Commercial applications of speech interface technology: an industry at the threshold.

Speech interface technology, which includes automatic speech recognition, synthetic speech, and natural language processing, is beginning to have a significant impact on business and personal computer use. Today, powerful and inexpensive microprocessors and improved algorithms are driving commercial applications in computer command, consumer, data entry, speech-to-text, telephone, and voice verification. Robust speaker-independent recognition systems for command and navigation in personal computers are now available; telephone-based transaction and database inquiry systems using both speech synthesis and recognition are coming into use. Large-vocabulary speech interface systems for document creation and read-aloud proofing are expanding beyond niche markets. Today's applications represent a small preview of a rich future for speech interface technology that will eventually replace keyboards with microphones and loud-speakers to give easy accessibility to increasingly intelligent machines.

Limites ao poder de fiscalização nas relações de trabalho

A maioria das demandas envolvendo pedidos de danos morais no judiciário trabalhista brasileiro é originada a partir de abusos patronais cometidos no exercício do poder diretivo, em especial de sua dimensão fiscalizatória. Embora inexista, no Brasil, disciplina normativa específica quanto aos limites à maior parte das manifestações do poder de fiscalização, seu exercício é restringido pela dignidade da pessoa humana, que deve ser compreendida de acordo com a noção de trabalho decente propugnada pela OIT. A dignidade humana constitui cláusula geral de proteção aos direitos da personalidade, dentre eles, os direitos à intimidade e à vida privada, os mais ofendidos por meio da fiscalização patronal abusiva nas fases précontratual, contratual e pós-contratual. Práticas como a revista pessoal nos trabalhadores e em seus pertences, a limitação à utilização de banheiros, a instalação de câmeras e microfones no local de trabalho e o monitoramento dos computadores utilizados na empresa revelam, por vezes, violações a esses direitos. A revista não encontra fundamento no poder de fiscalização e no direito de propriedade do empregador, salvo quando tiver por objetivo a garantia da saúde ou segurança no ambiente laboral. A instalação de equipamentos audiovisuais, quando visar a proteção patrimonial do empregador ou for essencial ao procedimento de gestão, somente pode se dar nos espaços em que o trabalho for efetivamente desenvolvido e por tempo determinado, fundada em situação específica, sendo imprescindível a ciência dos monitorados quanto à instalação e à localização dos equipamentos. A escuta telefônica e o monitoramento de computadores e e-mails somente será possível quando o empregador determinar a utilização dos meios exclusivamente para os fins da prestação laboral, com ciência inequívoca dos trabalhadores, além de disponibilizar ou autorizar a utilização de meios alternativos para a comunicação pessoal. Não devem ser admitidas quaisquer limitações à utilização de banheiros, bem como o estabelecimento de escala de gravidez no âmbito empresarial. Sendo o tomador de serviços legitimado a exercer o poder fiscalizatório sobre a atividade produtiva empreendida no estabelecimento e havendo a indiscutível imperatividade da proteção aos direitos da personalidade obreiros, é necessária a fixação normativa de limites ao poder patronal, em prol do estabelecimento da segurança jurídica. O direito de resistência é contraface do poder diretivo, no sentido de que o uso irregular deste faz nascer aquele e, consequentemente, os limites do poder diretivo condicionam os do ius resistentiae. Os trabalhadores devem exercê-lo com fulcro nos direitos à vida privada, à intimidade, à honra e à dignidade humana. A doutrina deve valer-se da técnica da ponderação para estabelecer os limites ao poder fiscalizatório patronal, com fulcro no princípio da proporcionalidade. A divergência jurisprudencial deve ser minimizada pela atividade criativa dos juízes quanto aos limites ao poder fiscalizatório, consoante o princípio da proporcionalidade, e por meio da utilização de mecanismos específicos voltados à redução da insegurança jurídica no Judiciário Trabalhista, tais como recursos de revista, embargos de divergência, incidentes de uniformização de jurisprudência, súmulas, precedentes normativos e orientações jurisprudenciais. Nada impede, ainda, que limites ao poder fiscalizatório patronal sejam estabelecidos por meio de negociação coletiva.

Estimação de imagens acústicas com arranjos de microfones.

Nas últimas décadas, a poluição sonora tornou-se um grande problema para a sociedade. É por esta razão que a indústria tem aumentado seus esforços para reduzir a emissão de ruído. Para fazer isso, é importante localizar quais partes das fontes sonoras são as que emitem maior energia acústica. Conhecer os pontos de emissão é necessário para ter o controle das mesmas e assim poder reduzir o impacto acústico-ambiental. Técnicas como \"beamforming\" e \"Near-Field Acoustic Holography\" (NAH) permitem a obtenção de imagens acústicas. Essas imagens são obtidas usando um arranjo de microfones localizado a uma distância relativa de uma fonte emissora de ruído. Uma vez adquiridos os dados experimentais pode-se obter a localização e magnitude dos principais pontos de emissão de ruído. Do mesmo modo, ajudam a localizar fontes aeroacústicas e vibro acústicas porque são ferramentas de propósito geral. Usualmente, estes tipos de fontes trabalham em diferentes faixas de frequência de emissão. Recentemente, foi desenvolvida a transformada de Kronecker para arranjos de microfones, a qual fornece uma redução significativa do custo computacional quando aplicada a diversos métodos de reconstrução de imagens, desde que os microfones estejam distribuídos em um arranjo separável. Este trabalho de mestrado propõe realizar medições com sinais reais, usando diversos algoritmos desenvolvidos anteriormente em uma tese de doutorado, quanto à qualidade do resultado obtido e à complexidade computacional, e o desenvolvimento de alternativas para tratamento de dados quando alguns microfones do arranjo apresentarem defeito. Para reduzir o impacto de falhas em microfones e manter a condição de que o arranjo seja separável, foi desenvolvida uma alternativa para utilizar os algoritmos rápidos, eliminando-se apenas os microfones com defeito, de maneira que os resultados finais serão obtidos levando-se em conta todos os microfones do arranjo.

Microphone and loudspeaker arrays for room acoustic measurements

A multichannel spherical speaker array allows, together with a spherical microphones array, the measurement of the MIMO (Multiple Input Multiple Output) acoustic impulse response of an environment capturing meaningful information about propagation of sound between source an receiver. The mathematical framework for extracting arbitrary directivity virtual microphones from real microphones array signals is recalled and the application of the same method to the speakers array to generate arbitrary directivity source is presented. A convenient solutions for the construction and calibration of speakers spherical array for measurement purposes is illustrated. The postprocessing technique developed to compute and visualize acoustic path between source and receiver from measured MIMO impulse response is discussed. Real word results from measurement in a small theater are shown.

A RÁDIO COMUNITÁRIA COMO VETOR DO PROCESSO DE DEMOCRATIZAÇÃO DA COMUNICAÇÃO: a experiência do Projeto Rádio Escola e as mudanças ocorridas na Rádio Z FM, em Mauá-SP

Estudo sobre a democratização da comunicação a partir das rádios comunitárias. O objetivo é compreender como uma rádio comunitária pode ser vetor deste processo, com a apropriação, pela população local, de um meio comunitário, além de contribuir na busca por políticas públicas de comunicação e melhoria das condições de vida local. O quadro de referência é o materialismo histórico dialético. O estudo foi feito com base em pesquisa bibliográfica, como forma de constituir o referencial teórico, além do estudo de documentos e entrevistas semiestruturadas, aplicadas aos participantes do Projeto Rádio Escola, desenvolvido durante o ano de 2010, numa parceria entre a rádio comunitária Z FM e a Escola Estadual Professora Irene da Silva Costa, no município de Mauá, no ABC Paulista. A conclusão principal é que, quando uma rádio comunitária abre seus microfones de forma consequente para a população, permite-se a expressão plural de ideias, o aprendizado em relação à linguagem e ao aparato radiofônico e o aumento da percepção do direito à comunicação e da necessidade da democratização dos meios.

Investigating microphone efficacy for facilitation of mobile speech-based data entry

Despite being nominated as a key potential interaction technique for supporting today's mobile technology user, the widespread commercialisation of speech-based input is currently being impeded by unacceptable recognition error rates. Developing effective speech-based solutions for use in mobile contexts, given the varying extent of background noise, is challenging. The research presented in this paper is part of an ongoing investigation into how best to incorporate speechbased input within mobile data collection applications. Specifically, this paper reports on a comparison of three different commercially available microphones in terms of their efficacy to facilitate mobile, speech-based data entry. We describe, in detail, our novel evaluation design as well as the results we obtained.

A comparison of a distance education and locally based course in an urban university setting

The purpose of this research was to compare the academic performance and attitudes of students at the instructor-based site of a televised course and the distant site. An earlier pilot program indicated the need for certain technical and structural interventions at the distant site such as multiple "press-to-touch" microphones, a site-administrator and participative seating arrangements. At the beginning of the class, demographic data were collected from the students at both sites through a questionnaire and supplemented with information from students' records. Factors such as age, gender, ethnicity, marital status, number of children, current class status, major, work status and CLAST scores (achievement tests) were examined. There were no significant differences between the students at the sites except ethnicity and reading CLAST scores. The instructor-based site had a higher percentage of Hispanic students and the distant site had a larger percentage of Caucasian and Black Americans. The distant site scored significantly better on the reading section of the CLAST achievement test. An evaluation instrument was distributed to both sites, at the midpoint of the semester, measuring their attitude toward the organizational, technical, and pedagogical factors of the course. A second evaluation instrument, measuring similar factors, but more in-depth, was distributed to both sites near the end of the term. Nine students at the distant site were interviewed along with the site administrator to collect additional information.^ Course completion rates, dropout rates, pass rates and final grades of students at both sites were compared. There were no significant differences in academic performance between the students at both sites, however, there were significant differences in their attitudes. Those at the instructor-based site gave better ratings to most of items in the evaluation instruments. Problems at the distant site included audio and visual clarity, lack of available assistance, too much nonrelated talking, not enough opportunities to ask questions or to interact with the instructor during class. ^

Simultaneous Interpreter at the United Nations Jeanette Morrison

Inscriptions: Verso: [stamped] Photograph by Freda Leinwand. [463 West Street, Studio 229G, New York, NY 10014].

Interpreter at the United Nations

Inscriptions: Verso: [stamped] Photograph by Freda Leinwand. [463 West Street, Studio 229G, New York, NY 10014].

Interpreters at the United Nations

Inscriptions: Verso: [stamped] Photograph by Freda Leinwand. [463 West Street, Studio 229G, New York, NY 10014].

Nowhere Landscape, for Clarinets, Trombones, Percussion, Violins, and Electronics and “The Map and the Territory: Documenting David Dunn’s Sky Drift”

1. nowhere landscape, for clarinets, trombones, percussion, violins, and electronics

nowhere landscape is an eighty-minute work for nine performers, composed of acoustic and electronic sounds. Its fifteen movements invoke a variety of listening strategies, using slow change, stasis, layering, coincidence, and silence to draw attention to the sonic effects of the environment—inside the concert hall as well as the world outside of it. The work incorporates a unique stage set-up: the audience sits in close proximity to the instruments, facing in one of four different directions, while the musicians play from a number of constantly-shifting locations, including in front of, next to, and behind the audience.

Much of nowhere landscape’s material is derived from a collection of field recordings

made by the composer during a road trip from Springfield, MA to Douglas, WY along US- 20, a cross-country route made effectively obsolete by the completion of I-90 in the mid- 20th century. In an homage to artist Ed Ruscha’s 1963 book Twentysix Gasoline Stations, the composer made twenty-six recordings at gas stations along US-20. Many of the movements of nowhere landscape examine the musical potential of these captured soundscapes: familiar and anonymous, yet filled with poignancy and poetic possibility.

2. “The Map and the Territory: Documenting David Dunn’s Sky Drift”

In 1977, David Dunn recruited twenty-six musicians to play his work Sky Drift in the

Anza-Borrego Desert in Southern California. This outdoor performance was documented with photos and recorded with four stationary microphones to tape. A year later, Dunn presented the work in New York City as a “performance/documentation,” playing back the audio recording and projecting slides. In this paper I examine the consequences of this kind of act: what does it mean for a recording of an outdoor work to be shared at an indoor concert event? Can such a complex and interactive experience be successfully flattened into some kind of re-playable documentation? What can a recording capture and what must it exclude?

This paper engages with these questions as they relate to David Dunn’s Sky Drift and to similar works by Karlheinz Stockhausen and John Luther Adams. These case-studies demonstrate different solutions to the difficulty of documenting outdoor performances. Because this music is often heard from a variety of equally-valid perspectives—and because any single microphone only captures sound from one of these perspectives—the physical set-up of these kind of pieces complicate what it means to even “hear the music” at all. To this end, I discuss issues around the “work itself” and “aura” as well as “transparency” and “liveness” in recorded sound, bringing in thoughts and ideas from Walter Benjamin, Howard Becker, Joshua Glasgow, and others. In addition, the artist Robert Irwin and the composer Barry Truax have written about the conceptual distinctions between “the work” and “not- the-work”; these distinctions are complicated by documentation and recording. Without the context, the being-there, the music is stripped of much of its ability to communicate meaning.

Robust indoor speaker recognition in a network of audio and video sensors

Situational awareness is achieved naturally by the human senses of sight and hearing in combination. Automatic scene understanding aims at replicating this human ability using microphones and cameras in cooperation. In this paper, audio and video signals are fused and integrated at different levels of semantic abstractions. We detect and track a speaker who is relatively unconstrained, i.e., free to move indoors within an area larger than the comparable reported work, which is usually limited to round table meetings. The system is relatively simple: consisting of just 4 microphone pairs and a single camera. Results show that the overall multimodal tracker is more reliable than single modality systems, tolerating large occlusions and cross-talk. System evaluation is performed on both single and multi-modality tracking. The performance improvement given by the audio–video integration and fusion is quantified in terms of tracking precision and accuracy as well as speaker diarisation error rate and precision–recall (recognition). Improvements vs. the closest works are evaluated: 56% sound source localisation computational cost over an audio only system, 8% speaker diarisation error rate over an audio only speaker recognition unit and 36% on the precision–recall metric over an audio–video dominant speaker recognition method.

Designing for User-facing Uncertainty in Everyday Sensing and Prediction

Thesis (Ph.D.)--University of Washington, 2016-07