Audio Description: Access to Audiovisual Content for Visually-impaired People, Αθήνα, 29 Ιανουαρίου 2008

Προηγμένες Μεθοδολογίες Ακουστικής Περιγραφής: μια

προσέγγιση «Σχεδίαση για Όλους»

Γεώργιος Κουρουπέτρογλου Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών

Τμήμα Πληροφορικής και Τηλεπικοινωνιών

koupe@di.uoa.gr

– Καθολική Σχεδίαση (Universal Design)

– Σχεδίασης για Όλους (Design-for- All)

– Σχεδίαση Ενσωμάτωσης (Inclusive Design)

Χρηστικότητα (usability)

• η αποτελεσματικότητα, η αποδοτικότητα και ικανοποίηση με την οποία ένα ορισμένο σύνολο χρηστών μπορούν να πετύχουν ένα καθορισμένο σύνολο δραστηριοτήτων σε ένα ορισμένο περιβάλλον (ISO9241, 1998)

Δεν αναφέρεται σε όλους τους χρήστες

Προσβασιμότητα (accessibility)

• Η δυνατότητα του χρήστη να αλληλεπιδρά με φυσικό τρόπο με το προϊόν ή την υπηρεσία

– π.χ. μέσω διαλόγου με ομιλία

Δυνατότητα Αποδοχής (acceptability)• Το κατά πόσο το σύστημα (προϊόν ή υπηρεσία)

είναι αρκετά καλό να ικανοποιεί όλες τις ανάγκες και απαιτήσεις των χρηστών και άλλων δυνητικών μετόχων

Απαιτεί: – χρηστικότητα, – λειτουργικότητα και – προσβασιμότητα

• Χωρίζεται σε:– Κοινωνική αποδοχή– Πρακτική αποδοχή

Καθολική Σχεδίαση (Universal Design)

• η διαδικασία σχεδίασης προϊόντων και υπηρεσιών που χρησιμοποιούνται σε δημόσιους και ιδιωτικούς χώρους έτσι ώστε να είναι χρηστικά και προσβάσιμα από ένα σύνολο ατόμων με την ευρύτερη γκάμα ικανοτήτων και περιορισμών

• η διαδικασία σχεδίασης που μεγιστοποιεί την δυνατότητα αποδοχής

– Όρος χρησιμοποιούμενος στις ΗΠΑ και Ιαπωνία

Σχεδίαση για Όλους (Design for All – D4All)

Η ενσυνείδητη και συστηματική προσπάθεια της εκ των προτέρων εφαρμογής αρχών, μεθόδων και εργαλείων με σκοπό την ανάπτυξη προϊόντων και υπηρεσιών Πληροφορικής και Τηλεπικοινωνιών που είναι προσβάσιμα και χρηστικά από όλους τους πολίτες και επομένως η αποφυγή της ανάγκης εκ των υστέρων προσαρμογών ή εξειδικευμένης σχεδίασης.

– ισοδύναμος με τους όρους: • Καθολική Σχεδίαση και • Σχεδίαση Ενσωμάτωσης (inclusive design) Ηνωμένο Βασίλειο

– Χρησιμοποιείται περισσότερο στην Ευρώπη στον τομέα της Κοινωνίας της Πληροφορίας

Καθολική Πρόσβαση ή Πρόσβαση για Όλους(Universal Access ή access for all)

• Το δικαίωμα όλων των πολιτών να έχουν και να διατηρούν πρόσβαση σε μια ευρεία κοινωνικά δεξαμενή πηγών πληροφόρησης και υπηρεσιών, δεδομένης της ποικιλίας των πλαισίων χρήσης.

Αναφέρεται επίσης και στην ανάπτυξη ειδικών διεπαφών χρήστη για υπολογιστές και άλλες τερματικές συσκευές (π.χ. τηλεόραση) που να είναι προσβάσιμες και χρηστικές από άτομα με χαμηλότερα επίπεδα ικανοτήτων.

Αρχές Καθολικής Σχεδίασης

1. Δικαίωμα στη χρήση2. Ευελιξία στη χρήση3. Απλότητα και διαισθητικότητα4. Αντιληπτικότητα πληροφοριών5. Ανοχή στα σφάλματα6. Χαμηλή φυσική προσπάθεια7. Κατάλληλο μέγεθος και χώρος για

προσέγγιση και χρήση

Καθολική Πρόσβαση = Μάχη με τη διαφορετικότητα

• Προφίλ ΧρηστώνΠροφίλ Χρηστών– Ηλικία, αισθητηριακές-κινητικές-νοητικές ικανότητες,

εκπαιδευτικό & πολιτιστικό υπόβαθρο, κλπ

• Περιβάλλον Χρήσης & Είδος ΧρήσηςΠεριβάλλον Χρήσης & Είδος Χρήσης– Θόρυβος, φωτισμός, κλπ– Τεχνολογική πλατφόρμα χρήστη (π.χ. ειδικές

περιφερειακές συσκευές)

Πρόσβαση στην Ψηφιακή Τηλεόραση & ακουστική περιγραφή

Άξονες Καθολικής Σχεδίασης:

• Προφίλ χρηστών & Περιβάλλον Χρήσης

• Υπηρεσίες πρόσβασης

1ος Άξονας Καθολικής Σχεδίασης: Υπηρεσίες πρόσβασης για άτομα με απώλεια όρασης

• Ακουστική περιγραφή

• Υπότιτλοι με ομιλία (talking subtitling)

• Ηλεκτρονικός Οδηγός Προγράμματος με Ομιλία (Talking Electronic Program Guide)

• Teletext με Ομιλία

• Χειρισμός δέκτη

2ος Άξονας Καθολικής Σχεδίασης: Προφίλ χρηστών με απώλεια όρασης

• Άτομα με ολική απώλεια όρασης

• Άτομα μερική απώλεια όρασης (μέση-σοβαρή)

• Ηλικιωμένοι

• Απασχολημένη όραση:– Ο μετακινούμενος χρήστης (π.χ. οδηγός) – Η νοικοκυρά σε ώρα δουλειάς

• Άτομα με περιπτωσιακή ή παροδική απώλεια όρασης:– Ξεχασμένα ή σπασμένα γυαλιά – Εγχείρηση στα μάτια

Τεχνολογίες Ομιλίας

• Μετατροπή Κειμένου σε Ομιλία

• Αναγνώριση Ομιλίας

Τεχνολογίες Ομιλίας

• Αναγνώριση Ομιλίας

– Υπαγόρευση– Φωνητικές εντολές

– Ανεξάρτητη του ομιλητή – Εξαρτημένη από τον ομιλητή– Ειδικού περιεχομένου (domain specific)

http://web.sls.csail.mit.edu/lectures/

•

Τεχνολογίες ΟμιλίαςΜετατροπή Κειμένου σε Ομιλία

• Οποιοδήποτε κείμενο• Αναγνώριση τύπου αριθμητικών (π.χ. αριθμός τηλεφώνου,

ημερομηνία, ποσό χρημάτων, κλπ)• Αναγνώριση ακρωνύμιων και συμπτύξεων• Κλίση μερών λόγου• Σχεδόν φυσική ομιλία• Ανδρικές, γυναικείες, παιδικές φωνές• Πολλαπλές - προσωποιποιημένες φωνές• Συναισθηματικά / εκφραστικά χαρακτηριστικά• Πολυγλωσσική:

– Διαφορετικές γλώσσες (multilingual) – Μικτά κείμενα (polyglot)

• Επιστημονικά – μαθηματικά σύμβολα• Συνθετικό τραγούδι (στίχος + παρτιτούρα)

TtS demo

Χρήση Τεχνολογιών Ομιλίας στις Υπηρεσίες

Πρόσβασης για άτομα με μειωμένη όραση Συγγραφή / παραγωγή Συγγραφή / παραγωγή

Μετατροπή κειμένου σε ομιλία

Αναγνώριση Ομιλίας

Ακουστική περιγραφή √√ √√

Υπότιτλοι με ομιλία

(talking subtitling)√√ √√

Ηλεκτρονικός Οδηγός Προγράμματος με Ομιλία

(Talking EPG) Teletext με Ομιλία

Χειρισμός δέκτη –

έλεγχος & πλοήγηση

Χρήση Τεχνολογιών Ομιλίας στις Υπηρεσίες

Πρόσβασης για άτομα με μειωμένη όραση Διανομή / Λήψη Διανομή / Λήψη

Μετατροπή κειμένου σε ομιλία

Αναγνώριση Ομιλίας

Ακουστική περιγραφή √√

Υπότιτλοι με ομιλία

(talking subtitling)√√

Ηλεκτρονικός Οδηγός Προγράμματος με Ομιλία

(Talking EPG)

√√

Teletext με Ομιλία √√

Χειρισμός δέκτη –

έλεγχος & πλοήγηση√√ √√

“Spoken subtitling is an automatic,cost-efficient service”

Frans de Jong Access Services for digital television, EBU Technical Review, October 2004

“Spoken subtitling is an automatic,cost-efficient service”

Frans de Jong Access Services for digital television, EBU Technical Review, October 2004

Usability studies, 2003

• Sixteen visually-impaired people, aged 22 to 85, volunteered to test the system.

• The study showed that people adapt to a synthetic voice fairly quickly.

• The most important elements for the majority of subjects were:– a uniform voice quality,– a high degree of intelligibility and– that the voice is as neutral as possible.

E-Inclusion Research Network providing all Canadians with a richer multi-media experience

Goal: • to create powerful audio-video tools that

will allow multi-media content producers to improve the richness of the multi-media experience

• for the blind, the deaf, the hard of hearing, and the hard of seeing,

• by automating key aspects of the multi-media production and post-production processes.

E-Inclusion Research Network providing all Canadians with a richer multi-media experience

The expertise of the network researchers in:– speech recognition, – audio processing, – descriptive video, – automatic audio-visual content extraction, – human factors and – human-machine interaction

will be applied to produce:• descriptive video for the visually-impaired and• captioned imagery for the hearing-impaired

E-Inclusion Research NetworkWork is grouped under three themes:

• Audio-Visual Content Extraction & Interaction

• Speech & Audio Context Recognition

• Interactive Adaptable Descriptive Video

E-Inclusion Research NetworkResearch Partners• Centre de recherche informatique de Montréal (CRIM) • École de technologie supérieure (ÉTS) • Université de Montréal • Université Laval • McGill University

Network Participants• The Canadian Hard of Hearing Association • The Canadian National Institute for the Blind (CNIB) • Regroupement des aveugles et amblyopes du Québec • RQST Conseil-expert (Ressources pour la qualité du sous-titrage) • The National Film Board of Canada (NFB) • The Parliament of Canada • Groupe TVA • Industry Canada • Legislative Assembly of British Columbia • Oralys Inc. • Institut National de l'Image et du Son (INIS) • Audiovision Canada • Ryshco Media

Home Media Center projectGoal: to include users with disabilities in the audience for this next generation of

media products.

Activities include:• Creation of an accessible Linux-based home media center as a development

platform

• Evaluation of other home media center devices and their accessibility requirements

• Publication of source code and specifications for open source media center speech interface solutions enabled via keyboard and remote control

• Demonstration model of end-user control and navigation via a small-footprint speech interface on a personal communication device

Partners:• Carl and Ruth Shapiro Family National Center for Accessible Media (NCAM),• American Foundation for the Blind (AFB)• Panasonic Speech Technology Laboratories (PSTL)

http://speech.di.uoa.gr