Loquendo S.p.A. è stata una società italiana che operava nel settore delle tecnologie vocali, producendo sistemi per la sintesi vocale e l'interazione vocale automatica uomo-macchina, come il riconoscimento e autenticazione vocale. È considerata uno dei leader storici a livello mondiale del settoreRiconoscimenti di Loquendo.
Azienda nata nel 2001 nel gruppo Telecom Italia come spin-off del gruppo di Tecnologie Vocali di CSELT operante fin dagli anni settanta, è stata ceduta al gruppo americano Nuance Communications nell'agosto del 2011.
Storia Il gruppo che negli anni successivi si sarebbe occupato di sintesi, riconoscimento e codifica della voce viene costituito a metà degli anni settanta dall'intuizione dei dirigenti dell'IRI-STET presso i laboratori dello CSELT di Torino, già allora prestigiosi a livello internazionale. Tale gruppo CSELT è stato coordinato dall'ing. Giulio Modena dagli anni settanta fino agli anni novanta.
Sintesi della voce
Partendo dai suggerimenti dell'Università di Padova, applicando la tecnica dei cosiddetti difoni (unione di una consonante e una vocale, 150 in tutto per l'italiano) nel 1975 viene creato il primo sintetizzatore vocale con elevata intelligibilità; si trattava di MUSA (MUltichannel Speaking Automaton) che dimostrò al grande pubblico sino a che punto, con la tecnologia di allora, si poteva arrivare. Nel 1978 i risultati conseguiti in quegli anni furono condensati in un disco audio a 45 giri che fu diffuso in migliaia di copie presso i mezzi di comunicazione di massa. Fu soprattutto la canzoncina Fra' Martino campanaro realizzata in polifonia a più voci cantanti (MUSA poteva gestire fino a otto canali di sintesi in parallelo) a suscitare il maggior stupore. Nel 1978 il gruppo di ricerca CSELT sulle tecnologie vocali (futuro Loquendo) era l'unica realtà industriale al mondo, oltre AT&T, a disporre di una tecnologia di sintesi vocale di interesse industrialeIl Sole 24 ore, Le voci di Loquendo, 22 gennaio 2012.
L'evoluzione di quel prototipo, con l'aumento del numero dei difoni (circa mille), l'affinamento degli strumenti di analisi linguistica (che permettono, per esempio in italiano, di distinguere automaticamente "àncora" da "ancòra") e il miglior trattamento della forma d'onda, portò negli anni successivi a un netto miglioramento della voce sintetica. Nasce così, nel 1981, il circuito integrato "sintetizzatore voce" sviluppato interamente in CSELT e inserito nel catalogo della SGS (poi SGS-Thompson e adesso STMicroelectronics) come periferica, con codice M8950, del microprocessore Z80 della Zilog: esso era capace di parlare in varie lingue, come italiano, inglese e francese con voce quasi naturale e con possibilità di una certa espressività (non si trattava più della voce "robotica" di MUSA).
Negli anni novanta nasce ELOQUENSAURIS, FLEXUS, ELOQUENS, ACTOR, DIALOGOS, LOQUENDO sono marchi registrati di Loquendo S.p.A., sintetizzatore vocale multi-piattaforma per diversi sistemi operativi (DOS, Windows, System 7, Unix, OS/2) o per schede telefoniche con elevatissimo numero di canali. Tali schede vengono impiegate dall'operatore telefonico nazionale per la realizzazione del servizio informazioni elenco abbonati inverso (per ottenere, a partire dal numero di telefono, nome, cognome e indirizzo dell'abbonato in elenco). Tale programma text-to-speech, inizialmente specializzato sulla sola lingua italiana, viene concepito per la diffusione commerciale.
Verso la fine del secondo millennio, la tecnica di sintesi cambia completamente, passando dall'approccio a difoni a quello di "selezione e concatenazioni di unità acustiche di lunghezza variabile", approccio reso possibile grazie all'aumentata potenza dei computer e soprattutto all'accresciuta capacità dei sistemi di archiviazione di massa. Nasce quindi ACTOR - The human sounding voice - che comincia a essere conosciuto dal grande pubblico grazie a numerosi servizi telefonici ma anche applicazioni per disabili creati da società collegate.
Negli anni 2000, con lo spin-off del gruppo di ricerca nella neo-costituita azienda Loquendo, il sintetizzatore cambia nome, assumendo quello della società stessa. Esso si arricchisce negli anni seguenti di un impressionante numero di lingue e voci (arrivando dopo dieci anni a disporre di più di trenta lingue e settanta voci, sia maschili che femminili) ed è l'unico sul mercato a fornire alcune lingue specifiche, come per esempio il catalano.
Il sintetizzatore, uscito dai laboratori di ricerca e diventato pienamente un prodotto commerciale, si dota quindi di numerosi strumenti di editing per realizzare audio sintetico arricchito da emozioni (tipico è il caso degli audio libri per ipovedenti realizzati con la tecnologia DAISY) e si presenta inoltre come libreria SW per realizzare i più svariati prodotti, dai piccoli dispositivi portatili - cellulari, navigatori e palmari, ai server telefonici multicanali/multilingua per call center (semi) automatici.
Riconoscimento della voce Poco dopo l'inizio delle ricerche sulla sintesi vocale, negli anni settanta, iniziano in CSELT anche quelle sul riconoscimento della voce e già agli inizi degli anni ottanta viene prodotto un primo prototipo capace di riconoscere i primi dieci numeri e alcuni comandi di base.
L'utilizzo dei modelli markoviani, utilizzato sin dall'inizio degli anni ottanta - inizialmente per riconoscere parole isolateRoberto Billi. "Vector quantization and Markov source models applied to speech recognition". Acoustics, Speech, and Signal Processing, IEEE International Conference on ICASSP'82. Vol. 7. IEEE, 1982.- porta, nel 1984, allo sviluppo di un riconoscitore per frasi e parole connesse in collaborazione con ELSAG, un'altra azienda dello stesso gruppo IRI-STET.
La necessità di produrre riconoscitori telefonici indipendenti dal parlatore porta alla realizzazione di basi dati con informazioni vocali contenenti i dati sulla voce di centinaia di persone diverse e nel 1987 viene realizzato il primo grande database ottenuto registrando al telefono, attraverso una procedura guidata automatica, la voce di più di 1000 persone chiamanti da tutta italia un server telefonico appositamente predisposto presso i laboratori dello CSELT. Il materiale così registrato permette l'addestramento dei modelli statistici markoviani e - anche attraverso l'implementazione di algoritmi di calcolo sofisticati - alla realizzazione di AURIS, il primo riconoscitore vocale commerciale che poteva "girare" nei più svariati dispositivi dotati di DSP - Digital Signal Processor.
Già dal 1983, dopo che il principale programma di ricerca statunitense sul riconoscimento vocale (DARPA) fu terminato nel 1977, iniziano le grandi collaborazioni europeePirani, G., I. Bey, and J. Leuridan. "Advanced Algorithms and Architectures for Speech Understanding". (1990). APA (nell'ambito dei progetti finanziati dalla Comunità Europea, chiamati Esprit) e, assieme a una ventina di altre aziende e università di tutta Europa, negli anni novanta vengono raccolte basi dati vocali molto grandi in tutta Europa (complessivamente vengono contattate più di 65000 persone)Progetti europei della famiglia SpeechDat (dal nome del capostipite). In particolare il primo grande progetto è stato il progetto Esprit P26 - SIP (SIP - Advanced Algorithms and Architectures for Speech and Image Processing)Pirani, Giancarlo, ed. Advanced algorithms and architectures for speech understanding. Vol. 1. Springer Science & Business Media, 2013., seguito immediatamente da ESPRIT P2218 - SUNDIALCSELT Technical Reports, Vol. XXII, no. 2, aprile 1994, terminato all'inizio del decennio successivo.
Tutto questo materiale, unito a un nuovo approccio misto modelli markoviani - reti neurali porta alla realizzazione di FLEXUS, primo riconoscitore vocale a vocabolario flessibile, che porta il riconoscimento alla portata dei più svariati servizi telefonici.
A metà degli anni ottanta iniziò il progetto del microprocessore RIPAC (Riconoscitore di Parlato Connesso), tra i primi circuiti integrati in assoluto per il riconoscimento vocale continuo (cioè della catena parlata e non di sole parole isolate)Cecinati, R., Ciaramella, A., Licciardi, L., Paolini, M., Tasso, R., & Venuti, G. (1990). U.S. Patent No. 4,907,278. Washington, DC: U.S. Patent and Trademark Office.Licciardi, L., Paolini, M., Tasso, R., Torielli, A., & Cecinati, R. (1989, May). RIPAC: a VLSI processor for speech recognition. In Custom Integrated Circuits Conference, 1989., Proceedings of the IEEE 1989 (pp. 20-6). IEEE. ISO 690Cecinati, R., Ciaramella, A., Licciardi, L., & Venuti, G. (1989). Implementation of a dynamic time warp integrated circuit for large vocabulary isolated and connected speech recognition. In First European Conference on Speech Communication and Technology..
La dimostrazione sperimentale dell'utilità di queste tecnologie per utenti disabili, come tetraplegici o non vedenti, anche con la combinazione di differenti applicazioni di tecnologie vocali (segnalatesi per l'alta qualità) portò il centro alla vincita del «Telework Award», primo premio dell'European Telework Week 1998.
Gli anni 2000 portano anche per il riconoscitore vocale il cambio di nome, assumendo quello della neonata azienda Loquendo, lo sviluppo di innumerevoli lingue e il rilascio del riconoscitore anche sotto forma di libreria SW per la realizzazione delle più svariate applicazioni telefoniche. I processori della famiglia TMS320 della Texas Instruments sono stati spesso usati come hardware di riferimento per le applicazioni vocali di CSELT: queste ultime vengono espressamente citate nelle specifiche tecniche del TMS320 come applicazioni tipiche fornite da terze parti.
Vengono introdotti svariati sistemi per la scrittura di grammatiche a stati finiti e sistemi che fanno uso di modelli del linguaggio naturale.
Continuano le campagne di raccolta di basi dati vocali, uscendo dall'Europa e spostandosi nei paesi del Mediterraneo, nel Sud, Centro e Nord America, e infine nei Paesi dell'Estremo Oriente. Furono registrate decine di migliaia di ore di voce contattando centinaia di migliaia di persone nei paesi delle regioni elencate. Le raccolte sono state eseguite sia per telefono fisso, che in veicoli vari per i telefoni mobili e anche in casa con microfoni ad alta qualità per applicazioni consumer (videogiochi, elettrodomestici e domotica in generale).
Sistemi di dialogo L'unione di FLEXUS e ACTOR in un sistema di dialogo avanzato, DIALOGOS, permette la realizzazione di servizi telefonici estremamente all'avanguardia per quegli anni: il sistema informazioni abbonati telefonici (Servizio 12) e il sistema di informazioni ferroviarie (Servizio FS Informa).
Riconoscimento del parlatore Lo sviluppo applicativo delle attività di ricerca sul riconoscimento del parlatore iniziò a metà degli anni duemila, cioè quando sono state disponibili basi dati vocali specifiche per questo compito. Sono quindi state compiute alcune sperimentazioni, in collaborazione con il Politecnico di Torino, su due diversi fronti: "identificazione" e "verifica" del parlatore. Tale sviluppo affonda comunque le sue radici nell'attività di ricerca del gruppo nei decenni precedenti: per dare un riferimento più preciso ricordiamo che CSELT ha ottenuto la pubblicazione già nel 1988 - applicato nel 1983 - del primo brevetto concesso a livello internazionale dall'Italia nel riconoscimento del parlatore, e uno dei primi al mondo.Cavazza, Michele, and Alberto Ciaramella. "Device for speaker's verification". U.S. Patent No. 4,752,958. 21 Jun. 1988..
Il successo delle attività di ricerca ha poi spinto l'azienda a passare alla fase di sviluppo di prodotti specifici per questi compiti commercializzati sia come librerie SW che attraverso le piattaforme abilitanti descritte più in basso, che saranno di interesse anche per l'ente internazionale di standardizzazione W3C.
Codifica della voce