Teza doctorat (pdf) - Universitatea Tehnică
Teza doctorat (pdf) - Universitatea Tehnică Teza doctorat (pdf) - Universitatea Tehnică
154 Cap. 4. Analiza semnalului vocal 4.8.6. Concluzii privitoare la contribuţiile autorului în segmentarea fonematică a semnalului vocal Metodele de segmentare fonematică a semnalului vocal sunt foarte utile în procesul de creare a bazei de date acustice, când avem de-a face cu un corpus de dimensiuni mari care trebuie segmentat şi adnotat. Cu cât aceste metode sunt mai automatizate, cu atât munca depusă de operatorul uman este mult uşurată. Metodele propuse de autor vin în întâmpinarea acestui deziderat şi aduc o contribuţie importantă în acest domeniu al analizei şi prelucrării corpusului vocal. O altă aplicaţie foarte importantă a acestor metode de detectare a unităţilor fonematice din semnalul vocal este în domeniul recunoaşterii vorbirii. Dezvoltarea şi aprofundarea metodelor de segmentare fonematică va duce implicit şi la soluţionarea problemei recunoaşterii, arătând astfel domeniul vast de aplicabilitate şi operabilitate al acestor metode. S-au propus în acest capitol trei metode pentru segmentarea fonematică, metode ce pot fi utilizate individual sau coroborat. Prima metodă detectează grupurile de foneme din semnalul vocal pe baza textului cunoscut de la intrare, folosind segmentarea prealabilă în regiuni. A doua metodă realizează împărţirea regiunilor în subregiuni fonematice, calculând tranziţiile dintre cadrele fiecărei regiuni. A treia metodă detectează separat fonemele din regiunile multifonematice şi funcţionează pe bază de model. Avantajul acestor metode derivă din modul de abordare sincron cu frecvenţa, ceea ce le dă o notă de precizie în plus faţă de alte abordări. În acestă fază s-au realizat: a) o metodă de segmentare în grupuri de foneme a semnalului vocal pe baza textului cunoscut de la intrare; pentru aceasta s-a proiectat: - un set de reguli care impun anumite constrângeri de formă şi durată pentru fiecare grup fonematic; - un algoritm de asociere între un grup fonematic şi o secvenţă de regiuni; b) o metodă ce realizează împărţirea regiunilor în subregiuni fonematice, calculând tranziţiile dintre cadrele fiecărei regiuni; pentru aceasta s-a proiectat: - un mod de calcul a distanţei minime pătratice dintre două cadre de semnal, distanţă ce se aplică vectorilor de caracteristici bazaţi pe coeficienţi Fourier; - un algoritm de detectare a frontierelor de subregiuni pe baza tranziţiilor bruşte dintre cadre; c) o metodă ce separă fonemele din regiunile multifonematice, funcţionând pe bază de model; pentru aceasta s-au proiectat 4 algoritmi şi metode: - o metodă de modelare semiautomată a fonemelor; - un algoritm de comparare a vectorilor regiunii ţintă cu modelul; - un algoritm de regăsire a modelului fonematic şi de etichetare a regiunilor; - un algoritm de grupare a fonemelor şi segmentare în subregiuni.
5. Sinteza de voce 5.1. Modelul general al sintezei vorbirii Sinteza vorbirii presupune generarea automată a vorbirii de către un sistem automat. Din punct de vedere al realizării fizice, sinteza de voce poate fi implementată atât pe un calculator cât şi pe diverse dispozitive electronice sau de telecomunicaţii prin componente dedicate (circuite integrate, circuite programabile, microcontroler, etc.). Există două concepte de bază ce definesc sistemele de sinteză a vocii: conversia textrostire (sistemele text-to-speech), şi sinteza propriu-zisă a vorbirii. Sistemele text-to-speech (figura 5.1) pornesc de la un text de sintetizat, parcurg o fază de analiză lexicală în care sunt determinate unităţile lexicale componente (prop oziţii, cuvinte, silabe, foneme), apoi pe baza acestor unităţi lexicale vor fi generaţi anumiţi parametri acustici care vor fi utilizaţi în generarea vorbirii [Bur96]. Analiză Generare Text Rostire lexicală parametri Figura 5.1. Sistem de sinteză a vorbirii pornind de la text Ultima etapă procesuală din cadrul sistemului text-to-speech, şi anume generarea rostirii pe baza parametrilor acustici, reprezintă sinteza de voce propriu-zisă. Sistemele sintetizatoare de voce diferă deci de sistemele text-to-speech prin faptul că primele utilizează la intrare nu direct textul de sintetizat, ci parametrii acustici pe baza cărora va fi posibilă generarea rostirii. Există două faze principale în cadrul procesului de sinteză a vorbirii: 1. Faza de analiză, ce presupune înregistrarea, codificarea şi parametrizarea unor unităţi acustice într-o bază de date vocală. Unităţile acustice pe baza cărora se va realiza sinteza unui text sau a unei rostiri se preiau în general dintr-o rostire preliminară a unui vorbitor. 2. Faza de sinteză reprezintă sinteza propriu-zisă a vorbirii: se porneşte de la un text care se prelucrează şi apoi se generează semnalul vocal pe baza cunoştinţelor înmagazinate a-priori în baza de date vocală. Aceste două faze din cadrul procesului de sinteză a vorbirii sunt ilustrate în figurile următoare. Prima fază – faza de analiză – este ilustrată în figura 5.2: Rostire Segmentare Unităţi acustice Codificare - Parametrizare Figura 5.2. Faza de analiză din cadrul sintezei vorbirii 155 Unităţi acustice codificate sau parametrizate Înregistrare date Baza de date vocală
- Page 122 and 123: Algoritmul de compactare în acest
- Page 124 and 125: 106 Cap. 4. Analiza semnalului voca
- Page 126 and 127: 108 Cap. 4. Analiza semnalului voca
- Page 128 and 129: 110 Cap. 4. Analiza semnalului voca
- Page 130 and 131: Punctul pivot se determină conform
- Page 132 and 133: 4.6.1.3. Detectarea maximelor de pe
- Page 134 and 135: 116 Cap. 4. Analiza semnalului voca
- Page 136 and 137: 118 Cap. 4. Analiza semnalului voca
- Page 138 and 139: 120 Cap. 4. Analiza semnalului voca
- Page 140 and 141: 4.7.3. Segmentarea bazată pe proba
- Page 142 and 143: 124 Cap. 4. Analiza semnalului voca
- Page 144 and 145: 126 Cap. 4. Analiza semnalului voca
- Page 146 and 147: 128 Cap. 4. Analiza semnalului voca
- Page 148 and 149: 130 Cap. 4. Analiza semnalului voca
- Page 150 and 151: 132 Cap. 4. Analiza semnalului voca
- Page 152 and 153: 134 Cap. 4. Analiza semnalului voca
- Page 154 and 155: 136 Cap. 4. Analiza semnalului voca
- Page 156 and 157: 4.8.4.1. Calculul distanţei dintre
- Page 158 and 159: F(C1) C1 C2 Np E(a,b) 140 Dp Cap. 4
- Page 160 and 161: Tabelul 4.10. Stabilirea frontierel
- Page 162 and 163: 144 Cap. 4. Analiza semnalului voca
- Page 164 and 165: Tabelul 4.13. Stabilirea frontierel
- Page 166 and 167: 2) Compararea vectorilor din regiun
- Page 168 and 169: 150 Cap. 4. Analiza semnalului voca
- Page 170 and 171: c) În faza de etichetare s-a mers
- Page 174 and 175: 156 Cap. 5. Sinteza de voce Aşa cu
- Page 176 and 177: 158 Cap. 5. Sinteza de voce Metodel
- Page 178 and 179: 160 Cap. 5. Sinteza de voce Urmeaz
- Page 180 and 181: 6. Metode de sinteză de voce 6.1.
- Page 182 and 183: 164 Cap. 6. Metode de sinteză de v
- Page 184 and 185: 166 Cap. 6. Metode de sinteză de v
- Page 186 and 187: 168 Cap. 6. Metode de sinteză de v
- Page 188 and 189: 170 Cap. 6. Metode de sinteză de v
- Page 190 and 191: 172 Cap. 6. Metode de sinteză de v
- Page 192 and 193: x(t) x1(t) x2(t) x1(t) x2(t) X1(t)
- Page 194 and 195: 6.3.2. Metoda bazată pe corpus 176
- Page 196 and 197: 178 Cap. 6. Metode de sinteză de v
- Page 198 and 199: Cost 180 Cap. 6. Metode de sinteză
- Page 200 and 201: 6.3.2.5. Algoritmul metodei de sint
- Page 202 and 203: Fiecare fază cuprinde mai multe et
- Page 204 and 205: 186 Cap. 6. Metode de sinteză de v
- Page 206 and 207: cat(Cuvint,term[nrcif]); if(nrcif>0
- Page 208 and 209: TEXT Forma flexionată Figura 6.13.
- Page 210 and 211: 192 Cap. 6. Metode de sinteză de v
- Page 212 and 213: 194 Cap. 6. Metode de sinteză de v
- Page 214 and 215: {LIT}+(le|lui)/{SEP} {/*peştele*/
- Page 216 and 217: {LIT}+{CONS}e/{SEP} {/* merge */ Ca
- Page 218 and 219: 200 Cap. 6. Metode de sinteză de v
- Page 220 and 221: 202 Cap. 6. Metode de sinteză de v
154<br />
Cap. 4. Analiza semnalului vocal<br />
4.8.6. Concluzii privitoare la contribuţiile autorului în segmentarea<br />
fonematică a semnalului vocal<br />
Metodele de segmentare fonematică a semnalului vocal sunt foarte utile în procesul de<br />
creare a bazei de date acustice, când avem de-a face cu un corpus de dimensiuni mari care<br />
trebuie segmentat şi adnotat. Cu cât aceste metode sunt mai automatizate, cu atât munca depusă<br />
de operatorul uman este mult uşurată. Metodele propuse de autor vin în întâmpinarea acestui<br />
deziderat şi aduc o contribuţie importantă în acest domeniu al analizei şi prelucrării corpusului<br />
vocal.<br />
O altă aplicaţie foarte importantă a acestor metode de detectare a unităţilor fonematice<br />
din semnalul vocal este în domeniul recunoaşterii vorbirii. Dezvoltarea şi aprofundarea<br />
metodelor de segmentare fonematică va duce implicit şi la soluţionarea problemei recunoaşterii,<br />
arătând astfel domeniul vast de aplicabilitate şi operabilitate al acestor metode.<br />
S-au propus în acest capitol trei metode pentru segmentarea fonematică, metode ce pot fi<br />
utilizate individual sau coroborat. Prima metodă detectează grupurile de foneme din semnalul<br />
vocal pe baza textului cunoscut de la intrare, folosind segmentarea prealabilă în regiuni. A doua<br />
metodă realizează împărţirea regiunilor în subregiuni fonematice, calculând tranziţiile dintre<br />
cadrele fiecărei regiuni. A treia metodă detectează separat fonemele din regiunile<br />
multifonematice şi funcţionează pe bază de model.<br />
Avantajul acestor metode derivă din modul de abordare sincron cu frecvenţa, ceea ce le<br />
dă o notă de precizie în plus faţă de alte abordări.<br />
În acestă fază s-au realizat:<br />
a) o metodă de segmentare în grupuri de foneme a semnalului vocal pe baza textului cunoscut de<br />
la intrare; pentru aceasta s-a proiectat:<br />
- un set de reguli care impun anumite constrângeri de formă şi durată pentru fiecare grup<br />
fonematic;<br />
- un algoritm de asociere între un grup fonematic şi o secvenţă de regiuni;<br />
b) o metodă ce realizează împărţirea regiunilor în subregiuni fonematice, calculând tranziţiile<br />
dintre cadrele fiecărei regiuni; pentru aceasta s-a proiectat:<br />
- un mod de calcul a distanţei minime pătratice dintre două cadre de semnal, distanţă ce<br />
se aplică vectorilor de caracteristici bazaţi pe coeficienţi Fourier;<br />
- un algoritm de detectare a frontierelor de subregiuni pe baza tranziţiilor bruşte dintre<br />
cadre;<br />
c) o metodă ce separă fonemele din regiunile multifonematice, funcţionând pe bază de model;<br />
pentru aceasta s-au proiectat 4 algoritmi şi metode:<br />
- o metodă de modelare semiautomată a fonemelor;<br />
- un algoritm de comparare a vectorilor regiunii ţintă cu modelul;<br />
- un algoritm de regăsire a modelului fonematic şi de etichetare a regiunilor;<br />
- un algoritm de grupare a fonemelor şi segmentare în subregiuni.