Capítulo 2: TECNOLOGÍAS PARA INVIDENTES Y SISTEMA

LINTER-VOX

2.1 Tecnología para invidentes

Hoy en día existen muchas herramientas que buscan facilitar tareas comunes para

personas invidentes como por ejemplo la lectura de un libro por medio del sis tema

braille, el transitar y cruzar una calle con la ayuda de perros guías, realizar compras con

billetes identificables al tacto, el desarrollo de software para el uso de computadoras,

sólo por mencionar algunas.

En materia de tecnología existen avances importantes que permiten a personas

invidentes realizar actividades que parecían ligeramente imposibles para ellas como por

ejemplo jugar un video juego, chatear, leer un libro de texto o electrónico, navegar por

Internet, entre otros.

Con respecto al acceso a la información y conocimiento para personas invidentes el

sistema braille hoy en día juega un papel muy importante. Este sistema es uno de los

más utilizados y data del siglo XIX; basado en un símbolo formado por seis puntos que

representan letras y signos, permite a las personas invidentes la lectura de documentos y

escritos que en este sistema se encuentren disponibles.

En relación a la tecnología y el acceso a la información, libros hablados o

sintetizadores de voz permiten el acceso a la información electrónica por parte de

personas invidentes, y a partir del auge computacional y la llegada de Internet el

desarrollo de sistemas y tecnologías por parte de diferentes grupos y compañías, ha

resultado en diversos software con características especiales que los difieren unos de

otros tanto en capacidades y funcionalidad como en costos.

En la actualidad existe en el mercado un importante número de software para

invidentes que, en combinación con la tecnología de los sintetizadores de voz (TTS), el

aumento del tamaño y color de las letras, entre otras técnicas, les permiten interactuar de

manera más natural con el mundo de las computadoras.

Un ejemplo notable dentro de los motores Text-to-Speech es el de la compañía

pionera en tecnologías de voz AT&T. Natural Voices es una de sus nuevas tecnologías

que soporta un número considerable de idiomas incluyendo el español [AT&T, 2006], y

que como su nombre lo indica, ésta es una tecnología que busca hacer de la voz de un

sintetizador una voz cada vez más real y natural, similar a la de un humano. Su precio al

público para diciembre de 2008 es de aproximadamente 149 dls, 1937 pesos la

plataforma base del producto; y 49 dls, 637 pesos por cada idioma contratado. Algunos

de los idiomas que soporta son: alemán, francés, inglés americano, inglés británico e

inglés indio.

Algunos de los software comerciales más utilizados por los invidentes son por

ejemplo Window-Eyes [GW Micro, 2007], cuya última versión es la 6.1; Window-Eyes

es un lector de pantalla compatible con varias versiones de Windows que permite tener

control sobre lo que se quiere escuchar, la manera en que se quiere escuchar, y además

los formatos que es capaz de leer van desde texto hasta HTML. Su precio al público

para enero de 2008 es de $895 dls y su lenguaje base es el ingles. Una de sus

desventajas es que no es compatible con Windows 95 ni Windows 98 que por lo regular

son sistemas operativos montados en máquina donadas a centros e instituciones de

invidentes de escasos recursos.

Otro software famoso utilizado por los invidentes es Jaws [Freedom scientific,

2007], en su versión para Dos y para Windows, el cual es también un lector de pantalla

que hace uso de un sintetizador de voz o un dispositivo braille como dispositivos de

salida para dar lectura a la información que se presenta en pantalla. Además provee de

algunos comandos que facilitan la utilización de programas, la edición de documentos y

la lectura de páginas Web. Este sistema es considerado uno de los productos más

potentes del mercado y de mayor distribuido a nivel mundial, probablemente es por esto

que es uno de los sistemas más caros, teniendo un precio al público para enero de 2008

de $1,095 dls. la versión profesional y $895 dls. la versión estándar.

Home Page Reader de IBM es uno de varios navegadores que permiten por medio

de un sintetizador TTS hacer lectura de páginas Web, consulta de correo electrónico,

magnificación de texto para débiles visuales, entre otras opciones. La interfaz de Home

Page Reader es realmente una interfaz de manipulación y navegación Web fácil de

usar. A la fecha IBM ha dejado de desarrollar Home Page Reader por el mismo hecho

de que ya existen en el mercado muchas herramientas de este tipo; sin embargo, IBM

sigue investigando y desarrollando en el ámbito de la accesibilidad para invidentes.

Para la lectura de documentos impresos, OpenBook [Freedom scientific, 2007] es un

software que por medio de la tecnología OCR (reconocimiento óptico de caracteres) y

TTS, escanea el texto de un libro impreso, una carta, etc. para transformar la

información y leerla a la persona invidente por medio del sintetizador TTS. Otra de sus

funciones recientes es la capacidad de escanear documentos y guardarlos en formato

mp3 para poderlo reproducir en dispositivos como el iPod. Además provee de varias

herramientas para débiles visuales que mejoran la presentación del documento que se

tenga en pantalla y permite también que los documentos generados a partir del escaneo

de OpenBook sean exportados a otras aplicaciones como por ejemplo Microsoft Word.

Su precio al público para enero de 2008 es de $995 dls.

2.2 Requerimientos para el uso de Linter-Vox

En relación a la tecnología para débiles visuales e invidentes, se desarrolló Linter-

Vox, el cual tiene como tareas principales mejorar la experiencia de búsqueda de

información por medio del motor de búsqueda de Google, y la lectura simple del

contenido de una página Web por medio del sintetizador de voz TTS de Windows.

Linter-Vox se compone de 22 clases escritas en lenguaje de programación Java y

fue diseñado para funcionar con máquinas de especificaciones típicas y un mínimo de

espacio en disco duro, por lo que es posible instalarse y ejecutarse en una computadora

relativamente nueva.

A continuación se presentan los requerimientos de software y hardware para el

correcto funcionamiento de Linter-Vox, así como consideraciones que deben de ser

tomadas en cuenta antes de la instalación de los ejecutables para la interacción con los

agentes animados de Microsoft.

2.2.1 Requerimientos de Software y Hardware

Microsoft Windows 95, Windows 98, Windows Me, Windows NT 4.0 (x86),

Windows 2000, Windows XP

Internet Explorer versión 3.02 mínimo

Procesador de 100 MHz PC mínimo

16 MB de memoria RAM mínimo

1 MB de espacio libre en disco para la instalación de componentes

2 a 4 MB de espacio libre en disco duro adicional para cada agente animado de

Microsoft que se quiera usar

32 KB de espacio libre en disco para las librerías (dll) del lenguaje que se quiera

usar.

2.3 Instalación de componentes del sistema Linter-Vox

Microsoft Agents es una tecnología desarrollada por Microsoft que permite

interactuar con aplicaciones y sitios Web por medio de personajes animados capaces de

recibir instrucciones y realizar acciones o tareas de acuerdo a lo que hayan sido

programados permitiendo así una manera diferente, para los usuarios, de interacción con

sus sistemas computacionales. Estos personajes animados es una tecnología gratuita que

puede ser descargada desde el sitio de la compañía Microsoft1 y en donde también se

puede consultar mayor información del producto así como soporte para la instalación y

uso en el desarrollo de aplicaciones. Cabe mencionar que Microsoft Agents no es una

aplicación integral de software que automáticamente realice una tarea sino que necesita

ser implementado e invocado explícitamente para su funcionamiento. El software

Linter-Vox utiliza esta tecnología para la lectura de las instrucciones de uso del sistema,

la lectura de los sitios disponibles en la Web que responden a lo que el invidente quiere

explorar, las ligas a otras páginas Web contenidas en los sitios en exploración y el

contenido de la página Web que el usuario desea escuchar. La importancia de la

implementación de Microsoft Agents en Linter-Vox y sus versiones futuras, radica en

que es una tecnología gratuita que a pesar de cumplir con varias funciones en Linter-

Vox no genera costo.

La tabla 2.1 que se muestra a continuación describe los componentes que son

necesarios para la instalación de la tecnología Microsoft Agents. Estos componentes son

la base de la ejecución y correcto funcionamiento de Linter-Vox así como de todas las

versiones que a futuro se desarrollen para la mejora de este software. Dichos

componentes se encuentran disponibles en el sitio de Microsoft2 sin embargo, existen

disponibles diferentes componentes que algunas personas necesitarán pero otras no y es

por eso que en la tabla 2.1 se resumen los componentes básicos necesarios.

Tabla 2.1: Descripción de componentes para la instalación y ejecución del

software Linter-Vox

1Recurso disponible: http://www.microsoft.com/msagent/default.asp

La instalación correcta de los componentes anteriores debe seguir el orden en el que

aparecen en la tabla anterior, es decir:

1. Ejecución del MSagent.exe. En caso de usar alguno de los sistemas operativos

Microsoft Windows XP, Windows 2000 o Windows ME no es necesaria la

ejecución de este componente.

2Recurso disponible: http://www.microsoft.com/msagent/downloads/user.asp

2. Ejecución del agtx0c0a.exe

3. Ejecución del peddy.exe. Este es el agente de Microsoft que se desee usar; otras

opciones son Genie, Merlin, Robby, entre otros.

4. Ejecución del lhttsspe.exe. El ejecutable para la voz en español.

5. Ejecución del SAPI 4.0.exe. Necesario también para la ejecución de Linter-Vox

en el sistema Windows XP

Una vez instalados estos componentes, se podrá hacer uso de los agentes de

Microsoft para interactuar con el software Linter-Vox de manera amigable, tanto para la

versión ya desarrollada como la versión final de la presente tesis y las que a futuro se

desarrollen.

2.4 Flujo del software Linter-Vox

A continuación se describe de manera detallada el funcionamiento y la forma de

interacción por parte del usuario invidente con la versión del software Linter-Vox

desarrollada por Gustavo Elizalde. Mostrando así, la funcionalidad actual del software y

las tareas a atacar en la presente tesis que el software aún no realiza.

El software cuenta con un sistema de auto ejecución que ejecuta la clase Control, la

cual es la clase principal y contiene al método main() que crea la interfaz gráfica en

forma de barra con sus cinco botones de interacción y el campo para introducir texto

(ver figura 2.1), y manda ejecutar el archivo intro.html por medio del cual se invoca por

primera vez al agente de Microsoft, en el caso base el mago Merlín, que realiza su

primera tarea que consiste en dar la bienvenida y la opción de escuchar las instrucciones

del sistema o comenzar con la búsqueda de información en la Web. (ver figura 2.2).

Figura 2.1: Interfaz gráfica en forma de barra

Figura 2.2: Primeras instrucciones del Mago Merlín

La interfaz gráfica en forma de barra, control interactivo, permite para esta versión

de Linter-Vox y la desarrollada en la presente tesis, continuar con el flujo del sistema

por medio de las acciones que cada botón realiza. La interacción con este control se da

de dos maneras, una es por medio de la tecla énter y la segunda es por medio de las

teclas F para llevar acabo alguna de las tareas que componen al flujo del sistema.

Tras la bienvenida al sistema, el usuario tiene la opción de escuchar las

instrucciones del funcionamiento del sistema por medio de la tecla F1 o el botón

“Instrucciones (F2)” que simplemente ejecuta el archivo “instrucciones.html” al cual da

lectura el Mago Merlín (ver figura 2.3).

Figura 2.3: Diagrama de secuencia para la solicitud de instrucciones

A continuación, o inclusive sin escuchar las instrucciones, el usuario debe introducir

el tema sobre el que quiere indagar y presionar énter, F2 o el botón “Búsqueda (F2)”

para que su consulta sea procesada por el software.

El software hace uso del motor de búsqueda de Google por medio del cual obtiene

los sitios disponibles en la Web que responden a la consulta del usuario. Mediante un

proceso de formateo y correspondencia, se pasan los números de liga con sus

respectivos sitios a la programación del mago Merlín para que éste, dé lectura al usuario

de dichos sitios con sus respectivos números (ver figura 2.3).

El mago Merlín dará lectura a los diez primeros sitios que respondan mejor a la

consulta del usuario, siendo el número 1 el que mejor responda a la consulta y el 10 el

que menos responda a la consulta tal y como se presenta en la página Web del servicio

Google (ver figura 2.4).

Figura 2.3: Diagrama de secuencia de una búsqueda

Figura 2.4: Lectura de los sitios disponibles que responden a la consulta del

usuario invidente, con sus respectivos números de acceso

F3 o el botón Ligas Siguientes (F3) le permite al usuario escuchar los siguientes diez

sitios, es decir del sitio 11 en adelante, que responden a la consulta del usuario.

Una vez que el usuario escuche el tema del sitio que quiere explorar, sólo debe

presionar el número correspondiente al tema del sitio en el cuadro de texto y presionar

énter, la tecla F4 o el botón Explorar Liga (F4) para que el sistema se dirija a la página

Web y procese el contenido de ésta dándole formato para que el agente de voz de

Microsoft dé lectura al contenido del sitio seleccionado. Durante el proceso de

exploración del sitio seleccionado, el sistema se encarga de guardar las ligas a otros

sitios que están contenidas en el sitio explorado para así contar con la funcionalidad de

una exploración a profundidad, (ver figura 2.5).

Figura 2.5: Diagrama de secuencia para la exploración de una página Web

Una vez que se exploró el sitio seleccionado por el usuario, por medio de la tecla F5

o el botón Ligas del Sitio (F5) se pueden escuchar los sitios a los que se puede acceder

desde el sitio Web que el usuario exploró; logrando así una mayor profundidad de

búsqueda y exploración de información relacionada con el tema sobre el que se quiere

conocer.

Este es el proceso entero de exploración de un sitio o página Web, y termina cuando

el usuario decide realizar una nueva búsqueda o presiona la tecla F9. Como

funcionalidades extra, durante todas las acciones que se relacionan con el campo para

introducir texto, se pueden escuchar, mediante la tecla F6, las palabras o el número que

haya introducido el usuario así como también, por medio de la tecla F7, se puede borrar

todo lo que haya escrito el usuario con la finalidad, ambas funciones, de que el usuario

verifique y/o corrija lo que escribe como consulta en el campo de texto.

La interacción con Linter-Vox para el proceso de exploración de un sitio Web es

sencilla, rápida y fácil, sin embargo existen algunos puntos durante dicho proceso que

pueden ser mejorados para resultar en una interpretación del texto de mayor calidad,

entre otros puntos

2.5 Estructura de las clases del software Linter-Vox

Con la finalidad de observar de manera detallada la forma de interacción y procesos

entre las diferentes clases de la versión actual de Linter-Vox, así como de describir el

proceso de reingeniería que resulta en el desarrollo de la versión de Linter-Vox de la

presente tesis, se muestran en las figuras 2.6 y 2.7 los diagramas de clase del software.

<<

cre

ate

>>

+G

en

era

do

r(a

:Str

ing[]):

Ge

ne

rad

or

+e

scritu

ra(b

usq

ue

da

:Str

ing

[],p

:in

t):v

oid

Ge

ne

rad

or

~ s

alid

a3w

<<

cre

ate

>>

+G

en

era

do

r1(a

(Str

ing):

Ge

ne

rad

or1

+e

scritu

ra(b

usq

ue

da

:Str

ing

)vo

id

Ge

ne

rad

or1

~ s

alid

a2w

<<

cre

ate

>>

+Im

prim

irT

ext(

a:S

trin

g):

Imp

rim

irT

ext

+im

prim

ir(t

exto

.Str

ing

):S

trin

g

Imp

rim

irT

ex

t

~ s

alid

aw

<<

cre

ate

>>

+F

iltro

s(e

:Str

ing

)Filt

ros

+filtra

r(b

:Str

ing

):S

trin

g

+b

:Str

ing

Filtr

os

~ filt

rosw

<<

cre

ate

>>

+S

trin

gC

atc

h2(e

:Str

ing

):S

trin

gC

atc

h2

+ca

ch

ar(

a:S

trin

g):

Str

ing

Str

ing

Ca

tch

2

~ q

uita

rScrp

tew

<<

cre

ate

>>

+S

trin

gT

ry2(e

:Str

ing):

Str

ing

Try

2

+fo

rma

t(b:S

trin

g):

Str

ing

Str

ing

Try

2~

qu

ita

rOtr

osw

<<

cre

ate

>>

+S

trin

gT

ry(e

:Str

ing):

Str

ing

Try

+fo

rma

t(b:S

trin

g):

Str

ing

+b:S

trin

g

Str

ing

Try

~ q

uita

rHT

ML

w

<<

cre

ate

>>

+lin

kse

arc

h(e

:Str

ing):

linkse

arc

h

+se

arc

h(a

:Str

ing,r

:Str

ing[],p

ag

ina:S

trin

g):

Str

ing[]

+se

arc

h2

(u.I

nt,a.S

trin

g).

int

Lin

kS

ea

rch

~ lin

ksw

Co

ntr

ol

Figura 2.6: Diagrama de clases del software Linter-Vox (parte 1)

+se

arch

Rep

lace

(dat

a:S

trin

g,fin

d:S

trin

g,R

epla

ce:S

trin

g):S

trin

g

Tes

tCla

ss

~ tc

+do

wnl

oadP

age(

page

Url:

UR

L):S

trin

g

+pr

oced

imie

nto(

page

:Str

ing)

:Str

ing

Inte

rnet

Lec

tor

~

mez

cla

<<

crea

te>

>+Im

prim

irTex

to(a:

Str

ing[

]):

Impr

imirT

exto

+im

prim

ir(te

xto.

Str

ing[

]):S

trin

g[]

Imp

rim

irT

ext

~ s

2

<<

crea

te>

>+F

iltro

s(e:

Str

ing)

Filt

ros

+fil

trar

(b:S

trin

g):S

trin

g

+b:S

trin

g

Filt

ros

~ fi

ltros

~ e

<<

crea

te>

>+S

earc

h(a:

Str

ing[

],ca

mpo

:Str

ing)

:Sea

rch

+co

nect

(bu

sque

da:S

trin

g[],

cam

poB

usqu

eda:S

trin

g,in

dex:

int):

Str

ing[

]

+bu

sque

da:S

trin

g[]

+ca

mpo

Bus

qued

a:Str

ing

Sea

rch

~ s

<<

crea

te>

>+S

earc

h2(a

:Str

ing[

],ca

mpo

:Str

ing)

:Sea

rch2

+co

nect

(bu

sque

da:S

trin

g[],

cam

poB

usqu

eda:S

trin

g,in

dex:

int):

Str

ing[

]

+bu

sque

da:S

trin

g[]

+ca

mpo

Bus

qued

a:Str

ing

Sea

rch

2

<<

crea

te>

>+G

ener

ador2

(a:S

trin

g[])

:Gen

erad

or2

+es

critu

ra(

busq

ueda

:Str

ing[

]):v

oid

Gen

erad

or

~ c

+do

wnl

oadP

age(

page

Url:

UR

L):S

trin

g

Inte

rnet

+es

crib

e(bu

sque

da:S

trin

g):v

oid

Pal

abra

s

+In

icia

r(bu

sque

da:S

trin

g,lig

a:in

t,lin

k:in

t):vo

id

~ir:

int

~in

dex:

int=

0

~lin

ker:i

nt=

0

~a:

Str

ing[

]=ne

wS

trin

g[10

]

~b:

Str

ing[

]=ne

wS

trin

g[10

]

~d:

Str

ing[

]=ne

wS

trin

g[10

]

~o:

Str

ing[

]=ne

wS

trin

g[10

]

~f.S

trin

g[]=

{“1”

,”2”

,”3”

,”4”

,”5”

,”6”

,”7”

,”8”

,”9”

,”10

”}

~le

ngua

je:S

trin

g

Pri

mer

o

Figura 2.7: Diagrama de clases del software Linter-Vox (parte 2)

2.6 Ventajas y desventajas de Linter-Vox

Entre las principales ventajas que la versión de Linter-Vox desarrollada por Gustavo

Elizalde posee se encuentran la interfaz gráfica o control interactivo en forma de barra,

la cual permite una interacción más amigable con el usuario, el manejo de errores y de

banderas por medio de los cuales se hace estable el flujo del software y la funcionalidad

que permite al usuario conocer el estado en el que se encuentra el sistema.

Sin embargo, el sistema aún presenta dos grandes desventajas en materia de la

calidad de los resultados y la manera en que éstos son expuestos al usuario en su

condición de débil visual o invidente; y que por consiguiente, son los puntos que la

presente tesis busca atacar y resolver para hacer a Linter-Vox todavía un software más

eficiente.

La primera de las desventajas es en relación a la lectura simple del contenido de los

sitios Web que los usuarios visitan, ya que ésta, se realiza de forma sencilla sin tomar en

cuenta las estructuras que colocan en ciertas posiciones la información en la página

Web visitada las cuales, inducen al lector visual a seguir un orden de lectura de acuerdo

al lugar en donde se encuentra la información o las relaciones que existen entre datos y

encabezados de una tabla.

Para resolver dicho problema la primera acción a tomar será un análisis de la forma

en que las personas videntes escriben y leen tablas de datos para posteriormente,

desarrollar el módulo que implementará la metodología que se utiliza para dicha lectura

de tablas; será necesario el estudio de las diferentes formas de escritura de una tabla que

el lenguaje de programación HTML permite y por último, es necesario observar en

Internet el uso de las etiquetas <table> para diferenciar entre una tabla de datos y una

estructura tan sólo usada para el diseño de una página Web.

La segunda de las desventajas es en relación al tipo de documento contenido en

Internet que el software Linter-Vox es capaz de procesar para la lectura por parte del

agente de Microsoft al usuario. Actualmente Linter-Vox es capaz de procesar solamente

documentos de tipo HTML, limitando así la cantidad y calidad de información en

Internet a la que el usuario del software puede acceder. Siendo este un punto importante

dado que hoy en día Internet presenta cantidad de información en formato PDF que el

servicio de búsqueda de Google pone a disposición de los usuarios de Internet.

Además se encontró que existen detalles en cuanto al formateo del texto contenido

en las páginas Web que podrán ser mejorados. Dichas mejoras son por ejemplo la

eliminación de código HTML que aún se presenta al momento de dar lectura a la página

Web, dejando así por completo un texto que sólo refiere a la información sobre el tema

que el usuario desea investigar. De igual forma se encuentran caracteres extraños en la

lectura del texto final que serán reemplazados por los caracteres correspondientes a la

palabra en lectura.