home *** CD-ROM | disk | FTP | other *** search
/ Hacker Chronicles 2 / HACKER2.BIN / 785.CSPEECH.TXT < prev    next >
Text File  |  1993-11-22  |  98KB  |  2,319 lines

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