Teza doctorat (pdf) - Universitatea Tehnică

159
Cap. 5. Sinteza de voce
În baza de date se memorează parametrii caracteristici pentru unităţile elementare cu care
se lucrează (foneme, difoneme, silabe). În faza de sinteză, unităţile se vor concatena pe baza unor
reguli de concatenare. Trăsăturile prozodice (amplitudine, tonalitate, durată) se controlează
printr-un set de reguli prozodice ce se aplică pentru fiecare unitate în parte.
Calitatea sintezei depinde în acest caz atât de calitatea unităţilor elementare înregistrate în
baza de date, cât şi de modul de realizare şi performanţa regulilor prozodice şi de concatenare
[Bur97].
5.2.2. Etape în sinteza de voce pornind de la text
Etapele procesuale ale sintezei text-to-speech se împart în două categorii de bază
[Bur97]:
1) Analiza textului de la intrare în scopul obţinerii unei reprezentări fonetice şi prozodice
a textului;
2) Transformarea reprezentării fonetice-prozodice în semnal vocal, pe baza folosirii unor
reguli de sinteză.
Analiza textului cuprinde: preprocesarea lingvistică, analiza sintactică şi lexicală,
transcrierea fonetică şi determinarea prozodiei.
Sinteza presupune generarea secvenţei de parametri corespunzătoare textului şi sinteza
propriu-zisă a vorbirii.
Preprocesarea lingvistică este prima etapă în analiza textului de la intrare, în care se
urmăreşte aducerea textului la o formă normalizată. Aici se refac abrevierile (de exemplu „Dr.”
devine „doctor”), se transformă numerele care apar ca cifre în numere exprimate literar („1000”
devine „o mie”), şi de asemenea tot în acestă fază se detectează terminatorii de propoziţie, care
vor da primele informaţii despre tipul propoziţiei (` . ` ` ? ` `! ` , ce corespund cu o propoziţie
afirmativă, interogativă, respectiv imperativă).
Analiza sintactică este necesară pentru a aduce textul la o formă corectă din punct de
vedere gramatical, ştiut fiind faptul că orice greşeală de scriere a unui cuvânt îl poate face greu
inteligibil în urma sintezei vocale. Astfel, cuvintele sunt confruntate cu modul corect de scriere
aşa cum apare de exemplu într-un dicţionar, şi de asemenea, în cazul limbii române, se verifică şi
corectitudinea inserării diacriticelor (`ă` `î` `ş` `ţ`).
Urmează etapa de determinare a unităţilor lexicale, efectuată prin intermediul unui
parser sau analizor lexical. Aici se determină unităţile textuale dorite, cum ar fi: propoziţii,
cuvinte, silabe, foneme. Dacă de exemplu se doreşte regăsirea silabelor din cadrul cuvintelor,
analizorul va trebui să fie ghidat de un set de reguli sintactice şi de despărţire a cuvintelor în
silabe, reguli specifice limbii pentru care se va realiza sinteza.
Etapa de transcriere fonetică are ca scop realizarea unei transcrieri standardizate a
fonemelor din text (grafeme), folosind un set de simboluri fonetice standardizate ( de exemplu
grupul `che` va avea transcrierea fonetică [ce], iar `ce` va avea transcrierea fonetică [c~e]; astfel
sintetizatorul va şti că va trebui să folosească seturi diferite de parametrii pentru a genera două
tipuri distincte de rostire).