Teza doctorat (pdf) - Universitatea Tehnică

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