Projects

While working with Unicode text, it is often required to get the Unicode code points of text for debugging. Using python, it is very easy to get the unicode codepoints of the text. Following examples illustrates it. ` “സന്തോഷ്”.decode(“utf-8”) u’\u0d38\u0d28\u0d4d\u0d24\u0d4b\u0d37\u0d4d’ ` or ` str=u"സന്തോഷ്" print repr(str) u’\u0d38\u0d28\u0d4d\u0d24\u0d4b\u0d37\u0d4d’ ` Well, But we need to take python console and type/paste the text etc..How can we make it more easy? What if pressing F12 key after selecting some text gives the codepoints? ...

I had written a blog post about hacking the glmatrix screensaver with the glyphs of our languages. Now I have those screensavers in the following languages: Hindi : Deb Package , RPM Gujarati : Deb Package , RPM Bengali : Deb Package , RPM Oriya: Deb Package , RPM Tamil : Deb Package , RPM Malayalam: Deb Package , RPM Try it and enjoy !! ps: I used the default fonts of Fedora 9 for these. If you have any specific font to be used please let me know. I used Dyuthi calligraphic font for Malayalam.

Swanalekha is an Input method originally designed for Malayalam. It is works with scim. as well as m17n. The input method scheme is transliteration based and it has a unique feature of candidate list menu(which I will explain shortly). Now I have extended it to 10 other Indian languages. Before explaining how swanalekha is different from other phonetic/transliteration based input methods, let me explain some of the characteristics of transliteration. Transliteration based input methods were following a strict one to one mapping from english letters to another Indian language. For eg: The ka=क ,pa = प , ti = टि etc.. when you write bharath, you will easily transliterate it to hindi as भारत. But for a rule based transliteration system it is भरत unless the english is bhaarath. Some times it may be Bhaarat too.. See another example: Kartik. it should be transliterated to കാര്‍ത്തിക് in Malayalam. So some people write it as Karthik, and some others write it as karthick too. All these are based on personal preferences. But when it use transliteration based input methods, people find difficulty with using a strict rule based writing method. There they have to write kaa for കാ or કા or கா or কা. Users like to get what they mean without the difficulty following the strict rules of transliteration. In an Intelligent transliteration based system when somebody write linux they should be able to map it to लिनक्स . Some times a choice to select लैनक्स is also preferable. This is what google transliteration does. No rules, no learning.. just type in english… ...

zabeehkhan was trying to code a Pashto (ps_AF) module for dhvani. And he told me that “it is not saying anything” :). So I took the code and found the problem. Dhvani has a UTF-8 decoder and UTF-16 converter. It was written by Dr. Ramesh Hariharan and was tested only with the unicode range of the languages in India. It was buggy for most of the other languages and there by the language detection logic and text parsing logic was failing. So I did some googling, went through the code tables of gucharmap and got some helpful information from here and here ...

/* say_namaskaar.c * This is a sample C code using dhvani text to speech API which I am * developing now and planning to release soon. New version of dhvani * will provide a shared library libdhvani and it allows other C or C++ * applications to use dhvani synthesizer. Tamil and Marathi modules, pitch, tempo * control etc are the features for the coming release. * I need to prepare documentation, fix many bugs, test, commit the files in cvs ... * Looking for some free time for all these... * Visit http://dhvani.sourceforge.net */ /* compile with gcc -ldhvani -o namaskaar say_namaskaar.c */ #include <dhvani/dhvani_lib.h> int main(int argc, char *argv[]) { dhvani_options options; /* Set the pitch and tempo of the speech */ options.tempo = -10.0; /* reduce the speed by 10% */ options.pitch = 2.0; /* increase the pitch b 2 semitons */ options.rate = 16000; /* 16KHz Sampling rate */ /* Initialize dhvani */ dhvani_init(&options); /* Say Namaskar */ dhvani_say("नमसकार", &options); /* close the synthesizer */ dhvani_close(); return ; } /* We can write a blog post in C too :P . Syntax highlighted by Code2HTML */

Thanks to Rahul Bhalerao , he wrote the Marathi module for dhvani– The Indian Language Text to speech System. Dhvani can speak 10 Indian languages now: Bengali, Gujarati, Hindi, Kannada, Malayalam, Marathi, Oriya, Panjabi, Tamil, and Telugu. Rahul also gave some patches for hindi module and for some other bugs. The code is available in CVS. The automatic language detection algorithm will not work for Marathi since it uses the devanagari script and I have assigned the unicode range used for language detection to Hindi. So it requires a langauge switch like “dhvani -l mr inputfile” ...

അന്ധര്‍ക്കു് ധ്വനി എങ്ങനെ ഉപയോഗപ്രദമാകും എന്നു് ഞാന്‍ എന്റെ മുന്‍പത്തെ ബ്ലോഗുകളില്‍ പറഞ്ഞിരുന്നു. അന്ധര്‍ക്കു് മാത്രമല്ല, സംസാരശേഷി നഷ്ടപ്പെട്ട വികലാംഗര്‍ക്കു് കൂടി ധ്വനി പ്രയോജനപ്പെടുത്താം. അവര്‍ക്കു വേണ്ടി ധ്വനി സംസാരിയ്ക്കും. ഇതെങ്ങനെ ചെയ്യാം എന്നതിനെപ്പറ്റി വിശദീകരിയ്ക്കാനാണീ ബ്ളോഗ് പോസ്റ്റ്. KDE യിലെ അംഗവൈകല്യമുള്ള ഉപയോക്താക്കള്‍ക്കുള്ള ഒരു സഹായക പ്രയോഗമാണു് KMouth. പേരു സൂചിപ്പിക്കുന്നതുപോലെതന്നെ ഉപയോക്താവിന്റെ വായ് ആയി ഈ അപ്ലിക്കേഷന്‍ പ്രവര്‍ത്തിയ്ക്കും. പറയേണ്ട കാര്യങ്ങള്‍ ടൈപ്പ് ചെയ്തു് കൊടുത്താല്‍ ഈ അപ്ലിക്കേഷന്‍ അതു് ഉറക്കെ വായിക്കും. സാധാരണ ഉപയോഗിയ്ക്കുന്ന വാചകങ്ങള്‍ ഒരു പുസ്തകമാക്കി സജ്ജീകരിച്ചു വെച്ചാല്‍ എപ്പോഴും എപ്പോഴും ടൈപ്പ് ചെയ്യാതെ ആ വാചകങ്ങള്‍ തിരഞ്ഞെടുത്തു് വായിപ്പിയ്ക്കാം. ഇതു കൂടാതെ ഉപയോക്താവു് ടൈപ്പ് ചെയ്യുന്ന പുതിയ വാചകങ്ങള്‍ KMouth പഠിയ്ക്കുകയും ചെയ്യും. ഉപയോഗിയ്ക്കുന്നതിന്റെ ആവൃത്തി അനുസരിച്ചു് പിന്നീടു് ടൈപ്പ് ചെയ്യുമ്പോള്‍ സൂചനകളായി ഒരു ലുക്കപ്പ് മെനുവായി ഇതു് ലഭ്യമാകും. ഇതൊക്കെയാണു് ഇതിന്റെ സവിശേഷതകള്‍. ഇനി നമുക്കു് ധ്വനി ഇതില്‍ എങ്ങനെ സജ്ജീകരിയ്ക്കാമെന്നും, മലയാളം, ഹിന്ദി, കന്നഡ, തെലുഗു, ബംഗാളി, പഞ്ചാബി, ഒറിയ ഗുജറാത്തി ഭാഷകള്‍ KMouth ഉപയോഗിച്ചു് വായിപ്പിയ്ക്കുന്നതെങ്ങനെയെന്നും നോക്കാം. ആദ്യം KMouth തുറക്കുക. KMenu->Utilities->Accessibility->Kmouth. നേരത്തേ ഇന്‍സ്റ്റാള്‍ ചെയ്തിട്ടില്ലെങ്കില്‍ പാക്കേജ് മാനേജര്‍ ഉപയോഗിച്ചു് ഇന്‍സ്റ്റാള്‍ ചെയ്യുക. നിങ്ങള്‍ ആദ്യമായി ഈ KMouth തുറക്കുകയാണെങ്കില്‍ അതു സജ്ജീകരിയ്ക്കനുള്ള ഒരു ജാലകമാണു് ആദ്യം ലഭിയ്ക്കുക. അവിടെ Command for Speaking text എന്നിടത്തു് dhvani %f എന്നു കൊടുക്കുക. Apply എന്ന ബട്ടണ്‍ അമര്‍ത്തുക. <img style=“display:block; margin:0px auto 10px; text-align:center;cursor:pointer; cursor:hand;” src=“http://2.bp.blogspot.com/_yXi4s2T6Sz4/R91EOdSFRdI/AAAAAAAAAFU/mxk9fYkh0Hk/s400/dhvani-ktts3.png" border=“0” alt=““id=“BLOGGER_PHOTO_ID_5178370161715267026” /> ...

Dhvani can help not only blind users but also dumb users. I will explain how dhvani act as your mouth using KMouth. Kmouth is as KDE Accessibility Appllication and it act as a test to speech front end. KMouth is a program that enables persons that cannot speak to let their computers speak. It includes a history of spoken sentences from which the user can select sentences to be re-spoken. It learns the words the user wrote and have autocompletion. It also includes a phrasebook, using that you can store the commonly used phrases for quick access. ...

It is possible integrate Dhvani Indian Langauge TTS to KDE desktop through its TTS system KTTS. Using this you can dhvani can read the text in kate,kedit,kwrite, Konqueror. You can even listen to the text in the webpages in Konqueror Dhvani can be itegrated to KTTS using its Command plugin feature. To do this go to control center–>Regional and Accessibility –>Text-to-speech –>Talker Tab. Add a new Synthesizer. Select the syntesizer type as Command and Langauge as Other. You can select any language since Dhvani doesn’t want langauge parameter and it detects the language automatically. ...

ഇക്കൊല്ലത്തെ ഫോസ് ഇന്ത്യാ അവാര്‍ഡ് നേടിയ ധ്വനി എന്ന ടെക്സ്റ്റ് റ്റു സ്പീച്ച് സോഫ്റ്റ്‌വെയര്‍ ഉപയോഗിച്ചു് വൈക്കം മുഹമ്മദ് ബഷീറിന്റെ മാന്ത്രികപ്പൂച്ച എന്ന നോവലിന്റെ ആദ്യഭാഗം വായിപ്പിക്കാന്‍ ശ്രമിച്ചപ്പോള്‍ കിട്ടിയ സൌണ്ട് ഫയലുകള്‍ താഴെക്കൊടുക്കുന്നു. mp3 format (1.3 MB) ogg format (402 KB) ഇതിലേതെങ്കിലും ഒന്നു് ഡൗണ്‍ലോഡ് ചെയ്തു് കേട്ടുനോക്കൂ… എന്താ ചങ്ങാതിമാരേ, കമ്പ്യൂട്ടര്‍ മലയാളം പറയുന്നതു് കേട്ടു് വല്ലതും മനസ്സിലായോ? 🙂 ഇതാണു് ധ്വനി വായിയ്ക്കാന്‍ ശ്രമിച്ചതു്: “ബഷീറിന്റെ മാന്ത്രികപ്പൂച്ച എന്ന നോവലിന്റെ ആദ്യഭാഗം ധ്വനി വായിക്കുന്നു. ഒരു മാന്ത്രിക പൂച്ചയുടെ അവതാരത്തെപ്പറ്റിയാകുന്നു പറയാന്‍ പോകുന്നതു്. പണ്ടു പണ്ടു മുതല്‍ക്കേ അത്ഭുതങ്ങള്‍ ഒരുപാടു് ഒരുപാടു് ഈ ഭൂലോകത്തു് സംഭവിച്ചിട്ടുണ്ടല്ലോ. അത്തരം ഗൌരവമുള്ള കാര്യമല്ലിതു്. ഇതൊരു സാധാരണ പൂച്ചയായി ജനിച്ചു. പിന്നെങ്ങനെയാണു് ഇതൊരു മാന്ത്രിക പൂച്ചയായതു്? പ്രശ്നത്തിന്റെ അകത്തു ലേശം തമാശയുണ്ടു്. ഇതു ലോകത്തിലെ ആദ്യത്തെ മാന്ത്രിക പൂച്ചയാണോ? സംശയമാണു്. പ്രപഞ്ചചരിത്രത്തിന്റെ ഏടുകള്‍ ക്ഷമയോടെ മറിച്ചു നോക്കിയാല്‍ ഇത്തരം സംഭവങ്ങള്‍ ഒത്തിരി ഒത്തിരി കണ്ടെന്നുവരാം. അന്നൊരു പക്ഷേ ആരും ശ്രദ്ധിച്ചു കാണുകയില്ല. ഇപ്പോള്‍, ദാ, ഒരു സുവര്‍ണാവസരം. ശ്രദ്ധിക്കുക: ചുവന്ന കണ്ണുകള്‍, ചിരിക്കുന്ന മുഖഭാവം, ചെവികളിലും മുതുകിലും വാലിലും ലേശം ചുമപ്പു രാശിയുണ്ടു്. ബാക്കി എല്ലാം തൂവെള്ള. തറച്ചു മുഖത്തു നോക്കി മ്യാഓ എന്നു പറയുന്നതു കേട്ടാല്‍ വാരിയെടുത്ത് ഓമനിക്കാന്‍ തോന്നും.” ...