Rochester)
  2293. + multicomponent systems, such as ELU (ISSCO), PENMAN (ISI), 
  2294.     Pundit (UNISYS), SNePS (SUNY Buffalo),
  2295. + NLP-Tools, such as GULP (University of Georgia) or Linguist
  2296.         (Kansai Research Laboratory)
  2297. + applications programs (misc.)
  2298.  
  2299.  
  2300. If you have developed a piece of software for natural language
  2301. processing that other researchers might find useful, you can include 
  2302. it by returning the questionnaire available from the sources below.
  2303.  
  2304.  
  2305.     ftp: Germany: ftp.dfki.uni-sb.de (134.96.188.252)
  2306.                   (directory: pub/registry, password:anonymous) 
  2307.  e-mail: registry@dfki.uni-sb.de
  2308.    post: Natural Language Software Registry
  2309.          Deutsches Forschungsinstitut fuer Kuenstliche Intelligenz (DFKI)
  2310.          Stuhlsatzenhausweg 3
  2311.          D-66123 Saarbruecken
  2312.          Germany
  2313.  
  2314. Other ftp sites are
  2315.  
  2316.     crlftp.nmsu.edu (128.123.1.33)
  2317.     The directory is pub/non-lexical/NL_Software_Registy
  2318.  
  2319.     dri.cornell.edu (128.84.180.39)
  2320.     The directory is /pub/Natural_Language_Software_Registry
  2321.               or /pub/NLSR
  2322.  
  2323.  
  2324.  
  2325.  
  2326. Andrew Hunt
  2327. Speech Technology Research Group        Ph:  61-2-692 4509
  2328. Dept. of Electrical Engineering            Fax: 61-2-692 3847
  2329. University of Sydney, NSW, 2006, Australia    email: andrewh@speech.su.oz.au
  2330.