Teza doctorat (pdf) - Universitatea Tehnică

6.3.1.2. Avantajele şi dezavantajele metodei TD-PSOLA
175
Cap. 6. Metode de sinteză de voce
Metoda asigură o calitate superioară a sintezei rezultată în urma utilizării segmentelor de
vorbire extrase direct din vorbirea umană reală. Modul de alegere a segmentelor centrate pe
maximul de intensitate sonoră asigură erori minime datorate compunerii segmentelor suprapuse.
Astfel, erorile vor putea apare doar la capetele intervalelor, unde semnalul sonor are energie
mică [Dut93], [Edg96].
De asemenea, un alt avantaj major al metodei constă în posibilitatea modificării facile a
frecvenţei şi duratei de semnal, ceea ce asigură schimbarea prozodiei semnalului vocal sintetizat
şi implicit creşterea calităţii sintezei.
Ca dezavantaje, trebuie totuşi menţionate zgomotele care pot apărea la capetele
intervalelor de segment, datorită erorilor introduse de mediere. De asemenea, în interiorul
tranziţiilor pot apărea distorsiuni cauzate de erorile de fază, unele porţiuni nesonore putând
deveni sonore în urma compunerii segmentelor suprapuse.
6.3.1.3. Îmbunătăţiri ale metodei
Pentru a elimina o parte din neajunsurile metodei, au fost încercate diferite abordări sau
îmbunătăţiri. Cele mai cunoscute sunt LP-PSOLA şi MBROLA.
Tehnica LP-PSOLA (Linear Prediction PSOLA) este o combinaţie între alogoritmul de
sinteză LPC şi algoritmul PSOLA. Metoda separă excitaţia de semnalul corespunzător tractului
vocal într-un mod asemănător metodei prin predicţie liniară LPC, folosind minimizarea erorii
e(t) a semnalului de predicţie (eroare ce se mai numeşte semnal rezidual). Ap oi algoritmul
PSOLA se aplică doar pe acest semnal rezidual, care are proprietatea de a fi decorelat în
interiorul fiecărui segment considerat [Edg96].
Avantajul care apare din această abordare constă în controlul mult mai bun asupra
structurii spectrale a semnalului, precum şi în calitatea mult îmbunătăţită a tranziţiilor dintre
segmente.
Metoda MBROLA ( Multiband Resynthesis Overlap and Add), proiectată în cadrul
Facultăţii politehnice din Mons, Belgia, are avantajul de a netezi discontinuităţile spectrale ce
apar în TD-PSOLA. Metoda lucrează şi ea în domeniul timp, folosind o bază de date vocală
normalizată şi interpolări la capetele intervalelor de sinteză. Metoda este implementată în cadrul
unui sintetizor de voce care primeşte la intrare un fişier cu parametrii prozodici şi produce
vorbirea sintetizată pe baza concatenării difonemelor din baza de date vocală [Dut93].