Teza doctorat (pdf) - Universitatea Tehnică

Teza doctorat (pdf) - Universitatea Tehnică Teza doctorat (pdf) - Universitatea Tehnică

users.utcluj.ro
from users.utcluj.ro More from this publisher
15.06.2013 Views

118 Cap. 4. Analiza semnalului vocal 4.6.1.6. Concluzii cu privire la algoritmul propriu de determinare a intervalelor de perioadă În acest capitol s-a prezentat un algoritm propriu de determinare a intervalelor de perioadă pentru un semnal vocal. Algoritmul este deosebit de exact, lucrând exclusiv în domeniul timp al analizei. Spre deosebire de alte metode de calcul în domeniul frecvenţă, el nu necesită ferestruire şi nici calcule complexe, fiind foarte rapid. Metoda comportă patru paşi succesivi : a. Determinarea punctului de plecare (punctul pivot); b. Determinarea unei estimări a perioadei de semnal; c. Detecţia punctelor de maxim şi de hiatus pentru fiecare perioadă; d. Marcarea intervalelor de perioadă prin detectarea punctelor de capăt. Fiecare etapă a necesitat elaborarea a câte unui algoritm distinct, care a fost prezentat împreună cu rezultatele obţinute. Au fost proiectaţi astfel 4 algoritmi : - un algoritm în domeniul timp pentru determinarea punctului pivot, primul maxim de perioadă în funcţie de care se calculează toate celelalte puncte de maxim ; - un algoritm în domeniul timp pentru determinarea unei estimări a perioadei de semnal în jurul punctului pivot ; - un algoritm în domeniul timp pentru determinarea maximelor de perioadă, pornind de la punctul pivot către stânga, respectiv către dreapta, în segmentul considerat ; algoritmul este de asemenea capabil să detecteze punctele de hiatus care apar în segmentul vocal, şi le clasifică în hiatus de perioadă, respectiv hiatus de amplitudine ; - un algoritm în domeniul timp pentru determinarea punctelor de capăt ale intervalelor de perioadă, puncte ce sunt strâns legate de maximele de perioadă.

4.7. Segmentarea fonematică 119 Cap. 4. Analiza semnalului vocal În ultimii ani, sinteza vorbirii realizată prin concatenare a devenit din ce în ce mai populară pentru înalta calitate a vocii sintetice pe care o oferă. Prin selectarea şi concatenarea unităţilor de vorbire stocate într-o bază de date, astfel de sintetizatoare pot selecta o secvenţă de unităţi ce corespunde foarte precis contextului de la intrare. Prin acest proces, modificarea semnalului este minimă, păstrându-se astfel caracterul natural al discursului original. Cu toate acestea, calitatea semnalului de vorbire obţinut la ieşire este extrem de dependentă de corpusul din baza de date şi de prelucrările operate pe acest corpus. Rezultă de aici importanţa etichetării şi adnotării corecte a corpusului existent, proces în care transcrierea fonetică şi segmentarea fonematică sunt sarcini de primă importanţă. Segmentarea fonematică reprezintă procesul de asociere a unor simboluri fonematice prezente în textul de la intrare cu semnalul vorbit. În urma segmentării, din semnalul vorbit se vor extrage unităţile acustice, care vor fi înregistrate apoi în baza de date. Dacă transcrierea fonetică a textului nu implică dificultăţi deosebite, cea mai grea sarcină în procesul de prelucrare a corpusului şi de creare a bazei de date vocale este cea de segmentare. Acest lucru se datorează faptului că metodele de segmentare automată nu sunt suficient de fiabile la ora actuală, şi astfel verificarea manuală a segmentării rămâne obligatorie, proces extrem de costisitor atât în termeni de timp cât şi în costuri de dezvoltare. Această nevoie de intervenţie manuală este considerată ca un factor de limitare pentru construirea de noi corpusuri utilizate în sinteză. Având în vedere creşterea cererii înspre diversificarea vocilor de sinteză, se impune îmbunătăţirea preciziei şi gradului de automatizare a segmentării şi adnotării corpusurilor utilizate în aplicaţii de tip text-to-speech. Pe plan internaţional au fost dezvoltate mai multe metode în vederea segmentării automate sau semiautomate a semnalului vocal: metode iterative bazate pe antrenare, metode bazate pe reguli de asociere, metode bazate pe calcule statistice, etc. Prezentăm în continuare pe scurt trei dintre acestea, pe care le considerăm generice pentru rezolvarea acestui tip de problemă. Cele trei metode sunt: segmentarea cu modele Markov ascunse (Hidden Markov Models - HMM), rafinarea frontierelor de regiuni, segmentarea bazată pe probabilităţi generalizate (Generalized Likelihood Ratio - GLR). 4.7.1. Segmentarea fonematică folosind modele Markov ascunse Această abordare este considerată o abordare standard pentru segmentarea semnalului vocal. Algoritmul constă din doi paşi. Primul pas este o fază de antrenare care are ca scop estimarea modelelor acustice. În al doilea pas se utilizează aceste modele, generându-se clasificări ale segmentelor vocale prin intermediul algoritmului Viterbi, făcându-se o aliniere între modelele asociate secvenţei cunoscute de foneme şi semnalul vorbit. Faza de antrenare e importantă pentru că acurateţea segmentării prin modele Markov HMM depinde de calitatea estimării modelelor. Există câteva metode pentru determinarea acestor modele.

118<br />

Cap. 4. Analiza semnalului vocal<br />

4.6.1.6. Concluzii cu privire la algoritmul propriu de determinare a intervalelor de<br />

perioadă<br />

În acest capitol s-a prezentat un algoritm propriu de determinare a intervalelor de<br />

perioadă pentru un semnal vocal. Algoritmul este deosebit de exact, lucrând exclusiv în<br />

domeniul timp al analizei. Spre deosebire de alte metode de calcul în domeniul frecvenţă, el nu<br />

necesită ferestruire şi nici calcule complexe, fiind foarte rapid.<br />

Metoda comportă patru paşi succesivi :<br />

a. Determinarea punctului de plecare (punctul pivot);<br />

b. Determinarea unei estimări a perioadei de semnal;<br />

c. Detecţia punctelor de maxim şi de hiatus pentru fiecare perioadă;<br />

d. Marcarea intervalelor de perioadă prin detectarea punctelor de capăt.<br />

Fiecare etapă a necesitat elaborarea a câte unui algoritm distinct, care a fost prezentat<br />

împreună cu rezultatele obţinute.<br />

Au fost proiectaţi astfel 4 algoritmi :<br />

- un algoritm în domeniul timp pentru determinarea punctului pivot, primul maxim de perioadă<br />

în funcţie de care se calculează toate celelalte puncte de maxim ;<br />

- un algoritm în domeniul timp pentru determinarea unei estimări a perioadei de semnal în jurul<br />

punctului pivot ;<br />

- un algoritm în domeniul timp pentru determinarea maximelor de perioadă, pornind de la<br />

punctul pivot către stânga, respectiv către dreapta, în segmentul considerat ; algoritmul este de<br />

asemenea capabil să detecteze punctele de hiatus care apar în segmentul vocal, şi le clasifică<br />

în hiatus de perioadă, respectiv hiatus de amplitudine ;<br />

- un algoritm în domeniul timp pentru determinarea punctelor de capăt ale intervalelor de<br />

perioadă, puncte ce sunt strâns legate de maximele de perioadă.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!